雷锋前线|筹划3年,云知声发布首款面向IoT的AI芯片

时间:2021-09-06 00:23 作者:泛亚电竞首页
本文摘要:DNN、LSTM 等多种网络模型,性能提高 50 倍;3、面向深度自学的内存调度机制,数据比特率市场需求上升 90%;4、新的设计的专用 DSP 处理器;5、AIOS + AI Chip 的 Turnkey 解决方案;6、从算法到芯片深度自学加快硬件核心几乎自主设计、自律知识产权。

泛亚电竞

DNN、LSTM 等多种网络模型,性能提高 50 倍;3、面向深度自学的内存调度机制,数据比特率市场需求上升 90%;4、新的设计的专用 DSP 处理器;5、AIOS + AI Chip 的 Turnkey 解决方案;6、从算法到芯片深度自学加快硬件核心几乎自主设计、自律知识产权。第一代物联网 AI 芯片及解决方案——雨燕芯片展出云知声第一代 UniOne 物联网 AI 芯片及解决方案——雨燕使用 CPU+uDSP+DeepNet 架构,反对 8/16bit 向量、矩阵运算,基于深度自学网络架构,可将面向语音 AI 的分段运算性能充分发挥到淋漓尽致,在更加低成本和功耗下获取更高的算力。

在架构灵活性方面,雨燕通过 Scratch-Pad 将主控 CPU 与 AI 加速器内部 RAM 连接,可获取高效的 CPU 与 AI 加速器之间的数据通道,便于 CPU 对 AI 加速器运算结果展开二次处置。另外,相连各个运算单元的可编程网络矩阵架构,获取了拓展运算指令的功能,从而更进一步提高硬件架构的灵活性及可扩展性。

同时,芯片使用多级多模式苏醒,从能量检测,到人类声音检测,再行到苏醒词检测,针对语音设备及用于场景的自定义化Power Domain等技术,可将芯片功耗减少至低于。明确而言,雨燕还包括以下几大明显特征:高性能深度自学加快:面向深度自学和语音信号处理的 AI 自定义指令以及体系架构,将面向语音 AI 的分段运算性能充分发挥到淋漓尽致,系统运算能力提高50倍以上;高性能内部互联网络:融合片内 Memory 及内部互联网络,提升片内总线比特率的利用效率提高20倍;低功耗架构:异构 AMP架构可确保高性能与低功耗的有机融合,从而获得最佳的能效比,更加合适IoT场景;端云融合:混合应用于架构设计,取得本地与云端能力的最佳均衡;雨燕芯片架构云知声自研数字信号处理器 uDSP雨燕的多级电源模式雨燕针对 AI 任务的性能提高云知声牵头创始人/芯片负责人李霄寒回应,云知声不仅获取雨燕芯片和终端引擎,还将应用于部分向客户开源,同时获取适当自定义化工具以及云端AI能力服务。

通过云端芯融合,云知声基于雨燕获取的是面向一个个明确场景如智能家居、智能音箱、智能车载等的Turn-key解决方案。基于雨燕方案,可让客户车站在更高的设计起点,以更加较低的成本在更加较短的时间内打造出更加平稳可信的产品。

同时,开源的方案也可保证客户基于已获取的 AI 能力自行设计其它各种长尾产品形态,建构更加非常丰富的 AIoT 生态。李霄寒还透漏了云知声 AI 芯片发展路径:2019 年将公布反对多模态的雪豹,2020年将发售获取标准化 AI 边缘算力的旗鱼。在本次发布会上,除了UniOne的重磅公布之外,云知声还发布了与京东智能、亿咖通科技的战略合作。

在智能家居领域,云知声联手京东智能,推展人工智能芯片在智能家居领域的应用于。与京东Alpha平台合力打造出自定义化智能标杆产品,构建横跨品牌、横跨品类智能设备的互联互通。针对智能网联成汽车领域,云知声将联手亿咖通科技,联合研发汽车前装车规级AI芯片。

为什么要做到芯片?黄伟认为,无论是 CPU 还是 GPU、FPGA,现有的芯片架构并非为 AI 专门设计,并无法符合物联网 AI 算力市场需求,且考虑到了过于多的向后兼容性,因此性能上远非拟合。较之于传统芯片,自定义简化的 AI 芯片由于应用于场景和 AI 算法比较确认,因此在硬件设计上更为专门化,在面向此类任务时相对于标准化芯片在计算出来密度及功耗上有绝对优势。因此,互为较标准化芯片而言,AI 芯片可以在更加较低的主频、更加小的芯片面积,已完成机器学习中同等任务量的计算出来,做成本、功耗、算力等多维市场需求之间的均衡。

黄伟指出,AIoT 的破局点在芯片,原因有三:AI 落地的关键在于自由选择场景应用于场景定义 AI 芯片芯片可以加快 AI 应用于落地UniOne 芯片的研发负责人,李霄寒告诉他,原本 IVM 的既有市场,像智能家居,在芯片出来之后,可以构建无缝更换,客户那边有可能什么都不必须改为,必要用新的芯片更换原本那个板子上的老芯片就可以了。所以,对于客户来讲,更新换代的成本是非常低的,他只感觉到了性能的提高,功耗和价格的上升。为什么云知声要自己做到而不是跟其它厂商合作自定义芯片呢?李霄寒回应,AI 芯片的整体架构还近没成熟期,并不是说道像 CPU 一样,订购谁的都一样,没有适当自己去反复发明者一个 CPU。

我们面对的问题和 PC 上的 CPU 问题是几乎不一样的。现在从整个产品定义,到里面的架构都是在一个探寻阶段,没标准化,你去找一个合作伙伴的话,很有可能最后做到出来的东西不需要符合场景的市场需求。这也是为什么我们极力要自己做到。而且我们在这方面有较为大的优势,因为我们做到了 2 年多将近 3 年的时间,团队早已从算法到应用于到芯片都抛光出来了。

后面做到芯片的递归,架构以及整体方案的演变,成本是较为较低的。所以,对于我们来讲,认同是还是自由选择自己做到,比不上跟别人去合作。从“云端芯”到“云+芯”2016 年,云知声 CEO 黄伟拒绝接受(公众号:)采访时透漏了公司的品牌升级方向————从智能语音公司,到物联网人工智能服务商。

而构建这种转型,在产品层面上云知声明确提出了“云端芯”的概念,通过芯片将终端和云端连接起来。黄伟对回应,云知声的人工智能产品还包括以下三块:AI 芯,目前你可以将其解读成连网的麦克风;AIUI,用户与终端之间的交互方式,目前主要就是语音;AI Service,云端服务。云知声要做到的,是将 AI 芯放入从家电到汽车的各种产品里,让它们都能连网并展开通过语音交互,并相连至云端服务。

2017 年 8 月,云知声宣告获得 3 亿元战略投资,融资目的之一就是增大人工智能专用芯片 UniOne 的研发力度,更进一步完备以“云端芯”为核心的产品开发和商业落地。5 月 11 日,云知声宣告取得 1 亿美金 C 轮融资。

现在,云知声自行设计的 AI 芯片再一在 5 月 16 日对外公布。发布会上,黄韦宣告,云知声的战略从芯片公布后,将从“云端芯”改变为“云+芯”。建芯是水到渠成,不是头脑发热对云知声来说,造芯不是目的,而是手段。

人工智能时代,厂商的竞争力在于其向客户获取解决方案的能力,而芯片正是解决方案的重要一环。李霄寒告诉他,云知声设计自己的芯片是一件水到渠成的事,“我们再行用一个通用型的方案,去扩展、抛光这个产品,然后寻找我们的客户和应用于场景。然后,我们再行做到芯片,去替代原先的产品。

”对比之下,一些公司是再行设计出有芯片再行去找客户和应用于场景。而所谓“造芯”,并非是将设计、研发、生产整个流程都做到了,“我们不光要牵涉到到芯片的设计,还要牵涉到到整个上面的系统,还包括涉及的云端服务和算法”,李霄寒对透漏,芯片及方案研发团队有四五十人。

之所以投放的人力并不可观,是因为云知声只捉最核心的设计部分,还包括用作 AI加快的 NPU、用作信号处理的 DSP 以及其它一些know-how,其它一些核心模块都使用IP适配的方式,这也是当下许多芯片设计所用的方法。李霄寒指出,作