Achronix على اختيار النظام الأساسي للذكاء الاصطناعي على الحافة

أصدر Colin Alexander (مدير تسويق المنتجات في Achronix) ندوة عبر الإنترنت حول هذا الموضوع مؤخرًا. في 20 دقيقة فقط ، تكون الندوة عبر الإنترنت مشاهدة سهلة وتحديثًا مفيدًا لحركة البيانات وخيارات التنفيذ. لا يزال الفيديو يهيمن على التنزيلات (أكثر من 50٪ لـ Facebook) والذي يعتمد الآن بشكل كبير على التخزين المؤقت عند الحافة أو بالقرب منها. أي مما يلي ينطبق على تعريفك لـ "الحافة". يرى عالم إنترنت الأشياء نفسه على أنه الحافة ، ويبدو أن عالم السحابة والبنية التحتية يرى آخر عقدة حسابية في البنية التحتية ، قبل تلك الأجهزة الطرفية ، على أنها الحافة. بطاطا ، بطاطا. على أي حال ، فإن عرض البنية التحتية للحافة هو المكان الذي ستجد فيه التخزين المؤقت للفيديو ، لخدمة التنزيلات الأكثر شيوعًا بكفاءة وبأسرع وقت ممكن.

خيارات الحساب على الحافة (وفي السحابة)

تحدث كولين في البداية عن حافة البنية التحتية حيث يلزم بعض القدرة الحصانية في الحوسبة وفي الذكاء الاصطناعي. يقدم الخيارات القياسية: CPU أو GPU أو ASIC أو FPGA. يتمتع الحل القائم على وحدة المعالجة المركزية بأكبر قدر من المرونة لأن الحل الخاص بك سيكون قائمًا بالكامل على البرامج. للسبب نفسه ، سيكون أيضًا الخيار الأبطأ والأكثر جوعًا للطاقة وأطول زمن انتقال (للرحلة ذهابًا وإيابًا إلى العقد الورقية التي أفترضها). تعد وحدات معالجة الرسومات أفضل إلى حد ما في الأداء والقوة مع مرونة أقل قليلاً من وحدات المعالجة المركزية. ستكون ASIC (الأجهزة المخصصة) هي الأسرع والأقل قوة وأقل زمن انتقال ، على الرغم من أنها أقل مرونة من حيث المفهوم (جميع الأجهزة الذكية موجودة في الأجهزة التي لا يمكن تغييرها).

يقدم FPGA (أو FPGA / eFPGA المضمنة) كحل وسط جيد بين هذين النقيضين. أفضل في الأداء والقوة والكمون من وحدة المعالجة المركزية أو وحدة معالجة الرسومات وفي مكان ما بين وحدة المعالجة المركزية ووحدة معالجة الرسومات على المرونة. بينما أفضل بكثير من ASIC من حيث المرونة لأنه يمكن إعادة برمجة FPGA. كل هذا منطقي بالنسبة لي بقدر ما يذهب ، على الرغم من أنني أعتقد أنه كان يجب إكمال القصة بإضافة DSPs إلى مجموعة النظام الأساسي. يمكن أن يكون لها مزايا أجهزة خاصة بالذكاء الاصطناعي (توجيه ، صفائف MAC ، إلخ) والتي تفيد الأداء والقوة والكمون. مع الاحتفاظ بمرونة البرنامج. الاعتبار المهم الآخر هو التكلفة. يعد هذا دائمًا موضوعًا حساسًا بالطبع ، لكن وحدات المعالجة المركزية (CPU) ووحدات معالجة الرسومات (GPU) وأجهزة FPGA القادرة على الذكاء الاصطناعي يمكن أن تكون باهظة الثمن ، مما يمثل مصدر قلق لفاتورة المواد الخاصة بالعقدة الطرفية.

تبدو حجة كولين أكثر منطقية بالنسبة لي على حافة أن eFPGA مدمج في SoC أكبر. في تطبيق السحابة ، تختلف القيود. ربما لا تكون بطاقة واجهة الشبكة الذكية حساسة للسعر وقد تكون هناك ميزة أداء في الحل القائم على FPGA مقابل الحل القائم على البرامج.

يبدو أن دعم تطبيقات الذكاء الاصطناعي عند حافة الحوسبة من خلال eFPGA خيار يستحق المزيد من البحث. بعيدًا عن العقد الورقية ، يكون الأمر غامضًا بالنسبة لي. من المؤكد أن جهاز تعقب الخدمات اللوجستية أو مستشعر رطوبة التربة لن يستضيف حوسبة كبيرة ، ولكن ماذا عن جهاز التحكم عن بعد في التلفزيون الذي يتم تنشيطه بالصوت؟ أو ميكروويف ذكي؟ كلاهما يحتاج إلى الذكاء الاصطناعي ولكن لا يحتاج إلى الكثير من القدرة الحصانية. يحتوي الميكروويف على طاقة سلكية ، لكن جهاز التحكم عن بعد في التلفزيون أو مكبر الصوت الذكي عن بُعد يعمل بالبطاريات. سيكون من المثير للاهتمام معرفة مقايضات eFPGA هنا.

قدرات eFPGA للذكاء الاصطناعي

في ورقة البيانات ، يوفر Speedster 7t عددًا صحيحًا قابلاً للكسر بالكامل ونقطة عائمة مرنة ودعمًا أصليًا لـ bfloat ومضاعفات المصفوفة الفعالة. لم أتمكن من العثور على أي بيانات عن TOPS أو TOPS / Watt. أنا متأكد من أن ذلك يعتمد على التنفيذ ولكن الأمثلة ستكون مفيدة. حتى على الحافة ، فإن بعض التطبيقات حساسة للغاية للأداء - على سبيل المثال المراقبة الذكية واكتشاف الأجسام المواجهة للأمام في السيارات. سيكون من المثير للاهتمام معرفة المكان الذي يمكن أن تتناسب فيه eFPGA في مثل هذه التطبيقات.

ندوة عبر الإنترنت تحفز الفكر. يمكنك مشاهدته هنا.

شارك هذا المنشور عبر:

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
• المصدر https://semiwiki.com/efpga/323785-achronix-on-platform-selection-for-ai-at-the-edge/