长按识别二维码，报名2018十大突破技术全球直播首发
英国芯片厂商ARM推出了两款最新处理器设计，带着定制硬件加入了人工智能的战场。它承诺，将为研发机器学习设备的公司提供“革命性的计算能力”。
这些设计适用于ARM机器学习处理器，它能够加速一般的人工智能程序，从机器翻译到面部识别均可适用。它还适用于ARM对象检测处理器，这是专为处理可视数据，以及检测人员和物品而优化的第二代设计。对象检测处理器将在本月底提供给商业客户，而机器学习处理器将在今年年中推出。
ARM官方表示，这款处理器理论上在1.5W功率下可以超过4.6TOP的吞吐量，最高能达到3TOP/W。ML处理器可以作为一个完全专用的独立IP模块，它有自己的ACE-Lite接口，可以集成到SoC中，也可以集成到DynamiQ集群中。这就意味着吞吐量高低并不是其性能的直接表现形式，只能作为一种参考。
图丨对象检测处理器
除此之外，ARM的机器学习处理器还搭载了最新的对象检测处理器。这是一种针对物体检测进行优化的传统视觉处理器，虽然机器学习处理器可以通过神经网络完成相同的任务，但OD处理器（Object Detection Processor）在面对特定问题时效率更高，因此ARM方面仍选择搭载此配置。
ARM的机器学习副总裁Jem Davies表示：“这些都是全新设计，不是基于现有的CPU或GPU架构。”
与所有的ARM芯片一样，ARM不会自己制造处理器，而是将设计授权给第三方制造商。过去，ARM的客户包括Broadcom等芯片制造商，还包括像苹果这样的硬件公司，他们会为了自己的设备调整ARM的（芯片）设计。机器学习处理器将主要吸引平板电脑和智能手机制造商的兴趣，而对象检测处理器可能被用于更广泛的用途，从智能安防摄像机到无人机。
Davies表示，有许多对“机器学习芯片”感兴趣的手机制造商，ARM已经与它们进行了会谈，但不会透露任何具体的公司信息。目前，特制的人工智能处理器仅出现在高端设备上，例如苹果iPhone X和华为Mate 10。但是，Davies相信，随着人工智能应用的普及，这些芯片将迅速成为各个价格区间设备的标准配置。
“通过与市场的对话，我们相信它的普及速度会非常非常快。”Davies表示。“在中国，他们已经在谈论从明年开始将其应用在入门级智能手机上。”
这些芯片设计不仅适用于智能手机，而且将有助于推动下一代物联网（IoT）设备的发展。和许多开发人工智能芯片的公司一样，ARM对边缘计算的重要性进行了大规模宣传——这意味着要在设备上进行本地化运算，而不是将数据发回云端计算。这已经成为手机制造公司采用人工智能芯片的一个重要因素，因为相比云计算，设备上的本地运算具有许多优势。首先本地运算更安全，因为数据无法在传输中被拦截。其次它更快更可靠，因为用户不必等待远程服务器处理其数据。最后，用户和供应商的成本都较为低廉。
“谷歌表示，如果每个用户每天只用3分钟的语音搜索，那么他们将不得不加倍服务器数量。”Davies说。随着越来越多的智能设备开始运行计算量更大的人工智能程序，“网络上将没有足够的可用带宽，互联网将会被破坏”。Davies补充说，尽管目前的芯片设计是针对移动设备的，但是更广泛的芯片架构可以扩展到服务器上的人工智能芯片。
Moor Insights & Strategy首席分析师PatrickMoorhead表示，面对繁重的计算任务，越来越多的公司开始从聘请分析师转向研究机器学习，新的芯片设计对ARM来说意义重大。不过，他认为这些芯片对移动行业的影响是有限的。 Moorhead表示：“移动市场目前表现平稳，我认为这种新型技术将有助于推动消费者更新（升级他们的手机），但不会使智能手机销量再次大规模增长。”
当然，ARM并不是唯一一家试图通过优化芯片，在人工智能领域弄潮的公司。高通正在开发自己的人工智能平台，英特尔去年推出了一系列新的人工智能特制芯片，谷歌正在为其服务器研发机器学习芯片，并试图在这动荡时期占据优势。同时，像Graphcore这样的雄心勃勃的创业公司也在进军，并由风险投资推动，渴望颠覆现有的巨头。
正如Davies所说的那样，这是一个“时代性的变革”，几乎影响世间一切，“包括所有需要计算的领域”。
-End-
编辑：Ren 校审：苗正
参考：https://www.theverge.com/2018/2/13/17007174/ai-chip-designs-arm-machine-learning-object-detection
