为什么真正智能的未来技术需要彻底的新AI芯片

当今的AI硬件与使智能城市和自动驾驶汽车(AV)平稳运行所需的技术之间还有很长的路要走。

为了实现新的创新，AI芯片制造商必须专注于磨练实现未来真正智能的AV和IoT系统所需的构建技术。这意味着构建足够高效，紧凑的处理器以实时计算和解释大量数据。为了获得最大利益，这些处理器必须嵌入边缘设备本身。

在保持较低的计算成本和功耗需求的同时，提高性能和速度是主要挑战。专为深度学习应用设计的特定领域嵌入式芯片可以帮助应对这一挑战。

嵌入式硬件已经可以以有限的性能执行诸如语义分割和复杂对象检测之类的任务。改进此类功能最终将为全面实现全面自治铺平道路。

当前的处理器面临结构限制

即使是当今最高端的，定制的GPU，也没有尽其所能针对AI和机器学习(ML)应用进行优化，而这些结构性限制也阻碍了未来的智能技术。

例如，当前的视音频系统可能具有复杂的算法和超清晰的传感器，但是它们处理和处理所收集数据的方式通常无法胜任。由于AV无法负担向云端发送数据或从云端发送数据的速度(这会导致潜在的危险的反应时间滞后，例如，考虑避免孩子飞奔上街所需的瞬间反应时间)，因此被迫在他们的后备箱中拖拉笨拙，耗电的“超级计算机”。

这就是为什么如今的技术仍然依赖于辅助驾驶员的ADAS系统但不能接管驾驶员的部分原因。

但是，带有ADAS系统的汽车上的某些硬件能够帮助支持全自动驾驶。实际上，许多现代汽车实际上未充分利用车载摄像头和其他传感器的分辨率，因为它们的数据系统根本无法处理全分辨率提要，或者处理得不够快。

在许多情况下，传感器技术很多。但是，除非将强大，轻便，节能的处理器直接安装到车辆中，否则要实现真正的自主权所需的低延迟和高保真度之间的平衡仍然是站不住脚的。

借助AI重新构想建筑

以改进的体系结构的独特AI处理器的形式实现真正的设备上边缘计算的道路是前进的。

通过抛弃传统的计算架构并彻底重建专用的AI芯片，未来的处理器可以突破以前的局限性。新型领域专用AI芯片比传统架构具有更高的效率。

与标准CPU和GPU不同，此类芯片无需外部存储器，而是将所有核心计算资源直接存储在芯片上。这种邻近减少了向芯片和从芯片发送数据所需的能量和时间。

为什么专用AI处理器如此高效?由于神经网络由许多层和节点组成，因此在神经网络之间快速有效地传递计算能力和数据的能力转化为重大的性能改进。而且，这种紧密的硬件集成使软件可以动态地重新分配资源，以最适合手头的任务。

实际上，这使此类专用芯片能够以最小的功耗提供出色的性能，同时始终如一地实时执行重要的AI计算。