作者：Arm 物聯(lián)網(wǎng)事業(yè)部產(chǎn)品管理總監(jiān) Tim Menasveta

Arm Cortex-A320 是目前最小型的 Armv9-A 架構 CPU。得益于該處理器的推出，開發(fā)者現(xiàn)在能有更多選擇決定如何處理物聯(lián)網(wǎng)邊緣人工智能 (AI) 工作負載。然而，面對多樣化的選擇，要確定適合特定 AI 應用的處理器，系統(tǒng)開發(fā)者需要通過比較基于 Arm Cortex-A、Arm Cortex-M 和 Arm Ethos-U NPU 的設備及其可能的搭配進行決策。除了成本的考量，開發(fā)者還需了解各款處理器具備的 AI 功能，以及自身的項目可以通過何種軟件開發(fā)流程實現(xiàn)簡化。

在嵌入式設備中實現(xiàn)高能效 AI 計算

近年來，嵌入式設備中的 AI 計算效率突飛猛進。Arm 的 M 和 A 處理器架構的提升使得每單位能耗的機器學習 (ML) 推理性能呈數(shù)倍增長。特別是在 M 處理器架構上，基于 Armv8.1-M 架構的 Cortex-M52、Cortex-M55 和 Cortex-M85 CPU 集成了可編程的 Helium 向量擴展，從而解鎖了在微控制器級設備上實現(xiàn)新 AI 用例的能力。此外，得益于可伸縮向量擴展 (SVE2) 的引入，基于 Armv9 架構的 Cortex-A 處理器（如最新推出的 Cortex-A320）相較其前代產(chǎn)品進一步提升了 AI 性能。而 Ethos-U 系列 NPU 的最新一代產(chǎn)品 Ethos-U85，尤其在處理 Transformer 網(wǎng)絡時，表現(xiàn)更為高效。

如何選擇合適的硬件？

每種架構在不同方面各有優(yōu)勢。在考慮哪款硬件最適合時，原始性能應與設計靈活性相權衡。此外，還需要將包括 CI/CD 要求在內(nèi)的軟件開發(fā)流程納入考量。

性能

滿足所需的 AI 處理性能至關重要。Cortex-A 處理器本就是一款面向多種應用的可編程處理器，集成了 Neon/SVE2 向量引擎，旨在加速神經(jīng)網(wǎng)絡和各種向量化代碼，并能原生支持多種數(shù)據(jù)類型。而帶有 Helium 向量引擎的 Cortex-M 處理器具備相同特性，且更適用于成本和能耗相對有限的目標用例。相比之下，包含 Ethos-U85 在內(nèi)的 Ethos-U NPU 則專為處理神經(jīng)網(wǎng)絡算子而設計，尤其還具備了量化的 8 位整數(shù)數(shù)據(jù)權重的能力，對于可以映射到這些 NPU 硬件的網(wǎng)絡算子，其任務表現(xiàn)十分高效。

基于 Armv9 架構的最新一代 Cortex-A CPU 支持 BF16 等廣泛的數(shù)據(jù)類型。此外，引入的新矩陣乘法指令顯著提高了神經(jīng)網(wǎng)絡的處理性能。關于如何通過 SVE2 實現(xiàn)矩陣乘法的詳細解釋，推薦閱讀《Neon、SVE 和 SME 實現(xiàn)矩陣-矩陣乘法的比較》。

Cortex-M55 是首款集成 Helium 向量技術的 Cortex-M 處理器，此后推出的 Cortex-M85 也集成了這一技術。兩者都實現(xiàn)了雙節(jié)拍 (dual-beat) Helium 配置，每個時鐘周期可執(zhí)行多達八次的 8 位整數(shù)乘積累加運算 (MAC) 操作。此外，Helium 還原生支持 FP16、FP32 等其他數(shù)據(jù)類型。

最后，在具有量化數(shù)據(jù)類型的模型上，具體來說是 INT8 權重，以及 INT8 或 INT16 激活數(shù)據(jù)，Ethos-U NPU 可以非常高效地處理神經(jīng)網(wǎng)絡。這種設計雖會限制其適用的數(shù)據(jù)類型，但可提高 NPU 的執(zhí)行效率。

評估處理器在實際 AI 工作負載中性能的方法之一，是分析其每種數(shù)據(jù)類型和每個時鐘周期的理論 MAC 執(zhí)行能力。由于神經(jīng)網(wǎng)絡處理使用大型數(shù)據(jù)集，因此內(nèi)存訪問性能是另一大關鍵因素。不過在本例中，我們著重于處理器密集 (processor-bound) 性能，而非內(nèi)存密集 (memory-bound) 性能。

神經(jīng)網(wǎng)絡處理速率通常受限于底層硬件的 MAC 操作速率。雖然實際的網(wǎng)絡處理性能因網(wǎng)絡結構而異，但下表所示的的理論 MAC 處理速率提供了硬件能力的指標。

軟件

另外一個考慮的因素是每個硬件方案的軟件支持。Arm 為包括 Cortex-A、Cortex-M 和 Ethos-U 等在內(nèi)的各類 AI 硬件解決方案提供全面的開源運行時支持軟件。Arm 為各種 ML 框架和運行時提供硬件加速支持，包括 PyTorch、ExecuTorch、Llama.cpp、TensorFlow 和 LiteRT（通過 XNNPACK）。任何 ML 框架都可通過優(yōu)化，進而充分利用 Arm 的 AI 特性。在 Arm 處理器上執(zhí)行的運行時可利用 CMSIS-NN（針對 Cortex-M/Helium）和 Arm Compute Library 或 Arm KleidiAI（針對 Neon/SVE2 中的 INT8 和 BF16）等軟件加速庫。Vela 編譯器是一個通過優(yōu)化模型來實現(xiàn)高效部署的離線工具，可在 Ethos-U 上進一步調(diào)優(yōu)可執(zhí)行二進制文件，從而實現(xiàn)更卓越的硬件性能。

何時使用 Ethos-U？

一些具有明確定義的 AI 工作負載的邊緣 AI 用例可以通過將神經(jīng)網(wǎng)絡處理卸載到專用 NPU 上，從而釋放主處理器的計算密集型任務，并由此獲益。如前所述，Ethos-U NPU 在處理具有量化的 8 位整數(shù)權重的神經(jīng)網(wǎng)絡時非常高效。Transformer 網(wǎng)絡特別適合在 Ethos-U85 上運行。然而，Ethos-U85 NPU 需由一個主處理器（可以是 Cortex-M 或 Cortex-A）進行驅動。

主處理器與 Ethos-U 間可以有多種配置方式。Ethos-U 可由像 Cortex-M55 等啟用 Helium 的 Cortex-M 處理器驅動使用。目前市面上已有這種系統(tǒng)級芯片 (SoC) 配置的示例。近期，在小語言模型 (SLM) 上運行生成式 AI 工作負載愈發(fā)受到業(yè)界關注。Ethos-U 與啟用 Helium 的 Cortex-M 處理器相結合，是此類用例的上佳之選。

此外，還有基于 Cortex-A 處理器的 SoC 集成了基于 Cortex-M 核心的 ML 島與 Ethos-U。這類 SoC 通常適合運行 Linux 等功能豐富的操作系統(tǒng)，并支持更大、更靈活的內(nèi)存系統(tǒng)。Cortex-M CPU 擁有 32 位可尋址內(nèi)存地址空間，能實現(xiàn)直接內(nèi)存地址映射，而像 Cortex-A320 等更新款的 Cortex-A 處理器則具有 40 位內(nèi)存可尋址空間，還可以通過內(nèi)存管理單元 (MMU) 的虛擬內(nèi)存尋址。

隨著大語言模型 (LLM) 的執(zhí)行逐漸轉向邊緣 AI 設備，擁有更大和更靈活的內(nèi)存系統(tǒng)可以簡化較大參數(shù)規(guī)模（例如大于 10 億參數(shù)的 LLM）模型的執(zhí)行。Cortex-M 和 Ethos-U85 的組合很適合于越來越受到歡迎的小語言模型。Cortex-M 處理器具有 4GB 的尋址空間，并保留了其中一些空間用于系統(tǒng)功能。隨著 LLM 模型規(guī)模的增長，具有更大和更靈活內(nèi)存的 Cortex-A 系統(tǒng)將變得至關重要。

Arm 近期又宣布了另一種配置方式，稱為“直接驅動 (direct drive)”，即 Cortex-A 處理器直接驅動 Ethos-U NPU。這種配置無需專門的 Cortex-M 作為“驅動”處理器。Ethos-U85 的 Linux 驅動程序可在 Cortex-A 主控制器上運行。

利用 Cortex-A320滿足邊緣設備的生成式 AI 需求

邊緣 AI 系統(tǒng)開發(fā)者現(xiàn)在有更多的選擇來優(yōu)化物聯(lián)網(wǎng)中最靠近邊緣側的 AI。無論選擇 Cortex-M、Cortex-A 還是 Ethos-U 加速系統(tǒng)，每種選擇都可滿足不同的需求。Cortex-A320 處理器能夠直接驅動 Ethos-U85，這讓設計人員獲得了更多的靈活性。作為 Arm 最小型、最高能效的 Armv9-A 處理器，Cortex-A320 在提高邊緣側 AI 能效的同時，適應嵌入式系統(tǒng)中生成式 AI 演進的需求。