91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

助力AI算法芯片化 新思科技推出ASIP Designer

新思科技 ? 來源:yxw ? 2019-06-26 08:41 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

AI算法芯片化已是大勢所趨

近年來,人工智能(AI)產業(yè)發(fā)展十分迅速,涌現(xiàn)出了一大批的AI算法初創(chuàng)公司,與此同時谷歌、BAT等互聯(lián)網公司也紛紛殺入,但是隨著AI技術的逐步成熟,這個領域的競爭變得越來越激烈。

特別是在谷歌、百度等廠商將很多AI算法及工具開源之后,開發(fā)AI算法及應用的門檻開始大幅降低,與此同時很多AI算法廠商還紛紛將一些基礎的AI算法能力免費向開發(fā)者提供,比如百度將其語音AI能力免費開放,虹軟也將其基礎的視覺AI能力免費對外開放。這些都加劇了AI算法市場的競爭。

為了進一步提升自身的競爭力,越來越多的AI算法廠商開始紛紛進入半導體領域,不再選擇第三方的芯片作為載體,而是將“算法芯片化”,打造更為適合自己需求的,更具能效的,具有自主IP(知識產權)的專用型AI芯片,用以替代第三方的芯片。

以國外廠商為例,Google很早就推出了自研的TPU;2017年,Intel以150多億美金收購了ADAS/自動駕駛AI芯片及解決方案廠商Mobileye,此外還收購了AI芯片公司Movidius;2018年,亞馬遜也曝光了自己的云端AI芯片;不久前,特斯拉也推出了自己的自動駕駛AI芯片。

在國內市場也同樣如此,在過去的一年,我們可以看到,百度發(fā)布了自己的云端AI芯片“昆侖”,云知聲、Rokid、云天勵飛等AI算法廠商都推出了基于自己算法定制的AI芯片。

顯然,對于AI算法廠商來說,自己來做AI芯片或模組,一方面可以脫離單純的AI算法授權的商業(yè)模式,脫離AI算法領域的激烈競爭,通過向產業(yè)鏈上下游延伸,拉高競爭壁壘,同時可以提升自身的核心競爭力,推動生態(tài)建設,加速AI算法的產品化落地。

但是,對于大多數(shù)的AI算法廠商來說,由于缺乏半導體芯片的研發(fā)人才積累、技術積累和經驗積累,這也使得他們在將AI算法芯片化的過程中會遇到非常多的難題和挑戰(zhàn)。

針對這這一趨勢,全球知名EDA工具及IP廠商新思科技(Synopsys)早前就推出了一套能夠實現(xiàn)專用指令集處理器(ASIP)開發(fā)流程自動化的工具——ASIP Designer,可以助力AI算法廠商快速高效的實現(xiàn)“算法芯片化”。

什么是ASIP?

ASIP即“專用指令集處理器(內核)”,是針對特定應用場景的功能需求而設計的一類“指令集處理器”。與之相對的是,比如Arm的Cortex CPU內核則是屬于“通用型指令集處理器”。相對于“通用型指令集處理器”,ASIP在特定應用場景下可以獲得更為出色的性能、面積、功耗和成本等競爭優(yōu)勢。

這里需要區(qū)別的是,ASIP并不等于專用型處理器ASIC,我們通常所說的ASIC芯片是一個完整的芯片,其不僅包括針對特定算法設計或優(yōu)化的內核,還包括了外圍的電路、接口等等。

ASIP有何優(yōu)勢?

對于算法廠商來說,雖然市場上有很多現(xiàn)成的處理器內核可選,但為了覆蓋更多的用戶和市場,這些處理器內核往往都是偏向“大而全”,性能、面積、功耗也一定不是最優(yōu)的。并且,這些內核都是固定的,難以進行修改的,更不能根據(jù)自己的應用需求去優(yōu)化。

針對客戶的特定需求來說,買來的處理器內核可能只有部分指令用得上,有很多的指令是用不上的,這就造成了浪費。比如,算法廠商需要設計一個處理器來跑自己的20條指令,如果要用Arm內核來做,可能其內部很多指令用不上,同時還需要搞定Arm內核里面的初始化和驅動,這就需要增加很多的指令,還會遇到面積、功耗、啟動時間等一大堆的問題。

相對而言,由于算法廠商對于自己的算法非常熟悉,如果采用自定義的處理器架構和指令集,那么就可以實現(xiàn)極簡化的按需設計,并且可以通過不斷的修改和優(yōu)化自己的架構,最終獲得比市場上可以買到的處理器內核更好的效果,實現(xiàn)高性能、低功耗、面積更小、成本更低等優(yōu)勢。

新思科技相關人士表示,“從自動駕駛汽車到醫(yī)療器械,從智能移動網絡到空間應用,從安全到虛擬現(xiàn)實,幾乎每個片上系統(tǒng)都需要或已經使用ASIP。ASIP能夠滿足專業(yè)處理要求,現(xiàn)成的商用處理器IP無法滿足功率、性能、面積要求,固定功能硬件缺乏所需的可編程性。”

ASIP Designer能做什么?

雖然ASIP有很多的優(yōu)勢,但是ASIP的研發(fā)并不是一個簡單的工作,其工作量非常的大,不僅需要基于特定算法定義一套處理器模型架構,還要進行架構優(yōu)化和軟件開發(fā)以及驗證ASIP設計,除此之外,還必須考慮開發(fā)用于對所得設計進行編程的軟件開發(fā)工具鏈需要完成的工作。

新思科技推出的ASIP Designer則是一套針對ASIP的開發(fā)流程自動化工具。其不僅能最大限度地減少開發(fā)專用處理器和相關編程工具所需的工程時間和工作量,而且還能加快理解候選設計的性能和效率(即設計探索)。

下面簡單解釋下ASIP Designer這套工具的作用:

比如一家AI算法廠商,希望開發(fā)出一個最為適合自己AI算法的處理器內核架構(完全自主設計,而不是基于Arm CPU內核架構或者其他的CPU/GPU/DSP內核架構),那么這家AI算法廠商只需要自己定義一個架構,用nML語言就把它寫出來,通過ASIP Designer就可以自動生成一套SDK,包含優(yōu)化的C/C ++語言編譯器、匯編器/反匯編器、鏈接器、周期精確以及指令精確的指令集仿真器和圖形化調試器(適用于指令集仿真和片上調試)。這就形成了一個完整的最小化的嵌入式處理器內核模型及開發(fā)環(huán)境。

然后,算法廠商可以將自己的算法放到這個已經生產的嵌入式處理器內核模型及開發(fā)環(huán)境當中去運行,通過調試器和分析器來檢測出來的結果對不對、效率高不高,進而發(fā)現(xiàn)一開始的”用戶定義的架構“哪些地方有問題,哪些地方需要迭代修改。

由于ASIP Designer的所有編譯器優(yōu)化都以通用方式實現(xiàn),編譯器還可以自動可重定向。得益于編譯器的即時可用性,使得用戶可以通過ASIP Designer實現(xiàn)快速的架構迭代,進而使編譯結果能夠在下一個迭代步驟中推動架構的進一步優(yōu)化。另外對于算法廠商本身的算法需要快速迭代的需求,ASIP Designer也可使得整個ASIP的設計能夠及時的進行相應的快速迭代。

據(jù)介紹,使用ASIP Designer完成一次完整的架構迭代可能只需要10分鐘。

如果采用的是現(xiàn)成的固定的處理器內核,那么要完成一次算法的迭代需要修改非常多的東西,而且需要真正的仿真以后才能把這個算法跑起來。跑出來以后再看結果,再根據(jù)結果去修改,顯然這個迭代過程非常的復雜。

而當ASIP整個軟件代碼迭代完成之后,接下來就可以往硬件方面做了。

開發(fā)人員可以使用ASIP Designer的RTL生成工具將設計好的nML模型轉換為完全可綜合的Verilog或VHDL。因為nML可以對處理器進行周期和位精確描述,所以設計人員可以完全控制硬件。

不但如此,ASIP Designer還可以無縫對接新思科技的SoC的實現(xiàn)和驗證工具。比如,開發(fā)人員可以使用新思科技的RTL仿真器VCS進行進一步的模擬設計,然后進行驗證:驗證處理器模型(nML),確保指定的處理器模型實現(xiàn)所期望的行為;驗證RTL模型,確保生成的RTL模型正確實現(xiàn)nML。

如果發(fā)現(xiàn)nML問題,則可以很容易返回到nML描述,并對模型執(zhí)行必要硬件和/或軟件修改以解決問題,例如超出功耗和/或面積預算。由于nML中的單一來源條目,SDK和RTL將始終保持同步。

開發(fā)人員還可以進一步的進行模擬設計,然后使用Design Compiler生成門級描述,門級描述可用于準確評估電路的功率要求和面積,甚至可以使用新思科技Compiler等工具進入布局和布線過程,以探索路由擁塞的風險。這種“環(huán)路綜合”方法可確保做出合理決策,并避免在設計過程的后期出現(xiàn)意外。

總結來說,ASIP Designer功能強大,同時可結合新思科技其他豐富的配套的EDA工具,在兼容性和內部協(xié)同性上更為出色,極大簡化了ASIP的設計流程,縮短了設計周期。如果是采用多個未全面整合的工具,那么就意味著需要在工具間進行某一設計版本移植,而這是引發(fā)錯誤的一個主要原因。而要解決發(fā)現(xiàn)的問題,通常需要與兩個或兩個以上的不同的工具供應商溝通獲得技術支持,因此找出錯誤也將耗費大量的時間。

ASIP Designer明顯降低了就新設計項目采用ASIP所面臨的障礙。無需聘請仿真器、調試器或編譯器專家就可以獲得專業(yè)的技術支持,可以幫助設計團隊提高生產力和縮短上市時間。借助ASIP Designer,設計團隊可以:用ASIP替換固定功能硬件實現(xiàn),進而避免設計和驗證復雜且不靈活的狀態(tài);設計其自己專為特定算法量身定制的專用DSP,如圖像處理、基帶處理和音頻處理;為高價值和差異化設計區(qū)塊(如AI、第1層通信、矩陣運算)創(chuàng)建針對特定域的靈活加速器。

小結

顯然,對于這些AI算法廠商來說,采用ASIP Designer完全可以設計出最為適合自身特定AI算法的具有自主知識產權的處理器內核,且可以加速算法IP化芯片化的迭代速度,降低流片失敗風險。

正所謂好馬配好鞍,要想真正把ASIP Designer這個工具用好,也有著一定的門檻。

新思科技內部技術人員表示,”只有開發(fā)團隊清晰明白自己需要的是一個什么樣的硬件邏輯,才能夠把自身算法發(fā)揮到最佳“。特別是在“用戶定義架構”這個部分,非??简濧I算法廠商在軟硬件結構定義的能力,需要一個非常有經驗的,對于軟硬件都非常精通的開發(fā)團隊,才能夠把ASIP Designer用好。

而據(jù)了解,目前一些海內外大客戶已經開始引入ASIP Designer,用于新的芯片的研發(fā)。國內外不少AI廠商、RISC-V芯片廠商也對ASIP Designer表現(xiàn)出了極大的興趣。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 芯片
    +關注

    關注

    463

    文章

    54010

    瀏覽量

    466157
  • AI
    AI
    +關注

    關注

    91

    文章

    39793

    瀏覽量

    301454
  • 新思科技
    +關注

    關注

    5

    文章

    957

    瀏覽量

    52904

原文標題:助力AI算法芯片化,這款“神器”你有必要了解下!

文章出處:【微信號:Synopsys_CN,微信公眾號:新思科技】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    思科技全面駕馭AI芯片設計復雜性

    AI 芯片正推動著萬物智能時代的到來:作為高度專用的處理器和加速器,AI 芯片專為處理復雜算法
    的頭像 發(fā)表于 12-24 17:13 ?1260次閱讀
    新<b class='flag-5'>思科</b>技全面駕馭<b class='flag-5'>AI</b><b class='flag-5'>芯片</b>設計復雜性

    思科Cisco 8223:51.2Tbps P200芯片助力AI數(shù)據(jù)中心

    電子發(fā)燒友網報道(文/李彎彎)在人工智能(AI)飛速發(fā)展的當下,數(shù)據(jù)中心面臨著容量、能耗與安全等多重挑戰(zhàn)。近日,思科重磅推出新一代路由系統(tǒng)Cisco 8223,其核心搭載的全新Silicon One
    的頭像 發(fā)表于 10-12 08:31 ?1.1w次閱讀
    <b class='flag-5'>思科</b>Cisco 8223:51.2Tbps P200<b class='flag-5'>芯片</b><b class='flag-5'>助力</b><b class='flag-5'>AI</b>數(shù)據(jù)中心

    【「AI芯片:科技探索與AGI愿景」閱讀體驗】+AI芯片到AGI芯片

    、現(xiàn)階段更智能、更接近AGI的6中算法與模型 1、MoE模型 MoE模型作為Transfomer模型的后繼者,代表著AI技術的一項重大創(chuàng)新和發(fā)展。 優(yōu)勢: 在于能處理龐大的參數(shù)規(guī)模,顯著減少內存占用
    發(fā)表于 09-18 15:31

    【「AI芯片:科技探索與AGI愿景」閱讀體驗】+AI芯片的需求和挑戰(zhàn)

    的工作嗎? 從書中也了解到了AI芯片都有哪些?像CPU、GPU、FPGA、ASIC都是AI芯片。 其他的還是知道的,F(xiàn)PGA屬于AI
    發(fā)表于 09-12 16:07

    SiMa.ai與新思科技達成戰(zhàn)略合作

    SiMa與新思科技近期宣布達成合作,助力汽車原始設備制造商(OEM)在全系列車輛平臺(從入門級到高端車型)上擴展人工智能(AI)應用。
    的頭像 發(fā)表于 09-10 17:41 ?1288次閱讀
    SiMa.<b class='flag-5'>ai</b>與新<b class='flag-5'>思科</b>技達成戰(zhàn)略合作

    RK3576助力智慧安防:8路高清采集與AI識別

    在智慧城市和數(shù)字園區(qū)的建設過程中,安防監(jiān)控系統(tǒng)正從“被動記錄”走向“主動識別與分析”。隨著AI算法的成熟和高清視頻處理能力的提升,市場對多路視頻采集、實時拼接、智能識別的需求日益增強。 米爾電子
    發(fā)表于 08-22 17:41

    AI 芯片浪潮下,職場晉升新契機?

    芯片設計為例,從最初的架構選型,到算法適配、性能優(yōu)化,每個環(huán)節(jié)都考驗著工程師的專業(yè)素養(yǎng)。在設計一款面向智能安防領域的 AI 芯片時,需要深入研究安防場景下圖像識別
    發(fā)表于 08-19 08:58

    PPEC電源DIY套件:圖形算法編程,解鎖電力電子底層算法實踐

    平臺,支持大創(chuàng)項目或競賽作品。 三、 套件特點 ▌**實踐性強:**注重實踐應用,助力學生實現(xiàn)理論到實踐的跨越,數(shù)字控制芯片支持無代碼編程,優(yōu)化性能。 ▌ 操作便利: 簡化電源開發(fā),采用圖形編程平臺
    發(fā)表于 08-14 11:30

    睿海光電800G光模塊助力全球AI基建升級

    巨頭反饋,睿海光電在800G SR8訂單中較競品提前72小時完成交付,助力AI訓練集群建設周期壓縮15%。 三、廣泛兼容性:全場景適配+3年超長質保,打造無憂部署體驗 為應對客戶多元需求,睿海光電
    發(fā)表于 08-13 19:05

    【書籍評測活動NO.64】AI芯片,從過去走向未來:《AI芯片:科技探索與AGI愿景》

    到AGI,一起來探索AI芯片 本書從創(chuàng)新視角出發(fā),系統(tǒng)梳理了AI芯片的前沿技術與未來方向,串聯(lián)起從算法到系統(tǒng)的實現(xiàn)路徑,全景式展現(xiàn)
    發(fā)表于 07-28 13:54

    自動測試平臺ATECLOUD推出AI算法功能

    作為納米軟件自主研發(fā)的自動測試平臺,ATECLOUD 始終致力于為用戶提供高效優(yōu)質的測試解決方案。面對5G、AI等前沿技術的迭代發(fā)展,平臺深度融合新技術持續(xù)升級測試能力,最新推出AI
    的頭像 發(fā)表于 07-22 16:10 ?814次閱讀
    自動<b class='flag-5'>化</b>測試平臺ATECLOUD<b class='flag-5'>推出</b><b class='flag-5'>AI</b><b class='flag-5'>算法</b>功能

    思科技完成對Ansys的收購

    思科技(Synopsys, Inc.,納斯達克股票代碼:SNPS)今日宣布完成對Ansys的收購。該交易于2024年1月16日宣布,旨在整合芯片設計、IP核以及仿真與分析領域的領先企業(yè),助力開發(fā)者
    的頭像 發(fā)表于 07-18 10:28 ?918次閱讀

    思科技攜手是德科技推出AI驅動的射頻設計遷移流程

    思科技與是德科技宣布聯(lián)合推出人工智能(AI)驅動的射頻設計遷移流程,旨在加速從臺積公司N6RF+向N4P工藝的遷移,以滿足當今要求嚴苛的無線集成電路應用對性能的需求。全新的射頻設計遷移工作流程以臺
    的頭像 發(fā)表于 06-27 17:36 ?1522次閱讀

    思科技攜手微軟借助AI技術加速芯片設計

    近日,微軟Build大會在西雅圖盛大開幕,聚焦AI在加速各行業(yè)(包括芯片設計行業(yè))科學突破方面的變革潛力。作為Microsoft Discovery平臺發(fā)布的啟動合作伙伴,新思科技亮相本次大會,并攜手微軟將
    的頭像 發(fā)表于 06-27 10:23 ?1089次閱讀

    睿創(chuàng)微納推出新一代目標檢測算法

    隨著AI技術的發(fā)展,目標檢測算法也迎來重大突破。睿創(chuàng)微納作為熱成像領軍者,憑借深厚的技術積累與創(chuàng)新能力,結合AI技術推出新一代目標檢測算法,
    的頭像 發(fā)表于 03-20 13:49 ?1149次閱讀