人工智能终端应用的可能性无限，举凡智能型手机、汽车、照明等，都有机会成为所谓的边缘运算装置。但在过去，运算处理器是在数据中心有较为明显的需求。目前边缘运算此一产业走向的大逆转，已可从各芯片供货商，如gpu、cpu等，以及硅智财(ip)授权商纷纷针对人工智能展开布局，推出各自处理器缩小化的解决方案，明显可见一斑。

随着人工智能的发展，有越来越多应用产品开始在终端上进行实时运算，也就是所谓的边缘运算。不过，目前的处理器核心对许多终端装置来说，功耗仍嫌偏高。

aiot浪潮兴起小型处理器核心满足边缘运算需求

索思未来(socionext)战略销售组销售部销售项目总监张育豪(图1)表示，目前市场上主流的cpu或gpu核心规模很大，虽然运算效能很强，但功耗也高，而且不易针对应用进行客制化设计。有鉴于此，socionext采取用小型核心堆栈的设计架构，其好处在于从云到端都可以采用同样的处理器核心，且也较容易针对个别应用进行客制化，例如将cpu核心跟图像处理核心(vpu)整合在单芯片上。

张育豪观察，目前的人工智能应用大多与影像相关，但不管是cpu或gpu，在进行影像运算时，功耗/性能比都不尽理想。这是因为cpu跟gpu原本就不是为了处理影像而设计的芯片。cpu的强项在于进行数据运算，而gpu则适合用来进行3d绘图处理。因此，用cpu或gpu来进行影像分析，其实效率不是太好。相较之下，专门为处理影像而设计的vpu，在图像处理的功耗/性能比方面，是远胜过cpu跟gpu的。

举例来说，用cpu来对4k影像进行处理跟分析，功耗预算大概是230瓦左右;若用gpu来进行，功耗更可达到400?500瓦。但如果是用socionext的解决方案，一颗核心的功耗只有5瓦左右，就算串联多颗核心，也会比cpu或gpu来得省电许多。因此，张育豪认为，在人工智能进驻各类终端装置的趋势下，如果是与影像分析有关的人工智能应用，vpu将有非常大的发展潜力。socionext本身拥有业界领先的vpu技术，更是目前市场上唯一已经有8k图像处理芯片的芯片业者。

不管是针对大规模数据中心，或是在各种终端装置上直接进行边缘运算，功耗都是非常关键的考虑。功耗越高，则系统的散热设计也越昂贵，不仅会增加终端装置的生产制造成本，也会增加系统拥有者的总体持有成本(tco)。

以数据中心为例，冷却系统的电费是相当可观的，如果处理器能更省电，空调冷却的电费也可以随之降低。其他形形色色的终端装置也一样，当芯片的功耗太高时，就得采用更大的散热片，甚至用风扇来散热，这些都会造成产品的生产成本跟总体持有成本增加。

单一丛集配置更弹性dynamiq推升大小核效率

针对小型处理器需求的增加，安谋国际(arm)日前在处理器架构上，也宣布了大幅度调整，也就是dynamiq技术。dynamiq达成了上一代架构在单一运算丛集上无法实现的大小核弹性配置，对异质运算及人工智能这类应用带来相当明显的效率提升。其将作为未来armcortex-a系列处理器的基础，亦同时代表了业界在多核处理程序设计上的新纪元。

arm行动通讯暨数字家庭市场资深营销经理林修平(图2)表示，dynamiq可以说是的第二代硬件架构，其最主要的特点在于其可以在同一个丛集(cluster)中同时摆放大小核，且电源(power)与频率(clock)都可以单独作管理。在第一代的大小核架构中，一个丛集只能摆放大核或小核，因此在执行转换任务时，必须经过快取(cache)转换。但在dynamiq中，由于所有任务都将能在同个丛集中运作，在任务切换上，便会相对迅速很多。

林修平指出，由于人工智能所需要的运算量很大，同时需要很多矩阵乘法，透过dynamiq的架构，将能做1+3、1+7、2+2+4等设计配置。在过去的架构中，由于一个丛集最多即是4核(大核(big)4核，小核(little)4核)，是没有办法做到1+7的。dynamiq所带来的多元变化soc设计配置，将能帮助应用达到cpu优化，进而让效能与功耗能更往上提升。

dynamiq的频率可以单独管理，也将带来很大好处。第一代的大小核，在同一个丛集当中，频率是统一的，但dynamiq可以让同一丛集中的不同核心，依据运算需求在不同的频率下运作。

此外，林修平也表示，dynamiq还可连接外部的硬件加速器。以人工智能来说，不同应用会有不同的软硬件加速需求，例如加速器、dsp、cpu、gpu等，像是在高阶智能型手机上，可能会放置加速器，来使其表现度达到最好、功耗达到最低，不过这也会增加集成电路的成本。因此，若是比较大众化的产品，则可能会利用系统上现有的cpu、gpu，来满足人工智能的需要。

（转载）

以上是网络信息转载，信息真实性自行斟酌。