ARM放大招發布Trillium項目：包含神經網路軟體庫和兩種AI處理器

機器之心原創

作者：Tony Peng、Michael Sarazen

參與：路雪、許迪

90% 的 AI 設備都是用 Arm 的架構設計的，現在 Arm 在人工智慧領域厚積薄發，發布了 Trillium 項目，包括一款為移動設備而設計的機器學習處理器、一款目標檢測處理器和一個神經網路軟體庫。

現在 90% 的 AI 設備都是基於 Arm 架構開發的，Arm 是一家英國晶元知識產權提供商，以 CPU 和 GPU 處理器而被熟知。為了提高機器學習的影響力，今天這家公司宣布了 Trillium 項目，包括一個機器學習處理器、一個目標檢測處理器，和一個神經網路軟體庫的 Arm IP 套件。

Trillium 項目是這家公司在人工智慧領域極富雄心的一次舉措，通過集成設計提升 AI 設備的效率和性能，預計到 2028 年，這些設備的數量將從現在的 3 億增長到 32 億。

Arm 在機器學習領域的努力可以追溯到 2013 年，那時它開始探索 AI 市場並實施了一系列的戰略收購。2017 年，這家公司宣布建立機器學習事業群，並任命 Jem Davies 擔任總經理。在一次獨家專訪中，Davies 告訴 Synced 他認為「沒有一個細分市場還沒有或者不會被 AI 所衝擊」。

「AI 幾乎影響所有……手機、相機、智能音箱，甚至溫度控制器。誰會想到房間溫度控制器是一個智能裝置呢？」Davies 說。

今天發布的機器學習晶元是 Arm 的第一代針對移動設備推斷的 AI 晶元。該晶元使移動設備每平方毫米的運算性能不低於每秒 4.6 萬億次，在現實優化應用中實現 2 到 4 倍的吞吐量提升，以及在熱度和能耗有限的環境里也能夠實現超過 3 TOPs/W 的效率。

Davies 說其機器學習處理器背後的架構是全新的，根植於多年的研究成果。該架構為 16 位整數運算進行了優化。

新架構將為 CPU 和 GPU 遇到的挑戰提供解決方案，Davies 說。「卷積神經網路非常普遍。重點是傳統架構，不管是 CPU、GPU 還是 DSP，都要進行大量中間結果存儲和載入。因此，我們生產了一種全新的架構，該架構使用智能存儲系統。」

目標檢測處理器是基於 Arm 現有的 IP 族 Spirit 的迭代。Spirit 是主導 Hive 安防攝像頭的目標檢測加速器，於 2016 年 Arm 收購 Apical 後不久發布，Apical 是一家為超過 15 億設備提供計算機視覺和圖像處理器的公司。

Arm 的第二代處理器可以全高清、60fps 實時檢測無限數量的目標。其詳細的人體模型提供了豐富的元數據，使方向、軌跡、姿勢和動作檢測成為可能。

Arm 提供集成解決方案，包括機器學習處理器和目標檢測處理器。在實時目標識別任務中，目標檢測處理器首先分離出感興趣區域，比如人臉。這樣，機器學習處理器就能夠分析更少的像素，以實現更快、更精細的結果。

Arm 的組合解決方案。

Arm 的神經網路庫是一系列圖像、視覺和機器學習工作負載構造塊的集合。開發者可使用該軟體，以及 Arm 現有的實現工具，如加速演算法和應用的 Compute Library，或最大化邊緣設備上性能的 CMSIS-NN。該庫支持主流框架，如 TensorFlow、Caffe，且已經為 Arm Cortex CPU、Mali GPU 和新型機器學習處理器進行了優化。

Arm 機器學習處理器將於今夏發售，目標檢測處理器將於本季度末上市。

本文為機器之心原創，轉載請聯繫本公眾號獲得授權。

------------------------------------------------

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！