當前位置: 華文問答 > 科學

介紹一款國外的RISC

2021-11-09科學

本文編譯整理自:allaboutcircuits

2021 年,自動駕駛汽車的發展勢頭強勁。Kneron 的新型 AI 芯片旨在保持這種勢頭,該芯片聲稱可以為任何車輛帶來自動駕駛功能。

自動駕駛汽車的興起對支持邊緣計算的硬體產生了大量需求。為此,許多不同的公司一直在努力開發 AI 芯片,旨在提高效能,同時降低 AI 任務和尤其是電腦視覺的功耗。

該領域鮮為人知的競爭對手之一是總部位於加利福尼亞的Kneron,該公司以其令人印象深刻的 AISoC 系列而聞名。

最近,該公司透過推出其最新芯片KL530擴大了其產品組合。本文將介紹新硬體、它提供的功能以及它如此引人註目的原因。

KL530 瞄準自動駕駛

上周,Kneron釋出了其最新芯片 KL530,旨在專門針對自動駕駛汽車邊緣計算市場。

這款新芯片計算架構的核心是耐能的 KDP530 神經處理單元(NPU),其 int8 計算能力為 0.5 TOPS,int4 計算能力為 1 TOPS。

為了支持 NPU,該 SoC 還引入了Kneron首款RISC-V AI 協處理器、Cortex M4 系統控制內核和影像訊號處理器 (ISP)。所有這些計算都由 128 MB 的低功耗雙倍數據速率 ( LPDDR )、MJ 編解碼器和專用安全塊補充。

總而言之,Kneron聲稱KL530 是其迄今為止最高效的處理器,比其前身 KL520 實作高達 2 倍的 TOPS/W。

據說 KL530 在執行 AI 模型(包括 Mobilenet 和 Resnet)時的效能是 KL520 的 10 倍。

盡管這款芯片擁有一些極端的規格和結果,但有哪些因素支持這些說法?

成功的關鍵:INT4和 Vision Transformer 模型

根據Kneron的說法,新芯片的成功可歸因於幾個因素。

首先,對於KL530,該公司引入了INT4數據支持。這樣做的結果是能夠將處理時間減少 66%,同時將視訊幀速率提高一倍並將啟動時間減少 33%。

與 KL520 相比,KL530 在同一周期內將可檢測物體的數量從三個增加到八個。

VisionTransformer 架構。圖片由 Visoi.ai 提供

KL530 的第二個主要發展是支持視覺轉換器模型,這是摺積神經網路(CNN)的開發中的競爭對手。與 CNN 相比,視覺變換器的準確度可提高 30%,並且能夠進行整體推理,而不是基於關鍵特征的推理。

Kneron認為,視覺轉換器對於實作 L2(2 級)自治至關重要。因此,耐能認為KL530是推進L1(1級)和L2級自動駕駛的關鍵產品。

下一步計劃

據Kneron介紹,KL530 將釋出兩個版本。第一個解決方案將用於售後市場解決方案,第二個將是直接內建於車輛中的符合汽車標準的解決方案。

憑借KL530,Kneron希望成為少數幾家在自動駕駛汽車行業獲得市場份額的小型初創公司之一。聲稱將 L1 和 L2 自動駕駛帶到「任何車輛」,看看這家公司未來的發展方向將會很有趣。

https://www. allaboutcircuits.com/ne ws/knerons-risc-v-ai-chip-intends-to-bring-level-1-and-level-2-autonomy-to-any-vehicle/