持续扩张的边缘设备,必须找到新的方法来扩大计算能力。
最具戏剧性的影响的技术之一,一直是人工智能和机器学习的实现在小边缘设备,诸如此类的事正在形成物联网的支柱。
起初,这是通过纯粹的工程意志力和创新。但随着驱动向一万亿连接设备加速的世界里,我们必须找到方法来有效地扩大更多的计算能力受限的设备在网络的边缘。
增加这些设备的计算能力将立即打开门更多的开发人员编写机器学习(ML)应用程序直接在源设备的决策,从而提高数据安全性,减少网络能量消耗,延迟和带宽使用。事实上,它已经发生了。今天ML被手臂上实现Cortex-M设备和边缘等设备树莓π。例如,OpenMV建立了一个相机Cortex-M7董事会对于机器视觉应用程序。此外,手臂的最近的一项调查发现,42%的受访者运行人工智能或ML cpu或单片机上这样做,gpu的这一比例为26%。
在这种背景下,手臂引入了手臂氦技术,M-Profile向量扩展(MVE)手臂Cortex-M系列处理器,将增强的计算性能Armv8.1-M TrustZone架构包括内置的安全。氦将15 x ML性能和5 x提高信号处理未来的手臂Cortex-M处理器,解锁新的市场机会为我们的合作伙伴那里性能挑战有限的使用低成本、高度节能设备。
先进的数字信号处理(DSP)今天通过手臂霓虹灯技术可用在富裕Cortex-A基础设备。事实上,当手臂被要求增加手臂的DSP性能皮层- M处理器,自然首先想到的是把现有的霓虹灯技术。然而,需要支持一系列的性能点的面积约束内典型的皮层- M应用程序意味着手臂必须从头开始。
较轻的惰性气体,氦似乎研究项目的一个恰当的名称,使完美的名义目标(中档处理器)的4倍的性能提升2 x数据路径宽度增加,恰逢氦原子的重量和数量。事实证明,手臂设法击败4 x的目标在许多数字信号处理(DSP)和机器学习(ML)内核。不用说,这个名字氦卡,采用的品牌的MVE手臂Cortex-M处理器系列。
潜在因素
随着手臂看起来将更加毫升能力这些设备,一些现有织机大SoC发展挑战,需要更高层次的专业知识在利用不同的工具链、编程、调试和处理复杂专有的安全解决方案。
Armv8.1-M氦消除了这些挑战,提供实时控制代码,毫升和DSP执行不影响效率。反过来,数以百万计的软件开发人员能够安全地规模智能应用程序充分利用DSP功能在一个广泛的设备,使增强支持新兴应用程序跨三个关键范畴;振动和运动、声音和声音,视觉和图像处理。这将在未来改善用户体验设备,如传感器中心,衣物、音频设备和工业应用的下一代soc基于与氦Cortex-M技术。
除了添加性能和降低开发成本,SoC设计和开发团队将立即认出其他好处包括:
简化软件开发
软件开发将简单由于氦的统一的工具链,库和模型。氦工具链包括Arm开发工作室,包括基尔MDK手臂,手臂模型(立即提供给开发人员代码建模)和各种软件库包括CMSIS-DSP CMSIS-NN,允许开发人员选择最适合他们的需求。和信号处理应用程序的手臂使它更简单的通过消除需要一个专用的DSP或函数加速器和消除另一层设计的复杂性。
推动下一代嵌入式和物联网设备
氦是手臂的项目价值的最新例子Trillium带给毫升应用程序通过支持框架和库到硬件。没有一个产品符合所有作为SoC开发人员必须创新在不同性能、面积、功率和成本约束。
工具链和模型氦今天和手臂预计氦可在硅在未来两年。找出所有Armv8.1-M架构增强白皮书。阅读更多关于如何获得Arm工具支持氦。
|
|
|
|
|
|
|
|
|
|
留下一个回复