功耗、延迟和隐私问题为转专业包含在应用程序处理器。
Always-sensing相机是一个相对较新的方法,用户与他们的智能手机,家用电器和其他消费设备。像一直在倾听以听力Siri, Alexa always-sensing相机实现无缝,更自然的用户体验。通过连续采样和分析视觉数据,always-sensing支持用例,例如:
Always-sensing相机需要特殊处理,因为他们收集的信息的丰富性和复杂性和明显的隐私问题不间断的相机。既然isp和需求方无法提供必要的性能在一个权力、区域,或是否提供方便的隐私,oem厂商转向专业人工智能处理子系统,包括摄像机、处理器和内存有关。
尽管在能量储存密度持续改进,电池驱动的设备总是与每一代需求更大的功率效率。甚至wall-powered设备面临审查,对消费者、企业和政府要求更低的能耗。与用户成功,always-sensing子系统必须消耗最少的权力和可能的领域。区域,小更好,从设计的角度来看和作为硅成本的函数。区域需要考虑作为一个功能子系统,不仅处理器,而且所需的内存。因为隐私和数据安全是必不可少的,结构化always-sensing系统必须能够安全地从相机捕捉和处理数据没有存储或公开。此外,always-sensing子系统必须与设备的安全协议最好保护用户数据。
所以如何启用always-sensing权力,延迟,和是否提供方便的隐私法?
人工智能处理的最佳途径是通过转专业(神经处理单元)。虽然许多现有的应用程序处理器(APs)包括转专业,转专业的不理想的车辆always-sensing由于其能耗相对较高,延迟和隐私问题。
图1:简化应用程序处理器。
据美联社的一个典型的异构计算核心,包括cpu、isp, GPU / dsp、通用的转专业,如图1所示。每个处理器在美联社专注于特定的计算类型和处理负载。例如,一个典型的转专业在AP可能提供5 - 10的性能,与一个典型的电力消耗约4上衣/ W。
如前所述,always-sensing处理要求最低的,最有效的电力消耗。因此,always-sensing神经网络是专门用来处理小,高度专业化的工作,通常以共和党(每秒千兆业务)-GOPS 1000每秒(Tera操作)。而转专业在现有美联社完全有能力GOPS-level人工智能处理,这不是正确的选择出于各种原因。首先,由于转专业不是设计过程always-sensing网络以高效的方式,使用它会减少电池寿命。第二,低延迟对即时用户交互反应至关重要。自从AP-based转专业可能会忙于其他工作,其他进程可以增加延迟和对用户体验造成负面影响。最后,隐私问题基本上排除使用应用程序处理器。这是因为always-sensing相机数据应与系统的其余部分隔离,而不是存储在或传输设备。这是必要的,以限制数据暴露和减少邪恶方访问数据的机会。
解决方案,然后,是一个专用子系统实现专用转专业设计过程always-sensing网络绝对最低的区域,权力,和延迟:Expedera LittleNPU。虽然LittleNPU提供了一个相对温和的共和党500 1顶部功能,这种级别的处理是理想匹配always-sensing需求。它使用Expedera 18 / W起源架构,确保电力消耗是绝对最低,保护电池寿命。我们估计大多数always-sensing网络可能只需要10-20mW活跃转专业的电力消耗。LittleNPUs也理想从延迟的角度;因为他们是专门处理always-sensing网络(s),没有与其他进程争用。最后,always-sensing数据保存在LittleNPU子系统的边界内,提供更好的用户隐私和安全实现的更小的足迹。注意:这种方法并不是绝对保证安全、适当的设备级的硬件和软件安全措施应制定最佳保护这些信息。
Expedera的E1起源LittleNPU IP可以以多种方式实现,如图2所示。最初,许多oem选择来实现near-sensor处理架构,使用专用芯片结合LittleNPU相机在一个子系统。其他人可能会协同处理器路径,转专业是结合图像信号处理器(ISP)的芯片包含所有必要的记忆。最终,Expedera LittleNPU将预见完全集成到AP, always-sensing子系统占据了一个专用的区域有自己的岛,内存和安全特性。
图2:Always-Sensing子系统架构:LittleNPU红色所示,相机传感器显示为黑色的图标。
Always-sensing进化是一个逻辑的智能手机,安全摄像头,家用电器和其他消费设备。然而,要想成功,必须架构保护电池寿命和隐私,同时提供一个引人注目的用户体验。
|
|
|
|
|
|
|
|
|
|
留下一个回复