体彩顶呱刮山西游 www.whkkd.tw 人工智能风潮席卷全球,而为了加速 AI 应用普及,并降低云端运算工作负载,实现更多的创新应用,边缘运算需求与日俱增,AI 开始从「云端」走向「终端」,也因而推升 ASIC 需求;

 

根据市调机构 Ovum 预估,2018~2025 年,ASIC 的市占率将从 11%大幅增加至 48%。Ovum 调查报告指出,在 2016 年,云端(包含企业、数据中心等)为深度学习晶片的主要营收领域,占了 80%。不过,到了 2025 年,此一比例将会改变,转变成边缘(Edge)占了 80%,而云端的比例则降为 20%。这边所指的边缘意指终端设备,且以消费性产品为中心(而非小型伺服器或是路由器),包括移动装置(手机、平板)、头戴式显示器(HMD),如 AR/VR /MR、智能音箱、机器人、无人机、汽车、安全摄影镜头等。

 

Tractica/Ovum 研究总监 Aditya Kaul 表示,现今大多数的 AI 处理器,如 GPU,多用于云端伺服器、资料中心,以在云端上进行 AI 训练和推论。不过,随着隐私、安全性需求增加,加上为了降低成本、延迟及打破频宽限制等因素,分散式 AI 随之兴起,越来越多 AI 边缘应用案例出现。例如苹果的 A12 仿生芯片,其具备新一代「神经网路引擎」,以即时机器学习技术,改变智能手机的使用体验。

 

Kaul 指出,简而言之,AI 从云端转向边缘是现在进行式,当然目前 AI 在边缘设备上多还是以推论为主,而非训练。不过随着 AI 创新应用增加,有越来越对芯片商尝试提升终端装置处理器的运算效能,为的就是不用再传送资料至云端进行资料运算、推理和训练。也因此,各式的处理器纷纷问世,像是 CPU、FPGA、GPU、ASIC、NPU 或 SoC Accelerator 等。

 

其中,ASIC 的市占率可望随着边缘运算的需求增加而明显攀升,从 2018 年的 11%增加至 2025 年的 52%。Kaul 进一步解释,ASIC 之所以受到青睐,原因在于新兴的深度学习处理器架构多以图形(Graph)或 Tensorflow 为基础架构;且上述提到 AI 边缘运算受限于功耗和运算效能,因此多以推论为主,而非训练。然而,若假设到 2021 年时,终端设备将导入大量 AI 芯片,所需要的便是能在同一个芯片上进行推理和训练,可因应分散式运算且又具低功耗的 IC,因此 ASIC 需求将持续上扬,实现更多 AI 边缘应用案例。