边缘AI计算在自动驾驶汽车上的作用

自动驾驶是边缘计算的重要应用，自动驾驶需要100-1000TOPS边缘AI算力，其具有高性能、低功耗特点的边缘AI（Edge AI）成了行业壁垒。

AI计算需要域来优化算法和数据流架构，摩尔定律已逼近极限，若没有正确的算法和架构，仅基于处理技术的驱动性能将无法实现预期的结果。ASP站长网

整体边缘计算市场规模高速增长。图片来源：IDC

未来计算平台

第一类：冯·诺依曼人工智能架构

哈佛大学推出了参数化深度学习基准套件ParaDNN，这是一种系统化、科学化的跨平台基准测试工具，不仅可以比较运行各种不同深度学习模型的各类平台的性能，还可以支持对跨模型属性交互作用的深入分析、硬件设计和软件支持。

TPU（Tensor Processing Unit, 即TPU张量处理单元）是谷歌打造的处理器，专为机器学习量身定做的，执行每个操作所需的晶体管数量更少，效率更高。TPU对CNN和DNN的大批量数据进行了高度优化，具有最高的训练吞吐量。

GPU表现出与TPU类似的性能，但对于不规则计算（如小批量和非MatMul计算）具有更好的灵活性和可编程性。

CPU在针对RNN方面实现了最高的FLOPS利用率，并且因其内存容量大而支持最大模型。

（编辑：焦作站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!