中国嵌入式神经网络处理器星光智能一号诞生
- 2016/6/21 17:48:03 13068
- 来源：新华网
“数字多媒体芯片技术”国家重点实验室执行主任张韵东表示，该成果的发布标志着我国在神经网络处理器领域的研究和开发上取得了重大突破；在基于“数据驱动并行计算”架构的深度学习人工智能领域达到先进水平；使我国视频监控行业发展由模拟时代、数字时代跨入智能时代，实现产业化并促进整体水平提升，在确立地位。
何为深度学习？NPU了什么？
深度学习，是源于对生物人脑机理的仿生学研究而形成的一种人工智能算法。作为深度学习神经网络的一种，卷积神经网络CNN 算法，已成为当前人工智能机器视觉领域的研究热点。
1997年的人机大战中，IBM“深蓝”凭借超级计算战胜人类。而在今年备受关注的AlphaGo与李世石的人机大战中，AlphaGo则是依靠模仿人脑的深度学习神经网络“巧劲”而击败人类，它并不是胜在算法上。不过，AlphaGo背后是几十台超级计算机和服务集群，下一盘棋要花费3000美金电费。
现在人们关心的是，不使用这些装备的嵌入式机器也能具备这些人类智慧吗？深度学习系统能小型化吗？能够用于嵌入式系统之中吗？
张韵东介绍说，NPU是针对CNN的算法模型特性而专门设计的一款神经网络处理器。NPU采用了“数据驱动并行计算”的架构，彻底了传统的冯诺依曼架构。这种数据流（Dataflow）类型的处理器，极大地提升了计算能力与功耗的比例，特别擅长处理视频、图像类的海量多媒体数据，使得人工智能在嵌入式机器视觉应用中可以大显身手。
据悉，NPU支持Caffe、TensorFlow等多种神经网络框架, 支持AlexNet、GoogleNet等各类神经网络。也就是说，目前关于深度学习的前沿算法都可以在这款嵌入式芯片上运行。
搭载“星光智能一号”芯片的摄像头有何不同？
目前，这款基于NPU的视频监控芯片“星光智能一号”已成功在视频监控领域实现产业化，并可广泛应用于智能驾驶辅助、无人机、机器人等嵌入式机器视觉领域。
从技术来说，传统的摄像头芯片只有编解码器，没有NPU神经网络处理器，而“星光智能一号”则创造性地集成了NPU到编解码器中。
在对比演示中可看到，具有神经网络学习能力的摄像头在抓拍车辆过程中，可时间发现问题，在前端完成信息采集，并把信息保留在视频码流里，这些信息可直接通知到需要联动的设备或单位，其效率、实时性、准确度非常高。而普通摄像头却只能把采集到的数据送到后端服务器处理，处理完毕后再把结果送至报警器等相关联的设备。
“传统摄像头只是一个眼睛，把看到的内容拍下来、录下来，现在在录下来的同时，它可以告诉你在某个时间点发现了一辆车，车牌号是多少，车身颜色是什么，车在哪个路口进行了右转，这些智能信息都会嵌入到码流里，在录像里就能发现。”张韵东指出，这是搭载这款芯片的摄像头大的不同之处，这会引起整个安防监控行业跨入一个新的时代，即从过去的模拟时代、现在的数字时代，进入下一个智能时代。
智能时代的安防监控 应用价值有多大？
智能时代不仅仅是智能摄像头替换IP摄像头那么简单。张韵东解释说，这些摄像头都是带有大脑的“眼睛”，它能够做智能识别，然后把感兴趣的事件以数字标签的方式录到视频的码流里，如果要查找某个信息，不用依赖人工的方式一点一点观看视频，可以在后台做智能检索。
“它就像一个成长的小孩一样，它的智商是不断增长的，通过学习训练，可以让它的识别能力和识别种类逐渐增加。”张韵东指出，只要不断给它增加学习的样本，它的识别率就会不断提升，随着算法升级，识别的类型也会同步增加。
视频监控行业如果从当前的数字时代迈入智能时代，其背后蕴藏的应用价值充满想象力。
张韵东展望说，当全国的摄像头组成一张网后，就会形成巨大的数据库，如果对这些数据进行深度挖掘，可能会得到非常有价值的结论。比如，哪个路口车流量比较大，哪家商店客户的目光比较集中，这些智慧信息能够借助大数据和人工智能这两大技术挖掘出来，这些结果会改变整个产业链的架构。
后摩尔定律时代的创新之路怎么走？
“随着逐步逼近香农定理、摩尔定律的极限，面对大流量、低延时的理论还未创造出来，华为已感到前途茫茫，找不到方向。”在5月30日召开的全国科技创新大会上，华为公司创始人、总裁任正非谈到了华为目前遭遇的困惑。
实际上，这不是华为一家企业面临的困惑。面对未来信息处理性能的不断提升需求，如何找到一条后摩尔定律时代的创新之路，业界存在不同观点。有人主张继续推进摩尔定律，继续在新型材料、工艺制程和器件结构上努力。也有人主张通过SoC将数字电路、模拟电路、存储器甚至射频电路集成在一颗芯片里，以实现更多的功能，或通过SIP采用多芯片堆叠的方式，将多颗裸芯片封装在一起。
“NPU其实是解答这个困惑的一块引玉之砖。”张韵东说，面对摩尔定律的尽头，中星微给出了全新的技术路线：智能摩尔之路（Intelligent Moore）。其内涵是，虽然物理层面和信号层面都受到物理规律的制约，但在信息层面的技术创新还远没有达到极限。如何进一步借鉴人脑智慧机制，研究新型人工智能计算方法，进一步提升信息处理的性能功耗价格比，可能是下一次信息革命的关键。
全部评论