Arm遲遲推出全新NPU系列的原因是什么

（文章來源：雷鋒網(wǎng)）

Arm推出了一系列全新的IP，包括NPU、GPU以及DPU。NPU尤為值得關注，不僅因為NPU系列同時發(fā)布了N57和N37兩款新品，還因為Arm的ML處理器（Machine Learning Processor）系列名稱Ethos也正式公布。全新AI系列產(chǎn)品的亮相，意味著Arm的AI策略更加明晰。

實際上，Arm原計劃在2019年第一季度發(fā)布首款ML處理器。之所以選擇這個時間點，Arm ML事業(yè)群商業(yè)與營銷副總裁Dennis Laudick去年11月接受雷鋒網(wǎng)專訪時表示：“最近我們已經(jīng)看到機器學習技術(shù)正在穩(wěn)定和成熟，市場需求也正在不斷增加，我們認為現(xiàn)在是進入市場的最佳時機。”

不過，Arm首款ML處理器的發(fā)布時間是在今年5月，比計劃略晚一些。Dennis上周再次接受雷鋒網(wǎng)專訪時表示，發(fā)布推遲有很多原因，產(chǎn)品開發(fā)是主要的問題。ML處理器開發(fā)的過程中面臨很多挑戰(zhàn)，其中一個很大的挑戰(zhàn)就是數(shù)據(jù)移動處理不好就會消耗大量的電，另一個大的挑戰(zhàn)就是如何權(quán)衡效率和靈活性。

雖然產(chǎn)品的開發(fā)影響了首款ML處理器發(fā)布的時間，但Arm并沒有在首款ML產(chǎn)品發(fā)布時就公布其系列名稱和型號。而是直到面向主流市場，提供性能、成本以及功耗均衡的N57和對成本極端敏感的N37發(fā)布，Arm才正式公布ML系列處理器的的名稱——Ethos（中文可翻譯為精神）。此時，外界也才清楚5月發(fā)布的首款ML處理器型號為Ethos-N77，定位高端，面向高性能需求的市場。

這是為什么？Dennis解釋稱，其實有很多原因，Arm內(nèi)部也在重新思考命名系統(tǒng)，如果推出第一款機器學習產(chǎn)品就立刻發(fā)布新的產(chǎn)品系列名稱，可能大家會把對這個系列品牌的印象和認知捆綁在這一款產(chǎn)品身上，我們不希望造成這樣的效果。我們希望大家看到Ethos這個產(chǎn)品名下面的產(chǎn)品系列是廣泛而豐富的，這就是為什么要等到有針對三個不同市場，三個不同檔次的產(chǎn)品都出來了，才正式的對外公布產(chǎn)品系列的名稱的主要原因。

但更為關鍵的是，市場上已經(jīng)有眾多競爭者，此時推出Ethos還有競爭力嗎？Dennis表示，Arm的成功一直以來都得益于生態(tài)系統(tǒng)，對于NPU來說挑戰(zhàn)并不是能夠做出自己的NPU，而是NPU在市場上是不是真的好用。我們已經(jīng)聽到合作伙伴反饋說，希望在硬件上能夠標準化，他們不想支持15種不同的硬件，所以，他們期待有一個標準化的軟件平臺能夠支持。

以具體的產(chǎn)品看，Ethos-N57與Ethos-N37的設計理念包括一些基本原則，例如：針對Int8與Int16數(shù)據(jù)類型的支持性進行優(yōu)化；先進的數(shù)據(jù)管理技術(shù)，以減少數(shù)據(jù)的移動與相關的耗電；通過Winograd技術(shù)的落地，使性能比其他NPU提升超過200%。

AI處理器支持的數(shù)據(jù)類型非常關鍵，隨著算法和模型的逐步成熟，邊緣端的AI芯片很多都只支持Int8的數(shù)據(jù)類型，但Arm還選擇支持Int16。對此，Dennis表示，機器學習支持Int8數(shù)據(jù)類型基本就足夠了，我們之所以選擇也支持INT16是為了更好的應對涉及到圖像處理的工作，因為通常來說像素是10到12位，牽扯到顏色，支持INT16就省略了很多的數(shù)據(jù)轉(zhuǎn)換的工作，非常適合圖像處理。

但為何又沒有支持更高精度的FP16？“因為FP16對帶寬的需求相當高，這就意味著處理器的整個處理量和功耗就會提升。但消耗這么多的功耗和帶寬，準確率與INT8比較卻沒有多少提升?！?Dennis如此解釋。

雖然機器學習讓處理器的設計面臨著新的挑戰(zhàn)，不過Dennis認為機器學習本身并沒有改變最為根本的處理器的設計原則，只不過針對機器學習的處理器設計的重點可能和通用處理器有所不同。Arm一直強調(diào)的數(shù)據(jù)管理是我們的重點，還有并行計算、矩陣乘法都是我們關注的重點。

硬件的獨特性之外，軟件也同樣重要，特別是在AI時代，軟硬一體化的重要性更加突顯。要實現(xiàn)理想的軟硬結(jié)合，Dennis認為有兩大挑戰(zhàn)，一個還是權(quán)衡的問題，也就是多少工作讓硬件完成以及多少工作給軟件完成。另一個是ML框架的支持，因為這個領域還很新，還會出現(xiàn)不同的框架。

除了軟硬一體化提升AI性能，在先進半導體制程越來越昂貴的背景下，通過異構(gòu)系統(tǒng)提升處理器性能也受到了很大的關注。但異構(gòu)的系統(tǒng)給軟件帶來的更大的挑戰(zhàn)，此時，到底是用統(tǒng)一的軟件API去分配硬件資源實現(xiàn)易用性，還是對每個硬件單獨編程讓系統(tǒng)更加高效？

Arm采用的在硬件之上有特別優(yōu)化的Compute Library，它會把底層的硬件和驅(qū)動進行充分優(yōu)化，根據(jù)算子的不同需求驅(qū)動硬件，可以提升幾倍到十幾倍的效率。再上一層是Arm nn，可以將TensorFlow、Caffe等神經(jīng)網(wǎng)絡框架轉(zhuǎn)換成Compute Library可以執(zhí)行的任務，讓開發(fā)者不用關心底層的硬件，只需要使用標準架構(gòu)進行開發(fā)就可以。

因此，Dennis表示Arm采用的方式是更加底層的方式，軟件直接與CPU、GPU或NPU進行溝通，做最佳匹配。這其中最大的挑戰(zhàn)還是平衡的問題，軟件的架構(gòu)要做到根據(jù)具體的應用，分配專用和通用的處理器，這個百分比還可以不斷調(diào)整，這是最難做的。

在框架的支持上，Arm是希望其硬件可以讓開發(fā)者不需要去特別選擇需要用哪一個框架。NPU軟硬件的獨特性和優(yōu)勢只有獲得市場的認可才能成功，那么首先得滿足不同場景的算力需求。Ethos系列現(xiàn)有的三款ML處理器性能從1-4 TOP/s不等，但是即便是在邊緣端，也會有更高的性能需求，更不用說高性能計算的場景。

但是，隨著系統(tǒng)的復雜性增加，計算單元的增加并不意味著一直能夠帶來線性的性能提升。Arm如何應對？Dennis表示，這種組裝確實有其局限性，到達某個性能后可能性能的提升就消失了，但Arm在GPU和CPU多處理器架構(gòu)上有很好的架構(gòu)設計，能夠盡量實現(xiàn)比較長的線性性能提升。

為應對AIoT時代更激烈的競爭，特別是RISC-V的競爭，我們也看到Arm在本月初宣布推出全新的功能 Arm Custom instructions，允許客戶在特定的 CPU 內(nèi)核中加入自定義指令功能，能夠加速特定的用例、嵌入式和物聯(lián)網(wǎng)應用程序。

Dennis表示，我們會認真的看待RISC-V在市場上的進展和動作，就像我們認真看待其他架構(gòu)一樣。Arm的優(yōu)勢在于我們能夠提供最全面的、擁有靈活性、普遍性的解決方案和產(chǎn)品，與此同時，我們還擁有強大豐富的生態(tài)，能夠更好的滿足市場的需求。
（責任編輯：fqj）