AMD分析嵌入式邊緣AI的發(fā)展

隨著人工智能（ AI ）技術(shù)廣泛應(yīng)用于各行各業(yè)，從云到邊緣的解決方案逐漸成為信息技術(shù)領(lǐng)域新的熱點(diǎn)。嵌入式邊緣 AI 在當(dāng)今的各種邊緣應(yīng)用中能夠大幅提升作業(yè)人員的生產(chǎn)力，帶動(dòng)整個(gè) AI 技術(shù)在各個(gè)領(lǐng)域的全面落地。邊緣 AI 的價(jià)值在于將計(jì)算和存儲(chǔ)資源移動(dòng)到網(wǎng)絡(luò)邊緣，縮短傳輸距離降低傳輸要求，大幅提升數(shù)據(jù)反饋的速度，降低了對(duì)系統(tǒng)云端計(jì)算能力的需求。邊緣處理數(shù)據(jù)無需傳輸?shù)竭h(yuǎn)程服務(wù)器，從而大大減少了傳輸延遲，對(duì)于需要實(shí)時(shí)響應(yīng)的應(yīng)用場景至關(guān)重要。此外，嵌入式邊緣 AI 結(jié)構(gòu)相對(duì)處理效率更高，通過優(yōu)化算法和硬件設(shè)計(jì)，可以大幅降低系統(tǒng)處理所需的功耗。

目前的 AI 驅(qū)動(dòng)型嵌入式系統(tǒng)實(shí)現(xiàn)端到端加速需要采用多芯片方法，為用戶增加了很大的開銷和設(shè)計(jì)復(fù)雜性。針對(duì)這一現(xiàn)狀，AMD 工業(yè)、視覺、醫(yī)療與科學(xué)市場視覺業(yè)務(wù)主管 Yingyu Xia認(rèn)為，全面采用嵌入式邊緣 AI 技術(shù)仍然存在障礙，包括技能人才短缺、AI 系統(tǒng)的復(fù)雜性以及對(duì)失業(yè)的擔(dān)憂。為了更廣泛地推廣此類應(yīng)用，不僅需要展示 AI 在各個(gè)應(yīng)用任務(wù)中的價(jià)值，而且還需要確保其便于部署，作為擁有多種嵌入式處理器產(chǎn)品的廠商，這恰是 AMD 最突出的競爭優(yōu)勢所在。

Yingyu Xia

AMD 工業(yè)、視覺、醫(yī)療與科學(xué)

市場視覺業(yè)務(wù)主管

在邊緣智能的應(yīng)用中，需要重點(diǎn)關(guān)注的就是不同處理器發(fā)揮各自的處理優(yōu)勢從而更好地提升邊緣智能系統(tǒng)的運(yùn)行效率。為了支持嵌入式設(shè)備上的生成式 AI 模型，Yingyu Xia 表示計(jì)算平臺(tái)需要確保高算力的同時(shí)具有高效率，采用處理器異構(gòu)計(jì)算平臺(tái)以及一個(gè)編譯器，能夠高效地在應(yīng)用處理器（ PS ）、圖形處理單元（ GPU ）、神經(jīng)處理單元（ NPU ）和現(xiàn)場可編程門陣列（ FPGA ）之間分配各種工作負(fù)載。此外，它們應(yīng)該提供易于使用的軟件開發(fā)工具套件（ SDK ），幫助嵌入式工程師將其模型無縫部署到硬件平臺(tái)上。NPU 對(duì)于高效處理標(biāo)準(zhǔn) AI 模型至關(guān)重要，有助于加速 AI 任務(wù)并最大限度降低功耗；與此同時(shí)，PS 和 GPU 對(duì)于處理尚未針對(duì) NPU 進(jìn)行優(yōu)化的更高級(jí)別的模型也提供了必要支持；FPGA 則有助于集成多種傳感器模態(tài)，以利用多模態(tài)模型并確保傳感器同步。此外，F(xiàn)PGA 可以被編程以建立定制、優(yōu)化的數(shù)據(jù)路徑，從而實(shí)現(xiàn)系統(tǒng)組件之間的有效數(shù)據(jù)傳輸。

針對(duì)各個(gè)處理器在邊緣 AI 應(yīng)用中的作用，AMD 工業(yè)、視覺、醫(yī)療與科學(xué)市場機(jī)器人業(yè)務(wù)主管 KV Thanjavur Bhaaskar介紹，CPU 一直以來都是功能強(qiáng)大的通用計(jì)算引擎，相對(duì)于許多其他計(jì)算平臺(tái)，在可提供支持的廣泛軟件生態(tài)系統(tǒng)方面具有優(yōu)勢。嵌入式處理器集成了用于渲染、可視化和顯示的 CPU 和圖形。隨著邊緣智能的快速增長，近來的一種趨勢是 CPU 除了通用計(jì)算和圖形功能外，還具有專用的 AI 計(jì)算引擎。

KV Thanjavur Bhaaskar

AMD 工業(yè)、視覺、醫(yī)療與科學(xué)

市場機(jī)器人業(yè)務(wù)主管

迄今為止，設(shè)計(jì)人員必須在設(shè)計(jì)中引入加速器才能實(shí)現(xiàn)高性能的 AI 推理。將專用的 AI 計(jì)算引擎引入到 CPU 中，可提供靈活的架構(gòu)選擇，減小占板面積并提高能效。就新應(yīng)用而言，邊緣智能已經(jīng)無處不在，所以可以想象在以前只有 CPU 的地方現(xiàn)在都具備了 AI 功能，比如具有 AI 路徑規(guī)劃的機(jī)器人控制器、具有診斷或感興趣區(qū)域功能的醫(yī)學(xué)成像等。正在出現(xiàn)的主要設(shè)計(jì)要求是在滿足整體解決方案需求的情況下選擇正確的引擎進(jìn)行正確的任務(wù)，因?yàn)橛?jì)算工作負(fù)載的多樣性、處理器以有效處理它們的方式、以及系統(tǒng)中這種處理能力的可用性都發(fā)生了顯著變化。在為傳統(tǒng) CPU 增加 AI 功能之外，異構(gòu)處理架構(gòu)的出現(xiàn)能夠更好的去提升邊緣 AI 在功耗和效率方面的表現(xiàn)。KV Thanjavur Bhaaskar 強(qiáng)調(diào)，處理器的選擇取決于特定的系統(tǒng)級(jí)別，一個(gè)解決方案可能是選擇適合特定任務(wù)的正確引擎，因?yàn)檫@將為解決系統(tǒng)中的特定計(jì)算任務(wù)提供最節(jié)能的方式。AMD 提供的器件結(jié)合了不同技術(shù)，包括 FPGA、處理子系統(tǒng)（包括 Arm 和 RISC-V ）、基于 x86 的 CPU、GPU、AI 引擎，構(gòu)成了可擴(kuò)展性很強(qiáng)的產(chǎn)品系列，從成本優(yōu)化的嵌入式器件一直到針對(duì)數(shù)據(jù)中心市場的高端器件。

Omdia預(yù)測

2027 年?duì)I收前 10 的嵌入式 AI 應(yīng)用 ( Alexander Harrowell, Omdia, 2022 )

Omdia 預(yù)測了到 2027 年預(yù)計(jì)將產(chǎn)生最高收入的前 10 個(gè)嵌入式 AI 應(yīng)用（如圖所示），這些應(yīng)用通常展示了上述因素中的兩個(gè)或更多，呈現(xiàn)出業(yè)界采用嵌入式AI 的目標(biāo)領(lǐng)域。以工廠自動(dòng)化為例，工廠中的拾取和放置機(jī)器人，需要實(shí)現(xiàn)對(duì)目標(biāo)對(duì)象的毫米級(jí)準(zhǔn)確識(shí)別并最小化對(duì)機(jī)械臂的干擾，這需要結(jié)合 3D 視覺、點(diǎn)云處理、嵌入式 AI 和傳感器致動(dòng)器融合。最大限度降低時(shí)延對(duì)于保持高生產(chǎn)力至關(guān)重要，也有助于確保產(chǎn)量和整體效率的提升。這方面許多人所熟悉的另一個(gè)例子是智能結(jié)賬系統(tǒng)，不僅可通過實(shí)時(shí)監(jiān)控掃描商品來增強(qiáng)結(jié)賬體驗(yàn)，而且還能檢測購物者的不當(dāng)行為，例如將較便宜的商品（如香蕉）替換為較昂貴的商品（如牛排）。這一功能不僅鼓勵(lì)顧客使用自助結(jié)賬，減少零售商的擔(dān)憂，還解決了不斷上升的勞動(dòng)力成本問題。此外，還可以參考智能交通攝像頭，其需要針對(duì)速度高達(dá) 200 公里/小時(shí)的車輛采集圖像信息。要實(shí)現(xiàn)這一點(diǎn)，需要集成各種傳感器。然而，全天候持續(xù)傳輸視頻將產(chǎn)生極高的成本。

統(tǒng)一 AI 模型的潛在發(fā)展趨勢

隨著 AI 模型及其參數(shù)的復(fù)雜性日益提高，對(duì)系統(tǒng)內(nèi)部更有效的數(shù)據(jù)傳輸機(jī)制的需求也在增長。統(tǒng)一 AI 模型是最突出的潛在發(fā)展趨勢。與為同一背景下的各種任務(wù)管理多個(gè)專門的 AI 模型不同，統(tǒng)一模型可用于處理多種視覺任務(wù)。這種方法在嵌入式邊緣中提供了更有效地資源利用的可能性，尤其是在分布式 AI 架構(gòu)中更為明顯。預(yù)計(jì)在這個(gè)領(lǐng)域會(huì)進(jìn)行進(jìn)一步的研究，以提高統(tǒng)一模型的準(zhǔn)確性。

Yingyu Xia 特別提到

當(dāng)前一個(gè)值得關(guān)注的趨勢，即業(yè)界出現(xiàn)了能夠在有限標(biāo)記數(shù)據(jù)下進(jìn)行有效泛化的模型。這一策略在數(shù)據(jù)采集不便和需要頻繁數(shù)據(jù)訓(xùn)練的場景中具有極大的價(jià)值。由于僅需要最少量的數(shù)據(jù)進(jìn)行重新訓(xùn)練，這一趨勢降低了所需的技術(shù)專長，并節(jié)省了 AI 訓(xùn)練時(shí)間。

此外，大型語言模型（ LLM ）的普及使得與 AI 的交互更類似于與人類對(duì)話。只需提出一個(gè)問題，AI 就能夠理解背景語義并像咨詢專家一樣作出回應(yīng)。目前一種趨勢是在嵌入式邊緣部署的 AI 模型中提升對(duì)視覺場景的理解。這一發(fā)展有助于作業(yè)人員更清晰地理解視覺場景，在一次視頻搜索的調(diào)查過程中，它能夠以自然的人類語言提供洞察和建議。除了評(píng)估 AI 引擎的能力外，Yingyu Xia 認(rèn)為嵌入式 AI 系統(tǒng)還在高速和大量數(shù)據(jù)涌入的實(shí)時(shí)環(huán)境中運(yùn)行。確保實(shí)時(shí)操作需要硬件平臺(tái)具備高效的數(shù)據(jù)同步和前后處理流水線，以有效地管理數(shù)據(jù)流。在選擇嵌入式平臺(tái)時(shí)，不僅要考慮 AI 引擎的效率，還要考慮它與其他關(guān)鍵部分的兼容性。AI 引擎只是嵌入式系統(tǒng)的一個(gè)組成部分，為了實(shí)現(xiàn)最佳功能，必須通過其它重要因素進(jìn)行補(bǔ)充，理想的平臺(tái)應(yīng)該是根據(jù)嵌入式用例需求可以滿足下列大部分要求的平臺(tái)。

AMD Embedded+

面向邊緣 AI 應(yīng)用市場，AMD 最近發(fā)布了加速嵌入式邊緣 AI 開發(fā)的 Embedded+ 架構(gòu)，該架構(gòu)將 AMD Ryzen（銳龍）嵌入式處理器與 AMD Versal AI Edge 自適應(yīng) SoC 集成在一塊板卡上。KV Thanjavur Bhaaskar 強(qiáng)調(diào)，自適應(yīng)計(jì)算在確定性、低時(shí)延處理方面表現(xiàn)出色，而 AI 引擎則能夠提升高每瓦性能推理。在這種異構(gòu)處理器架構(gòu)中，Ryzen 嵌入式處理器提供了 Zen+ x86 核心，并且具備廣泛的軟件生態(tài)系統(tǒng)支持，Radeon 顯卡用于渲染和顯示功能。Versal AI Edge 自適應(yīng) SoC 提供了基于 Arm Cortex-A72 內(nèi)核處理器的子系統(tǒng)用于應(yīng)用處理，R5-F 用于實(shí)時(shí)處理，F(xiàn)PGA 用于低時(shí)延和確定性，AI 引擎用于 AI 推理，最重要的是可編程 I/O，支持用戶將各種傳感器直接連接到平臺(tái)。在自動(dòng)化系統(tǒng)中，傳感器數(shù)據(jù)的價(jià)值會(huì)隨時(shí)間推移而遞減，而這些數(shù)據(jù)必須根據(jù)盡可能最新的信息運(yùn)行，才能實(shí)現(xiàn)最低時(shí)延和確定性響應(yīng)。在工業(yè)和醫(yī)療應(yīng)用中許多決策需要在幾毫秒內(nèi)做出，這就是嵌入式邊緣 AI 最適合的方向。Embedded+ 能最大限度發(fā)揮合作伙伴和客戶數(shù)據(jù)價(jià)值，其高能效和高性能算力使合作伙伴與客戶能夠?qū)Ｗ⒂跐M足客戶和市場需求。

AMD Embedded+ 架構(gòu)將傳統(tǒng)的嵌入式 PC 轉(zhuǎn)變?yōu)閮?yōu)化的工業(yè)和醫(yī)療 PC。低時(shí)延處理和高每瓦性能推理的結(jié)合可為關(guān)鍵任務(wù)實(shí)現(xiàn)高性能，包括將自適應(yīng)計(jì)算與靈活的 I/O、用于 AI 推理的 AI 引擎以及 AMD Radeon 顯卡實(shí)時(shí)集成到單個(gè)解決方案中，發(fā)揮每項(xiàng)技術(shù)的最大優(yōu)勢。Embedded+ 架構(gòu)作為一種可擴(kuò)展的方法，可以通過 AMD 的任何器件組合進(jìn)行更新，就在近期，AMD 推出了具有專用AI引擎的銳龍 8000G 系列 CPU 和第二代 Versal AI Edge 系列，這些產(chǎn)品可以用于新一代基于 Embedded+ 的主板，以應(yīng)對(duì)邊緣智能不斷變化的需求。

KV Thanjavur Bhaaskar 特別提到

AMD 在邊緣和云計(jì)算領(lǐng)域擁有廣泛的產(chǎn)品組合。AMD 不僅將 AI 功能添加到最新發(fā)布的相關(guān)器件中，同時(shí)還將提高已有器件的 AI 能力，考慮到功率效率與成本方面因素，預(yù)計(jì)這種趨勢將持續(xù)下去。

AMD 嵌入式行業(yè)解決方案可為工業(yè)和商業(yè)應(yīng)用打造高性能、高性價(jià)比的系統(tǒng)。

憑借一系列靈活、可擴(kuò)展的處理器，AMD 為客戶帶來更出色的計(jì)算性能、先進(jìn)安全性和各種連接選項(xiàng)。

AMD 嵌入式行業(yè)解決方案可滿足游戲、醫(yī)療、運(yùn)輸、自動(dòng)化等工業(yè)和商業(yè)應(yīng)用的苛刻需求。

嵌入式環(huán)境中實(shí)現(xiàn) AI 的分布式架構(gòu)

在針對(duì)嵌入式環(huán)境中實(shí)現(xiàn) AI 的分布式架構(gòu)中，Yingyu Xia總結(jié)的關(guān)鍵是考慮嵌入式邊緣設(shè)備的限制性資源、功耗、實(shí)時(shí)要求和安全性等因素?？紤]到每個(gè) AI 參數(shù)需要 4 字節(jié)（ 32 位）的數(shù)據(jù)，部署原始大小的 32 位浮點(diǎn)模型大多是不可行的。例如，如果有 1.7 萬億個(gè)參數(shù)，嵌入式設(shè)備上的存儲(chǔ)需求將達(dá)到 1.7 * 10^12 * 4 = 6.8 TB。因此，采用 BFLOAT16、FLOAT16、INT8 等新穎的數(shù)據(jù)格式以最小化所需的內(nèi)存占用是至關(guān)重要的。通常，量化器可以幫助將來自浮點(diǎn) 32 模型的數(shù)據(jù)精度降低到量化模型。此外，可以利用 AI 分析工具來識(shí)別導(dǎo)致最重要瓶頸的層，這有助于嵌入式 AI 工程師在邊緣優(yōu)化其模型。而且，關(guān)鍵在于需要開發(fā)特定領(lǐng)域的模型以簡化模型復(fù)雜性，從而減少模型層數(shù)，使其更容易部署到嵌入式 AI 模型中。

作為一家可以同時(shí)提供 x86、GPU、FPGA 和自適應(yīng) SoC 技術(shù)的行業(yè)領(lǐng)導(dǎo)者，AMD 的嵌入式邊緣 AI 技術(shù)聚焦在汽車、工業(yè)、智能家居和智慧城市以及網(wǎng)絡(luò)與存儲(chǔ)等應(yīng)用，幫助客戶快速構(gòu)建面向物聯(lián)網(wǎng)網(wǎng)關(guān)、邊緣基礎(chǔ)設(shè)施、迷你電腦、瘦客戶端等智能邊緣應(yīng)用的經(jīng)濟(jì)高效的產(chǎn)品和解決方案。