智慧製造2019.04.02

CPU 如來佛將如何鬥智 AI 孫悟空?

飛飛

物聯網 創新 服務

不管從虛擬主機、容器微服務,直至邊緣運算、霧運算、雲運算,物聯網看來就是虛擬世界的交流運作。然而,無論是再廣闊的虛擬境域,最終都將接地氣。有道是孫悟空再神通廣大,也逃不出如來佛掌;AI 時代越是翻天覆地劇變的虛擬資訊流,都表示著實體核心處理器也必將具備越強大而足以應承的能力。

 

Processing Units 即可視為 AI 智慧運算體系的如來佛。過往 CPU 一直擔負著整體運算功能,以中央控管方式處理所有運算;無論何種運算排程,都大致採取循序處理,單一運算。CPU 效能提升一直主要得力於硬體結構與體積的持續改進;以歷史最悠久的 Intel CPU 為例,從其第一代 16 位元 CPU 與最新一代之間相比,運算能力提升數十萬倍,這其中主要是靠其電晶體密度由數萬個提升至數十億量級,而其面積相比則僅擴大 3 - 5 倍。

 

AI 時代來臨,影像大數據所必要的複雜演算即將成為運算主軸,再加上萬物聯網所構成不知將擴增多少倍節點匯流成而的巨量資訊流,更何況 4K / 8K、VR / AR、3D 攝影等超高品質顯影技術所加重的流量也將至少數倍於現況。 與此同時, CPU 眼看著其物理精微已達發展極限瓶頸,GPU 就憑其相較於 CPU 更顯著的眾核結構,以及其多工分散式運算處理能力,相對更足以回應 AI 的多工分散(如:邊緣運算、容器等)潮流,並透過加速器、虛擬化等與時俱進的變革,一躍成為 AI 時代扮演如來佛角色的新星。

 

隨著 5G 規格共識明確化,其應用於影音感官、AI 智慧的需求,顯然所牽涉的不只是運算處理方式變革,特別是如果考慮 5G 開通之後的商業應用層面,以及其後只進不退的物聯網規格。 尤其在 Edge Intelligence 邊緣智慧方面,不只是功耗、速率等考量,深度學習所牽涉高度複雜演算的各具獨特智慧所在、其未來更深遠的發展可能,還有加諸物聯網商業化所可能處理的瞬間巨量資料流等等,在在都挑戰著過往 CPU 與 GPU所構築的相對簡單運算架構與處理方式。

 

創新消費生態的契機,最能得益於科技革新。長久以來獨佔局面的 CPU 商業生態系,不僅因為 AI 契機引發的新消費需求,更在於可預見核心運算架構所在的AI 晶片關乎於構建整套 AI 智慧體系與環境可能帶來的獨佔性,從而催生了創新產業,百家競逐角力。

 

BPU / B as Brain - 嵌入式整合演算晶片,主攻自駕車。

DPU / D as  Deep Learning - 主攻 CNN 與 RNN 演算。

IPU / I as Intelligence - 特點主要是創新 Graph computing 圖運算、MPP 大規模平行處理等,並將以 1000+ Processor 分工處理機器學習所需運算。

NPU / N as Neural Network - 此為通用名稱,已有多家公司投入研發。其設計在於以架構類神經網路為目標用途。

TPU / T as Tensor - 由 Google 主導自製的自身專用晶片,主打 TensorFlow 機器學習技術適用的最佳專用晶片。

 

以上(按字母序)只是這個創新市場的一小部分,而其中更包括台灣人所新創公司。如今,不只是 CPU 主要供應商已加入 FPGA 電場可程式化邏輯閘陣列、SoC 等更多創新應戰,在將來也預期更多創新概念的 AI 晶片,甚至是新材料、新作法回應 5G AIoT 所需。如來佛少了孫悟空,可能差一位替代降魔護法的機靈使者;而孫悟空沒有如來佛的導引,只不過是隻潑猴。AI 晶片將是繼  5G 通訊商業化之後,物聯網能否銜接 AI 智慧的下一個眾所注目成功關鍵。

延伸討論

智慧製造

雲運算服務 vs 虛擬化技術

飛飛
當雲運算以其租賃概念優勢,漸漸攻佔得花大筆頭期建置費用、再加上後續長期維護費用為考量的傳統在地 IT 建置市場後,雲運算自然也盡可能將各項發展愈漸成熟、使用上愈顯普遍的虛擬化技術納入自身平台。如此,不僅能強化自身平台的更多元服務,回應使用端開發時的種種需求,也能積極協助新客戶從既有設備順暢移轉銜接至雲平台。
智慧製造

雲端時代的虛擬化技術進行式

飛飛
雲是屬於第三方代管的運算平台。這樣做的好處是可以依情況迅速彈性變更 IT 資源,想用多少算多少,也能減低不少設備維護成本;更能從共享實體設備的量化觀念,經第三方服務供應商角色的經濟角度,提供較進階設備規格,獲得較優勢的資源效率,還能省卻種種品項採購的麻煩與冗長流程,減少可能的閒置設備。
智慧製造

關於感測器的兩三事

飛飛
感測收集的資料囊括類比、數位兩種訊號輸出。一般自然界的連續波都屬於類比訊號,包括:風速、太陽幅射、光強度、聲波、電波等;由於數位時代電子儀錶的蓬勃發展,許多感測器均已能轉化類比訊號為數位訊號,方便數位資料處理。隨著科學研發成果進展愈發豐碩,人類對環境中的基本物質愈發瞭解,透過物理特性(如:聲波回傳測距、幅射能反應為熱感指標等)、化學變化(如:特殊物質遇特定氣體產生濃氣味或色變的氣體偵測等)等感測指標也已愈發多元又精密,還能以不同感測數據交叉比對,滿足高精準度要求的感測結果。