(1) ускоритель ИИ на основе динамически реконфигурируемого процессора (DRP), эффективно обрабатывающий легковесные модели ИИ, и (2) технология гетерогенной архитектуры, обеспечивающая обработку в реальном времени за счет совместной работы процессорных IP-блоков, таких как ЦП. Компания Renesas разработала прототип AI-MPU, интегрированный с этими технологиями, и подтвердила его высокоскоростную и энергоэффективную работу. Он достиг скорости обработки до 16 раз выше (130 TOPS), чем до внедрения этих новых технологий, и энергоэффективности мирового класса (до 23,9 TOPS/Вт при напряжении питания 0,8 В).
В условиях недавнего распространения роботов на заводах, в логистике, здравоохранении и розничной торговле растет потребность в системах, способных автономно работать в реальном времени, воспринимая окружающую среду с помощью передового искусственного интеллекта. Учитывая жесткие ограничения на тепловыделение, особенно для встроенных устройств, чипы ИИ требуют как более высокой производительности, так и более низкого энергопотребления.
Технологии, разработанные компанией Renesas, включают в себя:
ускоритель ИИ, эффективно обрабатывающий легковесные модели ИИ.
Типичной технологией повышения эффективности обработки ИИ является обрезка, позволяющая пропускать вычисления, не влияющие на точность распознавания. Однако часто модели ИИ содержат случайные вычисления, не влияющие на точность распознавания. Это создает разрыв между параллелизмом аппаратной обработки и случайностью обрезки, что делает обработку неэффективной.
Для решения этой проблемы Renesas оптимизировала свой уникальный ускоритель ИИ на основе DRP (DRP-AI) для обрезки. Проанализировав, как характеристики шаблона обрезки и метода обрезки связаны с точностью распознавания в типичных моделях ИИ для распознавания изображений (модели CNN), мы определили аппаратную структуру ускорителя ИИ, которая может обеспечить как высокую точность распознавания, так и эффективную скорость обрезки, и применили ее к проектированию DRP-AI. Кроме того, было разработано программное обеспечение для уменьшения размера моделей ИИ, оптимизированных для этого DRP-AI. Это программное обеспечение преобразует конфигурацию модели случайной обрезки в высокоэффективные параллельные вычисления, что приводит к ускорению обработки ИИ. В частности, технология поддержки высокогибкой обрезки Renesas (технология гибкой обрезки N:M), которая может динамически изменять количество циклов в ответ на изменения локальной скорости обрезки в моделях ИИ, позволяет точно контролировать скорость обрезки в зависимости от энергопотребления, скорости работы и точности распознавания, требуемых пользователями.
Эта технология сокращает количество циклов обработки моделей ИИ до одной шестнадцатой от количества, необходимого для несовместимых моделей, и потребляет менее одной восьмой энергии.
Технология гетерогенной архитектуры обеспечивает обработку в реальном времени для управления роботом.
Роботизированные приложения требуют расширенной обработки изображений ИИ для распознавания окружающей среды. В то же время, оценка и управление движением робота требуют детального программирования условий в ответ на изменения окружающей среды, что делает обработку на основе программного обеспечения на ЦП более подходящей, чем обработка на основе ИИ. Проблема заключается в том, что существующие ЦП со встроенными процессорами не в полной мере способны управлять роботами в реальном времени. Именно поэтому компания Renesas представила динамически реконфигурируемый процессор (DRP), который, помимо центрального процессора и ускорителя ИИ, обрабатывает сложные задачи (DRP-AI). Это привело к разработке технологии гетерогенной архитектуры, которая обеспечивает более высокие скорости и меньшее энергопотребление в AI-MPU за счет соответствующего распределения и распараллеливания процессов.
DRP выполняет приложение, динамически изменяя конфигурацию соединений между арифметическими блоками внутри микросхемы на каждом тактовом цикле в соответствии с особенностями обработки. Поскольку работают только необходимые арифметические схемы, даже в сложных процессах достигается меньшее энергопотребление и более высокие скорости. Например, SLAM (одновременная локализация и картографирование), типичное приложение в робототехнике, представляет собой сложную систему, требующую множества процессов программирования для распознавания положения робота параллельно с распознаванием окружающей среды с использованием визуальной обработки ИИ. Компания Renesas продемонстрировала работу этой системы SLAM, мгновенно переключая программы с помощью DRP и запуская ускоритель ИИ и ЦП параллельно, что привело к скорости работы примерно в 17 раз выше и энергоэффективности примерно в 12 раз выше, чем у одного только интегрированного ЦП.
проверила работоспособность
чипа, создав прототип тестового образца с использованием этих технологий, и подтвердила достижение мирового класса энергоэффективности в 23,9 TOPS на ватт при стандартном напряжении питания 0,8 В для ускорителя ИИ и операционной энергоэффективности в 10 TOPS на ватт для основных моделей ИИ. Также было продемонстрировано, что обработка данных ИИ возможна без вентилятора или радиатора.
Эти результаты помогают решить проблему тепловыделения, вызванного повышенным энергопотреблением, которая является проблемой при внедрении чипов ИИ в различные встроенные устройства, такие как сервисные роботы и автоматизированные транспортные средства. Значительное снижение тепловыделения будет способствовать расширению автоматизации в различных отраслях, таких как робототехника и рынки интеллектуальных технологий. Эти технологии будут применяться в микропроцессорах серии RZ/V компании Renesas для приложений машинного зрения.
