Skriv ut

Arm presenterar neuronkärnor optimerade för 1 respektive 2 Tops, och ger dessutom efter lång väntan sin neuronkärnefamilj ett namn – Ethos.

De nya kärnorna heter Ethos N57 och N3, och är inferenskärnor för bred konsumentelektronik där den tidigare kärnan snarare var avsedd för dyrare telefoner.

De nya kärnorna presenteras under den pågående konferensen Arm Tech Symposia 2019.  

Tidigare neuronkärnor från Arm har inte haft ordentliga namn utan bara refererats till som ”ML” – machine learning. Nu får de ett familjenamn och en bokstav – ”Ethos” respektive ”N”. En tidigare kärna som släpptes våren 2018 döps retroaktivt till Ethos N77.

Ethos N57 och N37 skiljer sig åt i balansen mellan pris, chiparea, bandbredd och strömförbrukning. N37 har det lilla fotavtrycket – under en kvadratmillimeter. Den levererar dock bara 1 Tops (biljoner operationer per sekund) medan N57 levererar 2 Tops. Den gamla N77 levererar 4 Tops.

Båda stöder aritmetik i åtta och sexton bitars heltal (Int8 och Int16). Ännu fler tekniska detaljer finns här.

Augmented Reality kräver mycket AI-beräkningar, enligt Arm, och kommer snart att finnas i alla smarttelefoner, inte bara de dyraste. Hårdvarustöd för AI och multimedia möjliggör röstinmatning och always-on även i annan bred konsumentelektronik vid sidan av mobiltelefoner.

Arm hävdar att dedikerade neuronkärnor behövs. Företaget pekar inte uttryckligen ut en svag länk, men syftar på processorer, signalkärnor och grafikkärnor - de har inte prestanda nog för att bygga ”individualiserade” och ”immersiva” upplevelser i konsumentelektronik.

Arms nya neuronkärnor kan komma att användas för att röststyra teven och realtidstexta utländska teveprogram. En rolig idé är att om teven visar något som inte är lämpligt för barn, kommer den att rikta kameran mot tevesoffan och verifiera via ansiktsigenkänning att där inte sitter några sådana.

Prestanda? Arm jämför sig i en pressrelease med ett diffust ”andra NPU:er” – och det torde därmed vara svårt att motbevisa Arms påstående att N57 och N37 lyfter prestanda med 200 procent jämfört med dessa. 

Arm berättar att det använder en 80-talsteknik av en forskare vid namn Shmuel Winograd. Hans teknik har även lyfts fram av Arm och Google på sistone och ska vara effektiv på att hantera vissa neuronnät för bildigenkännning om många vikter är noll – glesa konvolutionsnät.