Arm推出全新Mali多媒體套件,想讓機器學習進入中低端智慧手機
安妮 發自 喜來登
量子位 出品 | 公眾號 QbitAI
如果把AI終端裝置市場比作一個舞臺,那Arm就是真正的幕後指導者。
採用出售智慧財產權(IP)的運營方式,Arm設計了全球95%的智慧手機的晶片架構,其中不乏蘋果、華為、小米、三星等知名手機廠商。很多人未聞其司,但已用其貨。
昨天,Arm推出全新Mali多媒體套件,它可與基於DynamIQ的CPU和其他Arm IP無縫整合,幫助實現新一代針對主流移動裝置和數字電視(DTV)的解決方案。
這套產品具體包括實現機器學習功能的G52和G31 GPU、旗下最高效的顯示處理器D51和實現4k60 / 4k120內容的視訊處理器V52。
△ 產品釋出會現場
讓機器學習進入中低端手機
IDC的調查顯示,當今市場上有90%以上裝置AI的智慧終端都基於Arm架構。
主流手機中的攝像頭通過機器學習演算法進行人臉識別和指紋識別。專門去設定機器學習處理器的方法不太實際,但這些任務可由片上系統(SoC)的每個元件發揮其最佳效能實現,並與DynamIQ CPU和Mali-G51結合來提升現有應用的機器學習效能。
Arm資深市場營銷總監Ian Smythe表示,與G51相比,新套件中的G52可應對更高的圖形複雜度,允許在主流移動系統的功率和頻寬限制內實現更多的機器學習功能。
與G51的4執行緒相比,G52最多可提供8執行緒,效能密度提高30%。與此同時,能效提供了15%,甚至可支援AR等高耗電技術。
△ G52與G51效能對比
總體來說,G52的機器學習效能為上一代產品的3.6倍,讓機器學習不再是高階智慧手機才用得起的配置。
一同釋出的G31 GPU是Arm目前最小的處理器,也是第一款基於Bifrost架構的超高效GPU。它支援OpenGL ES 3.2和最新一代Vulkan API,開發人員可將其應用於數百萬裝置上。
較上一代採用Bifrost架構的G51尺寸縮小20%,效能密度提升20%,在減少晶片面積的同時提升能效。
△ G31與G51效能對比
三條市場定位線
Arm產品營銷總監Anand Patel表示,Mali系列目前有三條市場定位。
第一條定位於高效能的產品,主要針對高效能遊戲和機器學習,也就是說在移動裝置上能夠實現高效能應用。
第二條位於中檔的主流GPU產品,讓主流的移動裝置也能獲得高階裝置的一些功能,G52就在這層定位上。
第三條是超高效系列產品,主要針對為數字電視以及入門級智慧手機帶來更完善的功能。代表產品是G31,主要是希望以最小矽面積支撐比較高階的效能。
△ Arm產品營銷總監Anand Patel
三管齊下,究竟哪條線是Arm未來發展的重點?
Patel表示,目前公司對三條線並無側重。
“它們其實都是基於同一個Bifrost架構。一開始我們開發Bifrost的架構是考慮到移動裝置的體積尺寸、功耗的侷限,想去支撐一些高效能的功能。接下來我們又不斷地去降低成本讓它可擴充套件,擴充到中端,甚至是超高效的一些領域。”Patel說。
差分性專長
Arm在晶片行業撒的網太大了,它與客戶的關係也變得越來越微妙。
對於“逼迫客戶要麼給Arm打工,要麼成為其競爭者”觀點,Ian Smythe笑了笑,想了想。
“事實上,Arm在談給合作伙伴提供解決方案,這樣的話他們可以有更多的選擇。其實在我們所從事的行業中,非常關鍵的一點就是具有實現差分性的專長,有很多片上系統的合作伙伴,他們擁有整合方面的能力和技巧,這完全是超越Arm能力範圍的,”Ian表示,“把很多技術能力作為標準化提供給合作伙伴,讓他們實現自己的競爭性,也是我們想追求的目標。”
對了,這套新的機器學習IP套件什麼時候能用上?
Ian沒有給出具體時間,表示今年會在市場上看到G31的裝置面世,G52的裝置也將很快面世。
未來可期。
— 完 —
加入社群
量子位AI社群15群開始招募啦,歡迎對AI感興趣的同學,加小助手微信qbitbot6入群;
此外,量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募,面向正在從事相關領域的工程師及研究人員。
進群請加小助手微訊號qbitbot6,並務必備註相應群的關鍵詞~通過稽核後我們將邀請進群。(專業群稽核較嚴,敬請諒解)
誠摯招聘
量子位正在招募編輯/記者,工作地點在北京中關村。期待有才氣、有熱情的同學加入我們!相關細節,請在量子位公眾號(QbitAI)對話介面,回覆“招聘”兩個字。
量子位 QbitAI · 頭條號簽約作者
վ'ᴗ' ի 追蹤AI技術和產品新動態
相關文章
- Arm 釋出Mali多媒體套件,機器學習將不再是高階手機的專享套件機器學習
- Android入門(十六):手機多媒體Android
- 奈飛使用機器學習建立媒體機器學習
- ARM釋出全新處理器,只為更好提升AI與機器學習效能AI機器學習
- arm推出一系列圖形處理器產品支援機器學習機器學習
- 觸想四代ARM架構工業一體機助力手功能康復機器人應用架構機器人
- 分散式機器學習、聯邦學習、多智慧體的區別和聯絡分散式機器學習聯邦學習智慧體
- 外媒評手機進化史:未來不僅僅屬於智慧手機
- Google AI負責人Jeff Dean:機器學習讓計算機更智慧GoAI機器學習計算機
- Omdia:售價低於150美元的低端智慧手機需求激增
- 超智慧體S01:高考與機器學習智慧體機器學習
- 機器學習入門:多變數線性迴歸機器學習變數
- [Python]-機器學習Python入門《Python機器學習手冊》-01-向量、矩陣和陣列Python機器學習矩陣陣列
- 《用Python動手學機器學習》中的網址Python機器學習
- AWS 推出五項機器學習新服務,重塑和改進企業日常任務,無需機器學習經驗機器學習
- Python學習手冊(入門&爬蟲&資料分析&機器學習&深度學習)Python爬蟲機器學習深度學習
- 機器學習中的元學習機器學習
- 機器學習入門(三) — 迴歸模型(進階案例)機器學習模型
- 人工智慧-機器學習-支援向量機SVM人工智慧機器學習
- 手擼機器學習演算法 - 感知機機器學習演算法
- 手擼機器學習演算法 - 多項式迴歸機器學習演算法
- Counterpoint:智慧手機廠商進入智慧電視市場
- TensorFlow.NET機器學習入門【8】採用GPU進行學習機器學習GPU
- 【機器學習】機器學習簡介機器學習
- 如何針對多租戶 SaaS 使用案例擴充套件機器學習推理套件機器學習
- 機器學習和深度學習概念入門機器學習深度學習
- 機器學習入門準備機器學習
- 機器學習之小白入門機器學習
- 機器學習入門規劃機器學習
- 機器學習PAI快速入門機器學習AI
- 機器學習01-入門機器學習
- 機器學習中的 CatBoost機器學習
- 人工智慧-機器學習-深度學習:Pointer Network人工智慧機器學習深度學習
- 機器學習學習中,數學最重要!機器學習
- 【機器學習】關於機器學習那些你不知道的“民間智慧”機器學習
- 人工智慧-機器學習簡介人工智慧機器學習
- [python學習]機器學習 -- 感知機Python機器學習
- JVM學習-虛擬機器類載入機制JVM虛擬機