#微控制器MCU #微處理器MPU #物聯網IoT #人工智慧AI #機器學習ML #微神經網路處理器microNPU #機密計算架構CCA #RISC-V
【多核、異構,MCU/MPU 不一樣了!】
越來越多包含微控制器 (MCU)、微處理器 (MPU) 設備加入數位化行列,且朝「多重處理器」趨勢邁進,每個 MCU 內部都是一顆 CPU (中央處理單元),有些還會配置第二或第三核心負責處理專屬功能,包括從無線電到機器學習 (ML) 等各種任務;而單晶片 (SoC) 架構的挑戰是:平衡元件要求、以更高的效率完成任務,多重核心在這方面將持續扮演重要角色,包括管理通訊、資料、排程等作業也將變得更加複雜,其最大挑戰很可能是如何管理在多重核心元件上運行的軟體。
各界普遍認同摩爾定律與 Dennard 縮放比例定律已近終點,但運算需求的成長速度卻日漸加快,因此,未來將會需要更加複雜的異質化 SoC 架構。與此同時,MCU 與 MPU 的界線越來越模糊,有產業先進認為其中一個主要區別是:工作頻率。此外,MCU 屬於單核架構,專注在控制層面、涵蓋類比輸入與輸出的控制動作;而 MPU 可能是單核心或多核心,專注於處理資料、而非處理或量測類比輸入或輸出訊號,幾乎都會用外部記憶體來存放程式資料,速度屬次要參數。
實際上,高性能的 MCU 已經可以運行作業系統。值得留意的是,RISC-V 市佔率正持續攀升,尤其低階 MCU 領域已逐漸取代 Arm 32 位元 MCU (Cortex-M),恩智浦 (NXP) 則計劃在某些新處理器子系統中將 RISC-V 作為共同處理器。芯科科技 (Silicon Labs) 認為:RISC-V 架構仍在持續演進,相比其他成熟的 RISC 價格,最大的差異是忠誠度、可用的工具、軟體以及新架構在沒有大量測試及實用基礎下的信心度等,其成長性或與成熟度互為因果。
延伸閱讀:
《數位化轉型中的 MCU》
http://www.compotechasia.com/a/feature/2021/0813/48768.html
#安謀Arm #Imagination #恩智浦NXP #芯科科技SiliconLabs #意法半導體ST
計算有幾個位元是1 在 PanSci 科學新聞網 Facebook 的最佳貼文
近代知名的理論物理學家理查.費曼曾經說過一句名言:「我認為,沒有人能真正了解量子力學!」既然這麼難、沒有人懂量子力學,那麼量子電腦是怎麼做出來的?
其實,許多科技縱使科學家不完全懂,但仍然可以熟練地使用它!不過真要說起來,量子電腦處理資訊時,能夠平行處理多個量子位元,不但運算力更強,計算速度更是高上好幾個檔次。
而這波科技浪潮,將會帶來怎樣的革新呢?
*本文轉載自 科技大觀園
延伸閱讀:
量子電腦的全新可能性:自旋三重態非常規超導體
https://pansci.asia/archives/311658
量子電腦到底有多霸氣?終極「密碼戰」即將引爆?
https://pansci.asia/archives/177671
______________
泛科學為您準備的 COVID-19 防疫專題 ( •̀ ω •́ )✧
https://covid19.pansci.asia/
讓我們一起渡過這次的危機
計算有幾個位元是1 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
邊緣AI 2026將成 IoT晶片發展核心
04:102021/05/02 工商時報 集邦科技資深分析師曾伯楷
隨著智慧工廠、城市等場景對數據分析越發需要精準、即時且大量處理的需求,AI與IoT結合已是現在進行式。在AI晶片助益下,IoT邊緣與終端裝置可透過機器學習或深度學習等技術加值,同時帶出無延遲、低成本、高隱私等優勢,顯示出AI晶片的重要性。預估全球AI晶片產值至2025年將達720億美元。
與此同時,邊緣運算透過AI使終端設備於運行上更加智慧,不僅保有邊緣運算於延遲性、隱私性、連接性、功耗、成本等優勢,並進一步使系統具有主動性與智慧性。若以場景角度切入,邊緣AI相較傳統邊緣運算,其主要帶來的效益包括數據處理過濾和邊緣智慧分析,此也將成為兩技術持續結合的動能。
一、MCU、連接晶片、AI晶片為IoT晶片產業鏈三大關鍵零組件。 物聯網在傳統上多以感知層、網路層、系統層與應用層作為架構堆疊,主要經濟效益雖來自應用層的智慧情境發展,然感知層所需的產業鏈之上游零組件仍是支撐終端場景運作重要核心,其中又以微控制器(MCU)、連接晶片與AI晶片最關鍵。
MCU方面,建立在高效能、低功耗與高整合發展主軸下,IoT MCU現行從通用MCU演化成特定為IoT應用或場景所打造,如2021年3月STMicroelectronics推出新一代超低功耗微控制器STM32U5系列,可用於穿戴裝置與個人醫療設備;Silicon Labs同期推出PG22 32位元MCU,主打空間受限且須低功耗的工業應用、Renesas RA4M2 MCU著眼IoT邊緣運用等。
連接晶片方面,受物聯網設備連線技術與標準各異影響,通訊成物聯網晶片中相當重要的一環,從蜂巢式的4G、5G、LTE-M、NB-IoT,到非蜂巢式的LoRa、Sigfox、Wi-Fi、Wi-SUN等,從智慧城市、工廠、家庭至零售店面皆被廣泛運用,範圍擴及至太空,如2020年下旬聯發科與國際航海衛星通訊公司(Inmarsat)合作,成功以NB-IoT晶片完成全球首次5G物聯網高軌衛星資料傳輸測試。AI晶片方面,隨著智慧工廠、城市等場景對數據分析越發需要精準、即時且大量處理的需求,AI與IoT結合已是現在進行式。此外,Microsoft在其2021年3月舉辦的年度技術盛會Ignite 2021上指出,2022年邊緣運算市場規模將達到67.2億美元,與深度學習晶片市場相當吻合,亦提及市場預估至2025年全球深度學習晶片市場將有望達663億美元。同時,Microsoft認為至2026年全球AI晶片有3/4將為邊緣運算所用,顯示出IoT晶片於邊緣運算的發展將成未來廠商重要布局之一。
二、邊緣AI效益顯著,成長動能仰賴數據處理過濾、邊緣智慧分析。
首先,從邊緣運算定義來看,市場雖已談論數年但定義與類別始終未統一,原因是各廠商於邊緣託管工作的目的不盡相同。例如對電信商而言,初步處理數據的微型數據中心是其邊緣端,而對製造商來說邊緣裝置可能是生產線的感測器,此也造就邊緣運算的分類方式略有出入。另外,例如IBM有雲端邊緣、IoT邊緣與行動邊緣的類別,ARM多將邊緣視為雲端與終端間的伺服器等裝置,亦有個人邊緣、業務邊緣、多雲邊緣等類型。
其次,從邊緣運算類別來看,現行分類趨勢和研究方式尚有以數據產生源為核心,藉由設備與數據源的物理距離作為分類參考,並將其分為厚邊緣(Thick Edge)、薄邊緣(Thin Edge)與微邊緣(Micro Edge)。厚邊緣多用以表示處理高數據流量的計算資源,並配有高階CPU、GPU等,例如數據中心的數據儲存與分析;薄邊緣則包含網路設備、工業電腦等以整合數據為主要目的,除了配有中間處理器外,也不乏GPU、ASIC等AI晶片;微邊源因與數據源幾無距離,故常被歸類為生成數據的設備或感測器,計算資源雖較為匱乏,但也可因AI晶片發揮更大效益。
整體而言,邊緣運算透過AI使終端設備於運行上更加智慧,不僅保有邊緣運算於延遲性、隱私性、連接性、功耗、成本等優勢,並進一步使系統具有主動性與智慧性,在平台管理、工作量合併與分布式應用也更有彈性。若以場景角度切入,邊緣AI相較傳統邊緣運算,其主要帶來的效益提升包括數據處理過濾和邊緣智慧分析,此也將成為兩技術持續結合的動能。
數據處理與邊緣分析於過往邊緣運算時已可做到,並在AI加值下進一步提升效益。以前者而言,數據透過智慧邊緣計算資源可在邊緣處預先處理數據,且僅將相關資訊發送至雲端,從而減少數據傳輸和儲存成本;從邊緣分析效能來看,過往多數邊緣運算資源處理能力有限,運行功能時往往較為單一,而邊緣智慧分析透過AI晶片賦能,進而能執行更為繁複、低延遲與高數據吞吐量的作業。
三、全球大廠搶攻IoT晶片市場,中國加重AI晶片發展力道。
IoT晶片於邊緣運算所產生的效益,使其成為廠商重要策略布局領域,雲端大廠如Google、AWS等紛紛投身晶片自製;傳統晶片大廠如ARM最新產品即鎖定邊緣AI於攝影機和火車的辨識應用、Intel亦投資1.3億美元於十餘家新創AI晶片設計廠商,NXP Semiconductors、Silicon Labs、ST則陸續在其MCU或SoC添加邊緣AI功能。此外,新創企業Halio、EdgeQ、Graphcore皆以AI晶片為主打。整體而言,若以區域來看,歐美大廠聚焦加速AI運算效能,但最積極發展AI晶片產業的則屬產官學三方皆支持的?心,代表性廠商包含地平線、華為旗下海思等代表;台灣則由產業聯盟領頭與聯發科和耐能等重要廠商。
(一)中國產官學助力,2023年AI晶片產值估將逼近35億美元。
AI產業是中國發展重點之一,其輔助政策如2017年《新一代人工智能發展規劃》、《2019年促進人工智能和實體經濟深度融合》,至「十四五」與「新基建」,都將AI視為未來關鍵國家競爭力。各大廠也因此陸續跟進,如百度發布AI新基建版圖著眼智慧雲伺服器;阿里宣布未來至2023年將圍繞作業系統、晶片、網路等研發和建設,騰訊則聚焦區塊鏈、超算中心等領域。
產官學研加重AI的發展力道也反映於AI晶片上,ASIC(特殊應用基體電路)廠商比比皆是。其中,AI晶片布局物聯網領域的廠商眾多,包含瑞芯微、雲天勵飛、平頭哥半導體、全志科技等,主要面向雲端運算、行動通訊、物聯網與自動駕駛四大領域。其中,物聯網領域進一步聚焦於智慧家庭、智慧交通、智慧零售與智慧安防部分,執行語音、圖像、人臉與行為辨識等應用。若進一步聚焦於邊緣運算領域,則以地平線、寒武紀、華為海思、比特大陸、鯤雲科技等最為積極。整體而言,TrendForce預估,中國AI晶片市場有望從2019年13億美元增長至2023年近35億美元。
綜觀中國AI晶片發展,雖有中美貿易摩擦導致設計工具、製造封測等環節較受限制,且開發成本始終居高不下,然而,藉由產官合作以及中國內需市場需求動能,仍能有效支撐該產業成長。若以邊緣運算來看,鑒於AIoT市場持續茁壯,特定應用的ASIC將是重要發展趨勢,尤以汽車、城市與製造業來看,相關場景應用如人身語音行為辨識、人車流量辨識、機器視覺等需求皆相當明朗,預期也將成廠商中長期發展主軸。
(二)台灣人工智慧晶片聯盟積極整合,監控與機器人為邊緣AI應用兩大方向。
台灣廠商聯發科和耐能同樣結合邊緣運算與AI兩技術作策略布局,就整體產業而言,2019年由聯發科、聯詠、聯電、日月光、華碩、研揚等廠商共同組成的台灣人工智慧晶片聯盟(AITA)發展迄今已越趨成形,各關鍵技術委員會(SIG)亦訂定短中長期發展目標。
邊緣AI發展則由AI系統應用SIG推動,其第一階段至2020年著眼半通用AI晶片發展與智慧監控系統應用平台的裝置端推論,2021年則聚焦以裝置端學習系統參考設計,以及軟硬體發展平台的裝置端學習為主,並規劃在2023年能以多功能機器人為主體,發展多感知人工智慧和智慧機器人AI晶片發展平台。
換言之,藉由業界在智慧裝置、系統應用與AI晶片的串聯,短期至2022年都將是台灣邊緣AI大力發展階段,並朝智慧監控、多功能機器人深化,預期此也將帶動系統整合的凌群、博遠,終端設備的奇偶、晶睿碩,以及晶片設計的聯發科、瑞昱等邊緣AI商機;但相較中國廣大內需市場,台灣仍需藉由打造讓晶片廠和系統商充分整合的互補平台,以利降低晶片開發成本,並從其中尋求更多可供切入的大廠產業鏈。
附圖:2019~2023年中國AI晶片市場推估
AI於IOT流程主要著眼數據處理與分析之效
台灣人工智慧晶片聯盟系統應用SIG發展架構
資料來源:https://www.chinatimes.com/newspapers/20210502000153-260511?fbclid=IwAR0zlvUv8MKpcHrbgpa3xRAFaQXaxZuep9TCeZ-75myILNjuDV4SWEIdKZ8&chdtv
計算有幾個位元是1 在 [心得] Bit index和de Bruijn sequence - 看板C_and_CPP 的美食出口停車場
以前上課的時候老師有提過這個問題,這些是當時的筆記,我覺得最後
的解法蠻有趣的,跟大家分享。
假定有一個非零正數x以二進位表示,要找出最後一個1的位置,範例:
0100101000100000 <- 第 6 個位置為1,所以輸出 5
(計算0-base的位置,也可以想像成是算最後有幾個0)
在這邊先假設n為機器上表示一個整數所使用的位元數,以n=32來示範。
首先可以把題目簡化,假定x中只有一個bit為1,如果x中有兩個以
上的bit為1,可以利用 x &= (~x+1)來把最後一個1分離。
(x &= -x也可以,如果是二的補數表示法)
當分離出來之後,就有很多種計算法了,這邊就不考慮用組合語言的解法。
第一種是迴圈法
for ( index = -1; x > 0; x >>= 1, ++index ) ;
不過這種方法會需要n次的計算。
第二種是二分搜尋法,這需要lg n次的比較。
第三種方法是用bitwise parallel的技巧,其實跟二分搜尋法是一樣的道理
index = 0;
index += (!!(x & 0xAAAAAAAA)) * 1;
index += (!!(x & 0xCCCCCCCC)) * 2;
index += (!!(x & 0xF0F0F0F0)) * 4;
index += (!!(x & 0xFF00FF00)) * 8;
index += (!!(x & 0xFFFF0000)) * 16;
雖然需要lg n次的計算,但是不像二分搜尋法要做比較運算。
第四種方法是查表,不過x的範圍很大,所以只能分段查表。
第五種方法是利用perfect hash的技巧。
因為x只有32種可能,可以設計一個perfect hash function直接查
出index。
而這個hash function一般會用 x % 37,同時需要開一個大小為37
的table(所以有一些空間會浪費了)。
這方法很好設計,就是找比n稍微大一點的數字來試試看即可。
第六種是利用de Bruijn sequence。
其實這方法跟第五種方法很像,也是設計一個perfect hash function。
只是這方法免除了取餘數的運算,同時也只需要大小為32的table。
hash function是 (x * 0x077CB531) >> 27 其中的0x077CB531就是
de Bruijn sequence。
這方法對於n是二的次方數的機器都可以使用,至於n不是二的次方數
的機器應該不多。
這方法的原理從兩個方面來看,第一個是x本身一定是二的次方數,
所以任何一個數字乘以x,就相當於左移的運算。
而de Bruijn sequence的特殊之處,就是在於此序列中的任意連續
五位元都是相異的。五個位元總共有三十二種可能性,而至少要有
三十二個位元才有可能包含所有三十二種可能性(序列要想成頭尾
相接的)
舉例:00010111就包含了 000, 001, 010, 101, 011, 111, 110, 100
這八種三位元的所有組合。
所以當de Bruijn sequence乘以 x 又右移27個位元的時候,就相
當於是把sequence中的一組五位元子序列取出,這保證不同的x一
定會有不同的子序列,所以是一個很好的hash函數。
(32位元的de Bruijn sequence有很多個,但是這方法要用的時候
必須挑00000開頭的)
關於第六種方法的詳細研究可以參考下面這網址,裡面還有說當一
個數字有兩個bit為1的時候,怎樣可以快速找出來
https://supertech.csail.mit.edu/papers/debruijn.pdf
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.119.162.51
... <看更多>