所有的数据类型和模型，而不是优化，这不会带给处理器面积大且耗电量的问题，我们必须等候技术的平稳。”因此，对于想让机器学习技术更为非常简单易懂的Arm而言，方法有两个，一个是大大提高现有处理器，另一个就是发售新的神经处理单元（NPU）。

在技术还过于平稳的时候我们看见Arm不断改进Cortex CPU和Mali GPU，并因应软件构建AI功能。对于Arm发售NPU的时间点，Dennis Laudick回应：“最近我们早已看见机器学习技术正在平稳和成熟期，市场需求也正在大大减少，我们指出现在是转入市场的最佳时机。

”可以指出，基于Arm在处理器IP市场和整个生态链的关键地位，发售ML处理器的时间点晚一些不是什么大问题，更加吸食引人关注的是Arm的ML处理器究竟如何。Arm明年第一季度发售AI处理器对于将在2019年第一季度公布的Arm ML处理器，Dennis Laudick讲解，其定位与现有的Cortex CPU一样是系列产品，根据市场需求不会性能范围是1-4 TOP/s，给定有所不同的CPU符合手表、手机、智能家居、汽车等市场的市场需求。Arm ML处理器主要有三个部分，一个是MAC引擎，主要继续执行卷积计算出来；二是可编程引擎，可以反对未来新的算子和网络；三是数据管理，增加AI计算出来的耗电。他尤其认为，Arm在ML处理器的数据管理上做到了很多的设计和思维，因为AI的数据迁往比数据的计算出来更加耗电。

他们分析AI处理器中卷积运算所须要能量比不高，但数据的管理和迁往有可能是运算所须要功耗的一百倍。因此他们通过分析技术降低功耗，其中一个技术是数据的传输，可以增加数据的迁往量，另一个是自由选择神经网络单元权重转录或者不转录，还有就是数据的过滤器，用类似的方法减免不必要的加工。他们期望通过对有所不同场景的深入分析，尽可能做数据高效、多次用于，增加数据迁往降低功耗。当然，即便是经验丰富的Arm，认识到AI处理器最重要的是数据管理也回头了一些弯路。

Dennis Laudick回应：“Arm有很多种不同类型的处理器技术，当我们第一次看见机器学习时想起的是否可以从其中的一种处理器开始，因此我们开始用了GPU的方法，但最后找到机器学习处理器面对的不是处置问题而是数据问题，所以中止了早期GPU的方法，创立了一个全新的处理器专心于数据以及机器学习中的数据类型，可以继续执行分段指令。”Dennis Laudick也同时认为，无论是CPU、GPU、FPGA还是ASIC都可以运营机器学习算法，不同点在于比如构建某种程度的人脸关卡功能，GPU必须的时间多于CPU，而NPU则需要构建最慢的速度和低于的功耗。谓之人思维的是，Dennis Laudick指出有所不同类型的AI处理器限于于AI早期市场，机器学习领域市场最后有可能是CPU占到80%的市场，NPU占到20%的市场。他指出CPU在不断改进，而市场上更加普遍的NPU也大大经常出现，最后GPU和FPGA将不会消失，留给最标准化的CPU和最专用的NPU。

不过，在Dennis Laudick显然软件才是AI处理器中更加关键的部分。他回应：“Arm的AI处理器是一个异构的系统，其中包括CPU、GPU、NPU等，但作为IP核想构建更佳的可配备性软件体系十分最重要。所以在硬件之上有我们尤其优化的Compute Library，它不会把底层的硬件和驱动展开充份优化，根据算子的有所不同市场需求驱动硬件，可以提高几倍到十几倍的效率。

再行上一层是Arm nn，可以将TensorFlow、Caffe等神经网络框架转换成Compute Library可以继续执行的任务，让开发者不必关心底层的硬件，只必须用于标准架构展开研发就可以。”至于Arm nn以及Compute Library是如何构建根据市场需求做到机智性的决策充分发挥异构系统的优势的问题，Dennis Laudick回应，Arm实质上利用了许多专家的分析，通过横跨团队的专家团队分析应用程序和软件，企图寻找瓶颈和容许，最后确保软件十分优化。

为了让Arm nn和Compute Library更为优化，Arm也希望硬件架构师和软件分析团队密切合作。还可以看见，Arm Project Trillium中除了有ML处理器、NN SDK，还有OD（Object Detection，对象检测）处理器，Arm指出，手机、摄像头、汽车等都是机器学习中对象检测的头号应用于，因此对象检测市场充足大，有一点做到一个额外的处理器，尤其是针对物体辨识。AI处理器获得胜利软件和数据更加关键？必须认为的是，NPU是目前继续执行机器学习任务效率最低的处理器，但对价格较为脆弱的产品，NPU的成本难以承受，只享有CPU，并且用于CPU处置机器学习就已足够。

因此在物联网和AI领域，基于RISC-V指令集的CPU也受到了不少的注目，一些人也指出RISC-V处理器未来将不会在物联网智能终端沦为Arm的竞争对手。回应，Dennis Laudick回应：“基于RISC-V指令集的处理器是一个CPU，它并没确实与我们的NPU产生竞争，在CPU方面，我们早已展开了两到三代的机器学习改良，比如反对向量拓展，RISC-V也开始实行其中的一些改良，不过这些事情我们早已做到过。”他更进一步认为，在机器学习方面，很多芯片公司专心于硬件，与他们有所不同，为了需要让每个人都能更佳地取得机器学习，我们最重要的事情就是保证软件生态系统具备完全一致的平台。因为程序开发人员创立一个应用程序是期望其需要运营在更好设备上，通过获取一个标准化、平稳的软件平台，需要保证我们扩展CPU以提升机器学习的能力。

并且我们为市场获取新的硬件功能时，软件社区也不会显得十分有创新。软件生态系统是Arm顺利的关键所在，Arm发售较好的处理器是因为软件生态系统有这样的市场需求，这也是Arm过去20年早已做到的事情。也了解到，为了需要更佳的建构软件生态，Arm将不会自由选择与工程师、软件公司等展开普遍合作。

其中也与Android生态的大公司展开了合作，Arm在中国生态系统中的大公司花费的时间也更加多。因此，Dennis Laudick指出近两年的AI热潮不会对于软件行业带给革命性的变化，因为传统的软件在概率辨别，评估猜测方面有一些局限性，AI对概率辨别的准确度和猜测的准确度下有其特点，AI也将带给软件2.0的时代。至于许多人都关心的在AI芯片市场中谁将获得最后胜利的问题，Dennis Laudick指出：“AI还正处于较为早期的阶段，现在辨别谁能落败为时尚早。

不过，全球的大公司都在AI上投放了大量的资金，但有一个极大的差异是中国的公司更容易取得数据，也能更加精彩的用于这些数据，所以我指出在机器学习方面中国的公司在数据方面更加具备优势，但还不告诉它将如何发挥作用。”小结Dennis作为享有20余年移动、汽车与消费电子领域从业经验的资深人士，对于AI发展具有自己的仔细观察，对Arm的AI处理器的理解也让我们以求更进一步理解将要在明年第一季度公布的Arm ML处理器。

在算法、模型都还过于平稳的时候，作为获取处理器IP和标准化处理器的公司，Arm和高通没生气发售NPU，而是通过优化硬件和软件提高AI性能是一个明智的自由选择，却是他们与华为和苹果这样手机处理器只为自己所用的公司具有极大的差异。在整个专访的过程中，Dennis重复提及软件的重要性，这对于一些AI芯片企业而言也许是一个警告，却是现在早已有更加多的IC设计公司意识到了AI时代与软件团队合作的重要性。

那么，除了硬件和软件，数据又将如何影响AI芯片市场的竞争？涉及文章：Arm发布未来三年CPU路线图，意欲正面杀掉“挤牙膏”的Intel一窥ARM的AI处理器原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：金年会金字招牌信誉至上-www.syaowei.com