资料下载
嵌入式芯片要怎么样对应AI本地化处理的挑战
十次方
分享资料个
GPU和NNA（神经网络加速器）正在迅速成为AI应用的关键要素。随着不同企业开始挖掘神经网络在各种任务（比如自然语言处理、图片分类）中的潜力，集成人工智能元素的产品数量正在稳步的增长。与此同时，对于这些任务的处理也正在从传统的云端架构转移到设备本身上来，嵌入式芯片中集成了专用的神经网络加速器，可支持本地化AI处理。例如先进的驾驶辅助系统（ADAS）能够实时监控前方道路，还有集成语音识别类功能的消费电子产品，比如虚拟助理。基于神经网络的AI应用正在多个细分市场不断扩大。
Imagination公司的业务是为芯片设计提供必要的内核组件，我们在嵌入式图形处理器（GPU）和神经网络加速器（NNA）技术方面闻名，我们将这些技术授权给世界领先的芯片供应商。他们的产品被广泛应用在多个产品和服务中，因此Imagination在市场上占有着独特的位置，我们使得整个生态系统都能够参与到AI的发展中来。
不可否认，ai服务器在很多应用中都是至关重要的，但是也有很多的挑战。其中之一就是协调好终端设备和云服务器之间的处理负载，将AI处理操作放在最佳的位置来完成。例如在消费者终端设备上进行本地化AI语音识别;对于“唤醒”指令或其他简单指令，因为本地设备无法存储庞大的知识数据库，要利用这些数据就必须在云服务器浪潮ai服务器中实现很大一部分AI处理操作。目前的情况是很多市场上销售的产品都带有AI功能，但实际上它们只是在本地进行简单的模式匹配和识别，然后依赖云浪潮服务器完成进一步的AI处理。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
