高通發明的超低功耗專用AI架構，其所使用的超低功耗工藝，可以有效節省能源，且相對于其他的通用架構，具有很高的實用性以及可移植性。

在2020CES展會上，高通展示了其在云端AI領域布局的產品：高通Cloud AI 100系列芯片，這個系列的芯片是高通開展云端AI產業的標志性事件，作為無線終端領域的佼佼者，也開始在云端應用領域發力。

而此前，高通除了無線通信芯片外，還設計了用于汽車無人駕駛、車內通訊、媒體信息娛樂系統和車輛連接系統等方面的芯片，這些芯片相對于手機、PC端的處理器，需要更加低的功耗以及可以面向專用設計平臺。

而隨著AI應用的興起，對于支持AI任務的專用芯片逐漸受到人們的重視，高通在18年9月1日申請了一項名為“超低功率神經元形態人工智能計算加速器”的發明專利（申請號：201880053525.8），申請人為高通股份有限公司。

根據該專利目前公開的資料，讓我們一起來看看這項超低功耗的專用AI處理架構吧。

如上圖，為該專利中發明的使用包括超低功率神經元形態人工智能計算加速器的片上系統（SOC）來設計神經網絡的示意圖，該系統中包含有中央處理單元、圖形處理單元、數字信號處理單元、專用存儲塊以及多種傳感器系統。

這種硬件設計架構其實是一種專用的系統架構，其中包含有傳感器和導航，可以應用在特定的領域，例如無人駕駛技術中，通過傳感器采集路面數據，然后交給CPU和GPU進行數據處理，從而可以控制無人汽車的駕駛。

如上圖，為深度卷積網絡（DCN）的示意圖，這是一種被設計成為圖像捕捉的視覺特征識別設備，例如無人駕駛汽車上的攝像頭系統。330為攝像頭系統，可以為系統提供需要識別的圖像，DCN（300）包括特征提取部分和分類部分，在收到圖像時，卷積層可以進行卷積運算來對于圖像進行處理得到特征圖，最終得到處理結果，例如對于路況進行識別。

而這種運算，通常需要CPU和GPU的相互配合，大多是在軟件層面進行計算，因此，為了滿足高效率的計算需求以及低硬件開銷，如果有專用的神經網絡處理器，則很適合這種場景下。此外，該專利中還使用了超低電壓工藝來制造局部功率管理器，從而可以實現占用處理器的超低功耗，有效提升續航。

如上圖，就是具有人工智能計算加速器的神經處理器設計架構圖，其中包括存儲器塊504、神經處理器502和程序存儲器506，與神經網絡計算相關的變量、突觸權重、系統參數等信息可以被存儲在存儲器塊中，而在神經處理器處執行的指令可以從程序存儲器中加載。

現在深度神經網絡要比約十五年前研究者使用的計算資源多數千倍，借助于這種專用的神經網絡處理器，結合新型訓練架構，可以進一步推進深度學習的性能，經過矯正的線性單元可減少被稱為梯度消失的訓練問題，新的訓練技術可減少過度擬合問題，而將芯片進行封裝的技術可以抽象出在感受野中的數據并進一步提升總體性能。

在無人駕駛技術中，由于車身空間有限，此外除了中控系統外，還需要安裝大量的傳感器，對于運算在本地進行的無人駕駛汽車來說，如果繼續使用類似于PC端的架構以及使用通用AI運算系統，則無疑不利于空間的設計，而使用這種專用架構的方式，則可以很好的適用于這種專用的領域。

以上就是高通發明的超低功耗神經元形態人工智能計算加速器，這種專用AI處理架構，可以很好的應用在例如無人駕駛、實時視頻監控等領域，其所使用的超低功耗工藝，可以有效的節省能源，提高設備的續航能力，相比于其他的通用架構，具有很高的實用性以及可移植性。

關于嘉德

深圳市嘉德知識產權服務有限公司由曾在華為等世界500強企業工作多年的知識產權專家、律師、專利代理人組成，熟悉中歐美知識產權法律理論和實務，在全球知識產權申請、布局、訴訟、許可談判、交易、運營、標準專利協同創造、專利池建設、展會知識產權、跨境電商知識產權、知識產權海關保護等方面擁有豐富的經驗。
責任編輯:tzh