ARM中國：周易NPU加速算力升級 推動端側(cè)AI應(yīng)用發(fā)展

  ICC訊 近日，在第12屆中國硬科技產(chǎn)業(yè)鏈創(chuàng)新趨勢峰會上，ARM CHINA產(chǎn)品總監(jiān)鮑敏祺發(fā)表《端側(cè)AI應(yīng)用芯片機(jī)遇，NPU加速終端算力升級》主題報告，AI端則的生態(tài)發(fā)展并介紹“周易”NPU IP產(chǎn)品，對接并滿足多樣化端側(cè)硬件設(shè)備的不同AI計算需求。

  端側(cè)AI新機(jī)遇指的是最新AIGC大模型帶來算力的提升，端側(cè)AI應(yīng)用也在算力加持下不斷發(fā)展壯大。在AI經(jīng)典應(yīng)用中，已經(jīng)可以通過手機(jī)拍攝可以識別物體類型，在短信提取關(guān)鍵信息和總結(jié)給用戶，又例如在圖片庫搜索中，通過AI大模型快速理解，迅速識別所需要的圖片?？傮w而言就是利用AI加速人們的辦事效率，并且AI獲得了公眾號的認(rèn)可。這一切依賴于AI硬件側(cè)的性能支撐。

  過去，云計算應(yīng)用成為數(shù)據(jù)中心增長的主要驅(qū)動力，而現(xiàn)在AI大模型訓(xùn)練和推理正在驅(qū)動智算中心規(guī)模的發(fā)展。AI端側(cè)的算力是否會像云端一樣不停地膨脹？鮑敏祺認(rèn)為低于100億參數(shù)的大預(yù)言模型將會成為主流模型，事實上因為帶寬制約，10億至30億參數(shù)是普遍在端側(cè)和現(xiàn)有帶寬下能夠部署出來的大模型，并且容量優(yōu)化有很大的增強(qiáng)空間。當(dāng)然，70億參數(shù)模型會面臨顯著的帶寬壓力，但在高帶寬場景下也能夠成功部署。

  站在應(yīng)用端客戶來看，頭部終端廠商如谷歌、微軟、蘋果等引領(lǐng)了推動端側(cè)AI的發(fā)展，中國廠商如華為、OPPO、小米等也在其消費(fèi)電子產(chǎn)品和具體業(yè)務(wù)場景上部署AI應(yīng)用。芯片廠商一致認(rèn)為AI NPU（神經(jīng)網(wǎng)絡(luò)處理單元）將是未來消費(fèi)類電子產(chǎn)品發(fā)展的重點(diǎn)。NPU通過專門優(yōu)化的硬件架構(gòu)，能夠大幅提升端側(cè)設(shè)備的AI計算能力，同時降低功耗。

  30-700億并行參數(shù)大模型如何接入硬件設(shè)備，AI硬件側(cè)面臨的挑戰(zhàn)主要時哪些？鮑敏祺總結(jié)為成本、功耗和生態(tài)，其中成本主要來自于存儲、帶寬限制和算力，尤其是一個SOC的整體面效，因為很多端側(cè)設(shè)備對芯片面積的預(yù)算會高度吃緊，包括算力資源。功耗需要考慮功耗預(yù)算的設(shè)置， AI很多程度上是來源于數(shù)據(jù)的搬運(yùn)，特別用于外層的搬運(yùn)，因此功耗cost會越來越高，而生態(tài)包括了軟件成熟度，因為語言模型需要不斷迭代優(yōu)化才能抓住最重要的目標(biāo)客戶，這又帶來另一個挑戰(zhàn)，就是軟件和工具需要更多優(yōu)化和支持。

  NPU就是端則AI不斷迭代優(yōu)化的關(guān)鍵硬件，ARM自研的“周易”NPU針對于AI硬件側(cè)挑戰(zhàn)做了哪些事情？一是微架構(gòu)的升級，從計算能力上對它進(jìn)行優(yōu)化。當(dāng)前階段它保留了一部分CNN的能力，同時對Transformer進(jìn)行升級，而Transformer的engine需要更強(qiáng)的softmax算力。二是Efficiency數(shù)據(jù)本地化，非本地化會帶來額外的能耗。周易NPU從算法上、從工具鏈上能夠?qū)崿F(xiàn)低精度量化，同時從硬件上對于低精度計算做更多的硬件加速。其次是compression無損壓縮以增加有效的帶寬。

  因為周易NPU針對于大模型做一些總線帶寬的擴(kuò)展。特別是解碼架構(gòu)場景的算力要求并不高，但是對于帶寬要求卻很高。出于這種考量，In-NPU interconnection對于整個interconnect單核往外的帶寬能力有很大的提升。三是并行處理，包括數(shù)據(jù)并行和模型并行，在并行運(yùn)作時貢獻(xiàn)weight參數(shù)和減少我的數(shù)據(jù)搬運(yùn)，實現(xiàn)負(fù)載均衡。

  鮑敏祺介紹了周易NPU架構(gòu)，包含task schedule manager（任務(wù)日程管理器）、Optional on Chip SRAM、DRAM和CPU，未來的端側(cè)AI是一種多任務(wù)場景，需要一個高效的scheduler并行股那里和具有可擴(kuò)展能力的核心。針對算法的特殊需求，可以在整個外部SOC上增加SRAM。更重要的是NPU異構(gòu)策略，即獨(dú)立端到端地去執(zhí)行AI任務(wù)，并且自由裁減8T或10T的場景，與同構(gòu)策略形成鮮明的不同。NPU異構(gòu)在端側(cè)場景上還可以實現(xiàn)power gating或低功耗，即專注于某一種計算時，將其他不必要的功耗降至最低，若是所有應(yīng)用采用這種處理方式，就可以將端側(cè)功耗降下來。ARM NPU已經(jīng)針對汽車、AI加速器、AIoT等場景進(jìn)行了相應(yīng)的實踐，實現(xiàn)了顯著的算力提升和功耗降低。

  下一代周易NPU將面向AI生態(tài)進(jìn)行優(yōu)化升級，目前已經(jīng)針對Wenxin、Llama、GPT等模型做了相關(guān)部署。在邊緣計算上，面向PAD、PC、Mobile等各類場景推出相應(yīng)產(chǎn)品或適配。在汽車應(yīng)用上，無論是IVI或是ADAS都可以根據(jù)實際場景算力需求和模型需求，提供最高至320tops的算力能力。