智能AI计算芯片对比.pdf下载

weixin_39821051 2023-03-19 13:30:11

智能AI计算芯⽚对⽐下⾯是本⼈接触到的AI芯⽚，主要涉及华为、⽐特⼤陆-算丰、英伟达。其他还有寒武纪、地平线、瑞芯微等没有接触过就不对⽐了。易开发性：⽐特⼤陆>英伟达>华为性能:华为>英伟达>⽐特⼤陆（性能不是很好对⽐，每家实现的算⼦性能有差异，不能单纯对⽐TOPS）算⼒算⼒内存内存带宽带宽（GB/s）（GB/s）解码解码编码编码功耗功耗备注备注昇腾310 16TOPS INT8 LPDDR4x 8/4GB H.264/H.265 16路 1080P@30FPSJPEG 1080P@256FPS 1路 1080P@30FPS 9.5W Caffe/TensorFlow Atlas300 4x4TFLOPS62TOPS@INT8 LPDDR4x 4x 8GB H.264/H.265 4x 16路 1080P@30FPSJPEG 4x 1080P@256FPS 4路 1080P@30FPS 67W HI3559A 4TOPS@INT8- NNIE+2TOPS@INT8-DSP LPDDR4x 4GB 视频：8路1080P@30FPSJPEG： 1080P@240FPS 5W 算丰 BM1880终端芯⽚ 1TOPS@INT8（Winograd 算计可达2TOPS@INT8） LPDDR4 最⼤4GB 2路 1080P@30FPSFHD:1080P@75FPS 2.5W 多框架⽀持 Caffe\ONNX 算丰 BM1682云端芯⽚ 3TFLOPS 8路1080P@30FPS 可堆叠多颗芯⽚算丰 SC1/SC1+ 2TFLOPs/4TFLOPs 16/32GB 50 1颗BM1680/2颗 Nvidia jetson TX2 1TFLOPS4TOPS@INT8 LPDDR4x 8GB D2D 35D2H/H2D 20 8路1080P@30FPS 7.5W 实测BM1682 VS HI3559A（单NNIE）⽹络有快有慢，并不是某个芯⽚⼀定快。 bm1682 bm1682 hi3559a hi3559a YOLOv3_352x384 32.65ms 41.4ms 1 2 4 YOLOv3_288x320 19.31ms 33.74ms 61.17ms mobilenetv2_288x320 3.16ms MTCNN_16x56 0.246ms 0.193ms CNN_48x168 0.649ms 3.75ms , 相关下载链接：https://download.csdn.net/download/qq_43934844/87505327?utm_source=bbsseo

...全文

13 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

智能AI计算芯⽚对⽐下⾯是本⼈接触到的AI芯⽚，主要涉及华为、⽐特⼤陆-算丰、英伟达。其他还有寒武纪、地平线、瑞芯微等没有接触过就不对⽐了。易开发性：⽐特⼤陆>英伟达>华为性能:华为>英伟达>⽐特⼤陆（性能不是很好对⽐，每家实现的算⼦性能有差异，不能单纯对⽐TOPS）算⼒算⼒内存内存带宽带宽（GB/s）（GB/s）解码解码编码编码功耗功耗备注备注昇腾310 16TOPS INT8 LPDDR4x 8/4GB H.264/H.265 16路 1080P@30FPSJPEG 1080P@256FPS 1路 1080P@30FPS 9.5W Caffe/TensorFlow Atlas300 4x4TFLOPS62TOPS@INT8 LPDDR4x 4x 8GB H.264/H.265 4x 16路 1080P@30FPSJPEG 4x 1080P@256FPS 4路 1080P@30FPS 67W HI3559A 4TOPS@INT8- NNIE+2TOPS@INT8-DSP LPDDR4x 4GB 视频：8路1080P@30FPSJPEG： 1080P@240FPS 5W 算丰 BM1880终端芯⽚ 1TOPS@INT8（Winograd 算计可达2TOPS@INT8） LPDDR4 最⼤4GB 2路 1080P@30FPSFHD:1080P@75FPS 2.5W 多框架⽀持 Caffe\ONNX 算丰 BM1682云端芯⽚ 3TFLOPS 8路1080P@30FPS 可堆叠多颗芯⽚算丰 SC1/SC1+ 2TFLOPs/4TFLOPs 16/32GB 50 1颗BM1680/2颗 Nvidia jetson TX2 1TFLOPS4TOPS@INT8 LPDDR4x 8GB D2D 35D2H/H2D 20 8路1080P@30FPS 7.5W 实测BM1682 VS HI3559A（单NNIE）⽹络有快有慢，并不是某个芯⽚⼀定快。 bm1682 bm1682 hi3559a hi3559a YOLOv3_352x384 32.65ms 41.4ms 1 2 4 YOLOv3_288x320 19.31ms 33.74ms 61.17ms mobilenetv2_288x320 3.16ms MTCNN_16x56 0.246ms 0.193ms CNN_48x168 0.649ms 3.75ms

根据Gartner、IDC等数据，全球对人工智能应用的需求逐步提升，2020年全球AI芯片市场规模可以达到101亿美元，预计2025年可以达到726亿美元，2020年至2025年CAGR可达到48.4%；同时，边缘计算被视为人工智能的下一个战场。预计2020年，全球边缘计算市场规模可以达到424亿美元，2015到2020年年复合增长率可以达到87.4%。这些都极大地推动了AI芯片行业的发展。甲子光年综合专家及多方面资料，认为 2020年中国AI芯片市场规模可以达到151亿元，预计2023年可以达到557亿元，2018年至2023年CAGR可达到55.4%。中国乃至全球AI芯片尚处于产业早期阶段，2016年，中国AI芯片市场规模全球占比已达到20%，随着超级数据中心、各行业AI应用的落地、边缘计算及云-边-端的协同发展，中国AI芯片行业具有较高的市场潜力，预计2023年中国AI芯片市场规模占全球AI芯片行业的25%。此次报告中，甲子光年智库从AI芯片的范围、全球及中国芯片市场分析、中国典型AI芯片厂商案例等多个方面进行研究，介绍了中国AI芯片行业的发展。本次报告的核心发现如下： 1.全球及中国芯片市场规模：2020年全球AI芯片市场规模可以达到101亿美元，预计2025年可以达到726亿美元，2020年至2025年CAGR可达到48.4%；2020年中国AI芯片市场规模逾151亿元，2018年至2023年CAGR可达到55.4%，预计2023年中国AI芯片市场规模占全球AI芯片行业的25%。 2.边缘+终端AI芯片待爆发：终端AI芯片2018至2023年复合增长率可以达到62.2%，高于云端AI芯片的同阶段复合增长率。 3.云端芯片仍以GPU为主，但市场期待新方案：GPU仍然是各大厂商的核心需求，但随着数据负载量及超级数据中心的建成，市场也更期待其他方案。 4.落地场景及行业多样，目前仍在垂直领域/行业爆发前期：针对行业细分AI芯片未来将有更多的垂直设计及应用，以满足各领域的细分需求爆发。 5.中国“芯”，势不可挡：华为海思、依图、地平线、云天励飞等企业纷纷推出AI芯片+解决方案，受到市场关注。

Watson 是最早一代的人工智能。现如今，人工智能飞速发展，企业”上云”节奏正在加速，特别是在以人工智能技术为代表的新一波技术浪潮推动下，企业一方面通过云技术增强了自身的数据存储连接、计算以及智能应用能力；另一方面，利用基于云计算之上的大数据、人工智能等新技术，企业又可以以较小的成本、更高效地挖掘出提升企业业务的数据与方法，实现云、数、智的自然融合和协力发展。

时下智能语音交互市场火热，越来越多的设备都开始支持原场AI语音交互。例如:智能音箱，智能电视等等。但这类产品的识别率和误唤醒率还需要再不断的优化提升，以至于日常生活中人们还是离不开各式各样的遥控器。基于TDK 6-轴传感器ICM-40608和炬芯 BLE SOC ATB1103的智能语音遥控器解决方案实现真正的智能、万物互联。遥控器方案整体硬件设计指南基于Actions 炬芯的ATB110x SOC BLE语音遥控器已经大批量量产，搭配 6-轴运动传感器使其更加智能、拥有更高的市场竞争力； PCB板按功能模块分模拟信号部分（例如MIC IN走线）、射频信号部分（例如BLE及相关关键外围）、数字信号部分（例如TWI、UART、SPI等），电源部分（如芯片内部电源），模拟信号和射频信号容易受到干扰，布局时尽量远离数字信号电路和大电流电源电路。BLE的天线应远离喇叭（以及喇叭引线）、指示灯、频谱灯、按键等的排线。数字、模拟元器件尽量远离并限定在各自的布线区域内。元器件周围留出电源和地走线的空间。数字元器件集中放置以减少走线长度。在IC的电源Pin放置0.1uF的去耦电容。晶振电路尽量靠近其驱动器件。为利于系统散热，布局时发热量较高的器件尽量分开摆放，有EPAD的器件可以在地焊盘和器件周围的地多打过孔，可以达到更好的散热效果。在设计许可的条件下，元器件的布局尽可能做到同类元器件按相同的方向排列，相同功率的模块集中在一起布置；相同封装的元器件等炬力放置，以便元件贴装、焊接和检测。走线 RF走线对于板载天线注意点如下: 1）板载天线面积尽量大，在匹配时带宽会更加宽，性能更佳； 2）匹配网络尽量靠近板载天线，如下图所示； 3）如果面积允许情况下靠近芯片端多预留一个TT型匹配网络，可根据情况进一步优化匹配； 4）针对两个走线的情况，在叠层选定后需计算相关的线宽和铺铜间距，因为板材有差异，注意和板厂沟通相关阻抗情况；电源线: 1）根据印制线路板电流的大小，尽量加粗电源线的宽度，减少环路电阻。大电流的电源过孔推荐使用大于20-12mil的过孔，并打多个过孔连接。 2）电源线、底线的走向和数据传递的方向尽量保持一致，有助于增强抗噪声能力。地线:1）模拟地、数字地、大功率器件的地在布线时分开，而最后都汇集到接地点上来，如:MIC会进行单独的AGND处理再连接到GND上。 2）接地线应尽量加粗。若接地线很细，则接地电位随电流的变化而变化，致使电子设备的信号电平不稳，抗噪声性能变差。因此应将接地线加粗，使它通过三倍于印制板上的允许电流。 TDK拥有最丰富的麦克风产品组合、基于运动传感器的光标控制的核心专利拥有者，适用于智能遥控器、智能电视和机顶盒的完整软件包（空鼠、手势、游戏控制）； Air Motion软件方案嵌入式软件:AirMotion Library （AML） 6-轴软件运行在遥控器端提供空中相对指向发送dx/dy给远端目标设备支持基本的手势支持无线接口目标CPU:8051，ARM Cortex M0，M3，M4 AirMotionLib固件数据基于ARM Cortex-M3平台验证数据处理频率:100Hz 基于运动的功能算法简介 AML算法获取手持遥控设备内的6轴运动传感器数据，在遥控设备端融合计算出远端被控制焦点在两纬平面的实时相对位置（dx, dy）。同时，为了保证良好的用户体验，AML算法对传感器数据做实时动态校准，设备横滚补偿。AML算法还可以支持常用的遥控手势识别，如左、右、上、下四方向的划动，以及顺时针和逆时针方向的快速旋转。 1、 API AIR MOTION库使用以下功能: •invn_algo_aml_init（）:每次处理（重新）启动时，必须调用此函数进行库初始化。•invn_algo_aml_process（）:每次有新的传感器值时，都必须调用此函数。该库被设计为以100Hz运行。 2、校准陀螺仪偏移值可能会随着时间的推移而波动，具体取决于各种参数。该库支持连续校准，实时计算陀螺仪偏移值。每次调用invn_algo_aml_process（）时，都会检查陀螺仪即时“静态”。如果考虑设备静态，计算新的陀螺仪偏移值。然后可以将遥控器视为已校准。您可以检查'InvnAlgoAMLOutput.status'以跟踪校准状态。 'gyr_fsr'参数用于校准运动算法。 'acc_fsr'参数用于滚动补偿功能场景应用图产品实体图展示板照片方案方块图ICM-40608参数对比关键网络原理图核心技术优势TDK硬件和软件的优势》终极用户体验最好的声音质量快速响应的空中指向直观、高效的应用体验》最低功耗的灵活方案嵌入遥控器可运动在远端设备（智能电视、机顶盒或者流媒体设备）》低风

原文地址::常见AI芯片算力汇总_物联全栈的博客-CSDN博客相关文章 1、人工智能芯片技术白皮书2018（中文版）.pdf----人工智能芯片技术白皮书2018（中文版）.pdf_人工智能芯片技术-深度学习文档类资源-CSDN下载 2、常见AI芯片算力对比(二)----常见AI芯片算力对比(二)_a1809032425的博客-CSDN博客_ai芯片算力 3、AI芯片：几种常见类型的AI芯片----AI芯片：几种常见类型的AI芯片_happyday_gyx的博客-CSDN博客_ai芯片有哪..

下载资源悬赏专区

12,889

社区成员

12,442,789

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章