英特爾的Movidius AI加速技術適用於mini-PCIe版本，旨在加速神經網路

AiTechYun

編輯：nanan

Aaeon公司推出了「UP AI Core」—— mini-PCIe版本的英特爾Movidius神經計算棒，用於神經網路加速，可用於UP Squared SBC和其他Ubuntu驅動的x86_64計算機，預計4月上市，售價為69美元。

正如英特爾在上周宣布「Intel AI」時所承諾的那樣:在其Movidius神經計算棒的生產程序中，Aaeon推出了一款名為UP AI Core的mini-PCIe版本。它同樣集成了英特爾注入AI的Myriad 2視覺處理單元（VPU）。與連接到基於雲的服務相比，mini-PCIe連接應該為神經網路和機器視覺提供更快的響應時間。

Aaeon表示，該模塊的設計是為了「通過硬體加速深度學習和增強的機器視覺功能來增強工業物聯網邊緣設備。」它還可以實現「無人機、高端虛擬現實頭盔、機器人、智能家居設備、智能相機和視頻監控解決方案等產品中的目標識別」。

UP AI Core針對Aaeon的ubuntuc支持的UP Squared hacker board進行了優化，其可在英特爾的Apollo Lake SoC上運行。然而，它應該可以與配備運行Ubuntu 16.04的mini-PCIe插槽的任何64位x86計算機或SBC配合使用。主機系統也需要1GB RAM和4GB的空閑存儲空間。這為個人電腦和嵌入式電腦提供了大量的選擇，儘管目前的UP Squared是唯一一個基於x86的社區支持SBC，配備了一個mini-PCIe插槽。

Aaeon幾乎沒有關於該模塊的技術細節，只是說它擁有512MB的DDR RAM，並提供超低功耗。與英特爾的79美元的Movidius神經計算棒所使用的USB連接相比，UP AI Core的mini-PCIe介面可能提供更快的響應時間。然而，Aaeon並沒有宣稱這一效應，或許是為了避免貶低英特爾的神經計算棒，或其他基於英特爾?AI：In Production計劃的USB產品。

兩種產品之間的性能差異也可以忽略不計，特別是與本地處理解決方案和Internet連接之間的差異相比。Aaeon表示，基於雲的連接用於訪問神經網路服務，會降低延遲、網路帶寬、可靠性和安全性的影響。該公司建議使用基於linux的SDK「在雲中創建和訓練您的神經網路，然後在AI Core上本地運行」。

不考慮性能問題，因為mini-PCIe模塊通常嵌入在計算機中，所以它比USB stck提供更高的安全性。另一方面，同樣的特質阻礙了移動的便利性。與UP AI Core不同，Neural Compute Stick可以在基於ARM的Raspberry Pi上運行，但只能在Stretch桌面或Ubuntu 16.04 VirtualBox實例的幫助下運行。

2016年，在被英特爾收購之前，Movidius公司推出了第一款Myriad 2 VPU技術的本地處理版本，名為Fathom。這款由Ubuntu驅動的USB記憶棒，在早期的Myriad 2參考板中實現了技術的小型化，與英特爾的Movidius神經計算棒重新出現的技術基本相同。

在語言理解、圖像識別和模式檢測等任務中，神經網路處理器明顯優於傳統的計算方法。絕大多數這樣的處理器(通常是重新使用GPU)都被設計在雲伺服器上運行的。

Myriad 2技術可以將深度學習框架（如Caffe和TensorFlow）轉化為自己的快速原型格式。這也是為什麼谷歌 採用Myriad 2技術的最新AIY Vision套件，用於Raspberry Pi Zero W的原因之一。該套件的VisionBonnet pHAT板使用了與UP AI Core相同的Movidius MA2450晶元。在VisionBonnet上，處理器運行谷歌的開源TensorFlow機器智能庫，用於神經網路，使視覺感知處理速度達到每秒30幀。

英特爾和谷歌並不是唯一希望將AI加速推向邊緣的公司。華為在其Mate 10 Pro手機上發布了一款Kirin 970 SoC，這款手機提供了一種神經處理協處理器，高通隨後推出了帶有自己的神經加速器的Snapdragon 845 SoC。Snapdragon 845將很快出現在三星Galaxy S9和其他手機中，並且還將出現在一些高端嵌入式設備上。

上個月，Arm推出了兩款用於移動和嵌入式協處理器的Trillium AI晶元設計。現在可用的是Arm的第二代對象檢測（OD）處理器，用於優化視覺處理和人員/物體檢測。今年夏天將推出機器學習（ML）處理器，它將加速AI應用，包括機器翻譯和人臉識別。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！