芯东西（ID：aichip001）
编辑 |  温淑

GTIC 2020全球AI芯片创新峰会刚刚在北京圆满收官！在这场全天座无虚席、全网直播观看人数逾150万次的高规格AI芯片产业峰会上，19位产学界重磅嘉宾从不同维度分享了对中国AI芯片自主创新和应用落地的观察与预判。

在峰会下午场，Imagination Technologies公司副总裁&中国区总经理刘国军，发表了题为《多核GPU与专用NNA推动从云到端侧智能应用》的演讲。

▲Imagination Technologies公司副总裁&中国区总经理刘国军

刘国军讲解了Imagination的产品设计思路。随着AI赋能的时代来临，从互联网到物联网、从指纹解锁到高性能计算，各个领域对算力的需求高涨。后摩尔时代，异构加速计算成为满足全球各领域算力需求的可行解决方案。CPU、GPU、FPGA、ASIC、专用AI加速器的异构融合，为提高算力开辟了新的方向。

面向算力需求，Imagination打造GPU IP和神经网络加速器（NNA）IP的产品组合，分别着眼于AI计算的灵活性，以及高计算密度、低功耗需求。

Imagination分别于今年10月和11月，发布了采用多核架构的最新B系列GPU IP和第四代NNA IP。在GTIC AI芯片创新峰会上，刘国军亦分享了这两款重磅新品的性能特点，其中B系列GPU IP包含四款产品，功耗较前代产品降低30%，面积缩减25%，算力可达6TFLOPS，能满足从移动终端到自动驾驶应用的不同需求；而最新第四代NNA IP产品拥有全新多核架构，可提供600TOPS甚至更高的性能，能为大型神经网络工作负载提供极低的带宽和延迟。

以下为刘国军演讲实录整理：

一、Imagination所有知识产权没有源自美国

Imagination Technologies是一家全球领先的战略性独立的IP供应商。

1994年，Imagination在伦敦交易所上市。NEC和ST micro的PC以及世嘉Dreamcast游戏机，都采用过PowerVR 3D技术。后期公司GPU技术转向移动端，并获得了巨大成功。因为公司运营的成功，Imagination创始人和当时的CEO被英国伊丽莎白女王授予勋章。

基于GPU方面的成就，近十年Imagination一直致力于研发人工智能IP技术，并开发了人工智能产品线。

2017年，在失去了最大客户后，Imagination被中资背景的凯桥基金会全资收购。

去年年底，Imagination曾经的最大客户重新回归，与Imagination达成新的多年期授权协议。

Imagination有最核心的关键专利，公司专利技术多达1500多项。采用Imagination IP的芯片发货量超过110亿。在全球很多地方，Imagination设有研发人员和销售机构。

还有一点很特别，目前Imagination所有的知识产权没有源自美国，这在当前的形势下很关键。

二、用“GPU+AI加速器”破解算力需求

Imagination现有产品分两大类。

一类是GPU图形处理IP，可用于移动设备、物联网、微控制器、数字电视和汽车等众多市场领域。目前Imagination在全球移动GPU IP市场占有率为36%，在汽车GPU IP领域占到43%。Imagination今年刚推出的多核架构IMG BXT产品，能够达到数据中心的性能水平。

同时在图形渲染方面，Imagination是全球为数不多发布了硬件光线追踪技术的高科技公司。

Imagination还有一类产品是神经网络加速器NNA IP。神经网络加速器，简单来讲就是AI计算加速。

Imagination构建了一个通用的计算平台和专用的人工智能网络加速的平台。此外还有以太网的数据处理器，这是汽车整体解决方案中的一个重要技术。

Imagination的GPU IP和NNA IP应用范围很广，可应用在移动、汽车、物联、云游戏等各个领域。

GTIC AI芯片创新峰会的讨论离不开算力。在信息与数据的社会，从互联网上的几十亿数据，到物联网上数万亿的设备互相连接，这其中的AI应用需要强大算力的支撑。应用端也是一样，从一个指纹的识别到最高性能的计算，都需要算力来支撑。

传统的CPU远远不能满足当前从云到端的算力需求。从云端到边端，到2024年，数据中心市场可以达到约1000亿美元。在这当中，AI推理芯片在边缘计算市场占据了很大份额，达到约63.6%。

随着AI边缘推理应用向前发展，大家可以看到，移动互联、工业、安防、物联网、多媒体、自动驾驶等领域中的相关应用逐渐落地。

算力需求怎么满足？Imagination选取的是“GPU+AI加速器”的解决方案，用“GPU+NNA”面向自动驾驶和数据中心应用。

在边缘计算场景，AI 芯片主要承担推理任务。由于边缘侧场景多种多样、各不相同，对于计算硬件平台的算力和能耗等性能需求也不同。因此，不同于云端AI芯片需具备“高端、通用”的性能特点，应用于边缘侧的AI芯片需要针对特殊场景进行针对性设计，以实现最优的解决方案。

IMG的边缘侧推理解决方案将GPU和NNA相结合，灵活地将不同的工作负荷分配到最适合的硬件单元，最大限度地发挥不同硬件单元的性能。

三、全新B系列GPU IP & 4系列 NNA IP均采用多核架构

今年十月份，Imagination在北京发布B系列的GPU。随后在11月，Imagination发布第四代NNA IP。最新一代GPU IP和NNA IP有什么特点？在AI芯片获取算力方面，做出哪些提升？

刘国军分享，B系列GPU IP共包含BXE、BXM、BXT、BXS四款产品，从低到高提供不同的性能。

其中，BXS是符合ISO 26262标准的汽车GPU IP内核，采用虚拟化技术及分块区域保护技术，具备全新的功能和安全机制。这些功能都集成在硬件中，对于汽车GPU和自动驾驶应用而言，这种设计有利于提升安全性。

BXT采用多核架构，算力可达6TFLOPS、192Gigapixel/s，且具备可扩展性，可以去中心化。针对7nm、5nm制程，BXT可做特定优化，以满足从移动终端到数据中心的使用需求。

新的架构在多核配置的时候，与传统的配置有所不同。针对memory多核算力增加时的效率问题、memory的读取存储问题，Imagination也有比较好的解决方案。

对比市场上使用同样半导体制造工艺的PCIe显卡，IMG BXT具有更高的计算密度。这意味在同样的硅片面积下，BXT可以提供更高的单精度（FP32）运算能力。

Imagination最新的4系列NNA IP也采用多核架构，这是NNA IP系列的第四代产品。

NNA IP系列第一代产品没有发布。第二代NNA IP产品PowerVR 2NX于2017年在深圳发布。PowerVR 2NX单核IP运行在保守频率800 MHz，能提供2048 MACs/cycle（行业标准性能指标）操作，即可达到每秒3.2万亿次推理操作。

紫光展锐采用这款IP开发的虎贲T710芯片，在去年的Benchmark跑分中拿到第一名。

今年最新发布的第四代NNA IP计算效率和计算密度都十分杰出。4NX-MC4一个四核方案可提供50TOPS算力，由于具备可扩展性，基于最新NNA IP的解决方案可将算力扩展至200甚至500TOPS。

多核的特点是什么？是可扩展。在整个计算过程中，多核架构可以做到近memory计算，降低延迟。另外，多核架构的各种调度和分配方式都十分灵活且可预测。

NNA IP可以多网络运行，也就是说一个核可同时运行多个网络，同一个网络也可以切分到不同的核上去运行，这样就可以预测计算的时间。Imagination有一个离线工具，来对特定应用作分配和调度。

根据各类实验结果，Imagination的Tensor Tiling技术（ITT）平均可以降低90%的带宽。

目前，Imagination正在为ITT技术申请专利，这项技术也被应用于4系列NNA IP。

ITT技术可以通过对计算任务进行tiling，充分利用片上存储，提升数据处理效率，并节省访问外部存储的带宽。利用本地数据的依赖性，ITT技术可将中间数据保存在片上存储器中，最大限度地减少将数据传输至外部存储器，从而将带宽降低多达90％。作为一种可扩展的算法，ITT在拥有大量输入数据的网络上具有显著优势。

在Imagination的解决方案里，GPU承担计算任务，同时承担渲染的任务；NNA承担神经网络计算任务。

GPU的渲染能力基于Imagination已经出货多年的专利技术——硬件虚拟化。

借助硬件虚拟化技术，一个GPU可以承担多个屏的计算渲染任务，支持多个操作系统。同时，多个GPU之间有物理隔离，不会相互干扰。

这样就实现了结合GPU的灵活性和NNA的效率，再加上memory，形成一个异构的计算平台。

这个异构计算平台具备非常灵活的任务分配和配置功能，上面是两个GPU，下面是NNA，中间有内部的总线。这是一种非常有效的算力配置方法，能满足从ADAS到自动驾驶的功能需求。

同时，Imagination提供统一的API，可以给开发者提供统一的接口去支持各种不同的网络。对工作量和网络类型的适配，都可以由统一的API支持。另外，GPU IP和NNA IP支持同一个开发工具，这方便了广大开发者的使用。

以上是刘国军演讲内容的完整整理。除刘国军外，在本届GTIC 2020 AI芯片创新峰会期间，清华大学微纳电子系尹首一教授，比特大陆、地平线、燧原科技、黑芝麻智能、壁仞科技、光子算数、知存科技、亿智电子、豪微科技等芯片创企，全球FPGA领先玩家赛灵思，知名IP供应商安谋中国，全球EDA巨头Cadence，以及北极光创投、中芯聚源等知名投资机构，分别分享了对AI芯片产业的观察与思考。如感兴趣更多嘉宾演讲的核心干货，欢迎关注芯东西后续推送内容。