加速深度学习算法，云天励飞想从指令集上重新定义处理器 - 安防知识网

由于在图像、语音识别等领域的突出表现，深度学习几乎成了人工智能的同义词。但由于计算力上的要求，目前深度学习算法一般运行在云端。而且现有的芯片技术并非专为神经网络架构而设计，也不适合相关算法和软件的运行，效率十分低下。以前段时间战胜人类高手的围棋人工智能AlphaGo为例，它2015年10月的版本使用了1202块CPU及176块GPU，下一盘棋的电费差不多也有上千美元。

　　人工智能算法需要新型处理器和硬件平台。为此，不少公司在开发专为深度学习而生的芯片，最著名的当属英伟达今年4月公布的Tesla P100。国内公司云天励飞也是如此，其开发有面向深度学习的处理器芯片，想从指令集上重新定义处理器。

　　具体而言，云天励飞开发的是面向深度学习神经网络架构下的高度并行的DSP芯片，其运算效率高于现有CPU和GPU，运算能力又强于一般的DSP。芯片能高效实现神经网络运算，具有高效和灵活的特性，且可编程重构，在云端更新算法。它与我们熟知的另一款IBM神经形态芯片TrueNorth属于同一范畴，但定义更明确：前者主要用于视频图像信息的规则化处理，后者则是类人脑的超大型芯片。

　　陈宁透露，对于这款芯片目前已经完成了指令集架构设计。

　　云天励飞CEO陈宁告诉雷锋网，设计基于深度学习的处理器需要跨界创新。全新架构处理器不只要理解芯片和硬件，还要面向新的算法理论。陈宁曾组建了国内第一个矢量处理器全流程设计团队，定义和设计了国内第一套商用矢量处理器的指令集。而公司另一位创始人田第鸿则是视觉计算、视频图像处理领域的专家。两人是佐治亚理工的博士同学，有15年的交情。

　　芯片是云天励飞的技术门槛，但陈宁表示，公司并不是一家芯片公司，真正的产品是以此为基础的视觉加速平台服务，主要面向安防、无人系统(无人机及无人船等)、工业自动化、商业智能及机器人等行业。

　　载有云天励飞芯片的视频采集终端，如监控摄像头，会与去平台连接。前端芯片做实时性的视频预处理和预理解，但不做决策，决策由云端做出。这种分层处理模式，可以将系统的运行速度提高两个数量级。另外，平台可对前端芯片进行功能周期的授权，增加或删减功能。

　　以人脸识别为例，“前端芯片主要做到检测和特征值提取，把人脸图像转化成字符串，然后由云端处理”。陈宁表示，这样可以“降低网络带宽要求，加快处理速度，也降低后台处理成本”。另外，由于云平台得到的是字符串，不存储影像信息，所以也能保护隐私。

　　在安防领域，云天励飞已经开发出一套视觉系统叫云天深目，并应用于深圳公安，能实现百万人群秒级定位。面向无人机，机器人提供云端API接口的话，也能帮助实现自动避障与识别。目前，它们面向的客户群主要是各行业解决方案的集成商。

　　伴随着摄像头等传感器智能化而来的是大量数据需求处理，人工智能算法也需要新型处理器和硬件平台，专注深度学习类的芯片方案应该也会越来越多。