隨著 AI 炒作的消退和面臨新的工程挑戰(zhàn),，內(nèi)存需求成為焦點：并非每項機器學習和推理任務都需要先進的內(nèi)存技術。相反,，經(jīng)過驗證的傳統(tǒng)存儲器可以在邊緣處理人工智能,，而分布式人工智能可能正是 5G 真正需要的東西。
盡管如此,，基本的推理操作已經(jīng)變得越來越復雜,。總體而言,，內(nèi)存將有望為推理做更多的事情,。
TECHnalysis Research 總裁兼首席分析師 Bob O'Donnell 認為，人工智能是實現(xiàn) 5G 承諾不可或缺的一部分,。只有將兩者結合起來,，才能實現(xiàn)新的應用?！熬哂兄S刺意味的是,，每個人都將這些都視為獨立的動物：5G 是一回事，邊緣是另一回事,。人工智能是另一回事,。你真的需要將這些東西結合起來，讓它們中的任何一個真正發(fā)揮他們的能力,，”O(jiān)'Donnell 說,。
隨著邊緣處理器的發(fā)展以及諸如 LPDDR之類的存儲器被用于在邊緣處理平凡的 AI 任務，集中式 AI 已經(jīng)在一定程度上證明了自己,?！胺块g里的攝像頭可以進行非常簡單的 AI 處理，以檢測房間內(nèi)的人數(shù),，從而調(diào)整 HVAC,，”O(jiān)'Donnell 說。雖然并不吸引人,，但這些任務可以在一組具有適度計算和內(nèi)存能力的建筑物中本地處理——消除了將數(shù)據(jù)來回發(fā)送到云的需要,。
O'Donnell 補充說，還有一個中間地帶,，邊緣設備在本地處理數(shù)據(jù),，同時具有足夠的智能，可以知道何時將文件發(fā)送到數(shù)據(jù)中心進行“深度處理”,。一個結果是改進的算法被發(fā)送回邊緣,。
“有這種持續(xù)的改進循環(huán)，”分析師說,?！斑@就是事情開始變得非常有趣的地方,。”
O'Donnell 預測,，專用于分布式 AI 應用程序的內(nèi)存將是相對低端的,，這些內(nèi)存類型可用于各種應用程序，例如分布式邊緣設備,?！拔业牟聹y是 LPDDR 類型的存儲器最合乎邏輯?！?/p>
但即使是低功耗 DDR 也可以得到超越智能手機,、車輛和各種邊緣端點中使用的典型設備類型的提升。在最近討論將內(nèi)存處理 (PIM) 技術推向主流的進展時,，三星指出該技術最終可以應用于其他類型的內(nèi)存,，以支持 AI 工作負載。這可能包括 LPDDR5 用于將 AI 帶到各種端點設備內(nèi)的邊緣,，而無需數(shù)據(jù)中心連接,。
三星展示了一款性能提升一倍以上的 LPDDR5-PIM，用于語音識別,、翻譯和聊天機器人等應用時,，能耗降低了 60% 以上。
人工智能,、5G
Nvidia 首席平臺架構師 Robert Ober 指出,，一些需要內(nèi)存的分布式 AI 正在幫助運行 5G 基站。
邊緣的 5G 基礎設施有時比它所連接的舊基礎設施具有更多的帶寬,，因此需要一些推斷來管理網(wǎng)絡事務,。“使用顯式編程太復雜了,，”O(jiān)ber 說,。
AI 的許多邊緣用例非常普通，使用的嵌入式設備需要具有較小物理和電源占用的內(nèi)存,。Ober 說,，挑戰(zhàn)在于，即使是邊緣的圖像識別和分類等基本 AI 功能也正在成為更大的工作,。高達 4K 的更高分辨率圖像以及對更多信息和上下文的需求意味著這些神經(jīng)網(wǎng)絡更加復雜,。
“如果它是一個視頻，那么隨著時間的推移,，你會使用多個幀來提取意義,，”O(jiān)ber 說?！坝洃浽谀抢镎娴暮苤匾??！?/p>
英偉達專注于數(shù)據(jù)中心培訓工作負載，其中內(nèi)存容量和帶寬至關重要,，同時降低功耗,，Ober 說。因此,，不同的內(nèi)存技術可以在未來的 AI 部署中發(fā)揮作用，包括電壓控制的 MRAM,，它可以降低功耗,、維持帶寬并釋放計算能力?！皬拈L遠來看,，你會有一些非常有趣的解決方案?！?/p>
Ober 補充說,，即使內(nèi)存能力不斷提高以滿足 AI 的需求，預期也會提高,，因為 AI 復雜性的指數(shù)級增長是一致的,。“你可以編碼的知識越多,，它可以做的事情就越多,。” 訓練網(wǎng)絡本質上是對信息進行編碼,，對于邊緣設備來說檢測狗已經(jīng)不夠了,。
“他們想知道什么類型的狗。它在做什么?快樂嗎?難過嗎?預期繼續(xù)呈指數(shù)增長,，”英偉達高管表示,。
隨著機器人圖像檢測和分類等功能的改進，預計數(shù)據(jù)中心中的人工智能和機器學習工作負載將做得更多,。因此,，對高性能計算的需求持續(xù)存在，他說,，并且總會有新的人工智能任務更復雜,、需要更多時間并需要更多機器智能。
將與人工智能任務相關的數(shù)據(jù)轉移到正確的內(nèi)存中是數(shù)據(jù)中心人工智能面臨的最大挑戰(zhàn)之一,。因此,，也減少了將每個工作負載發(fā)送回中央云的需要，從而對內(nèi)存資源造成更大壓力,。Ober 預見到新的高帶寬低功耗大容量存儲器的需求,，因為它本質上是非易失性的,。已經(jīng)有一些舉措在嵌入式設備(例如工業(yè)端點)中處理 AI 工作負載，然后將一些任務轉移到本地連接 5G 的基站,。
更復雜的任務將被運送到云數(shù)據(jù)中心,。“以這種方式分層的工作已經(jīng)在進行,，因為坦率地說,，沒有足夠的帶寬回到核心?！?/p>
更多信息可以來這里獲取==>>電子技術應用-AET<<
