高通公司发明的超低功耗专用AI架构采用了超低功耗流程，与其他通用架构相比，该流程可有效节省能源，并具有较高的实用性和可移植性。在2020CES展览会上，高通展示了其在云AI领域的产品：高通CloudAI100系列芯片。这一系列芯片是高通公司发展云AI产业的标志性事件。作为无线终端领域的领导者，它也已开始在云中应用。场发挥力量。此前，除了无线通信芯片外，高通还设计了用于无人驾驶汽车，车载通信，媒体信息娱乐系统和车辆连接系统的芯片。这些芯片比手机和PC上的处理器所需的更多。低功耗，可面向专用设计平台。随着AI应用程序的兴起，人们逐渐关注支持AI任务的专用芯片。高通公司申请了一项发明专利，称为“超低功率神经元形人工智能计算加速器”。 （申请号：201880053525.8），申请人是高通公司。根据该专利的当前公开信息，让我们看一下这种超低功耗专用AI处理架构。如上图所示，该图是使用包括该专利中发明的超低功率神经元形态人工智能计算加速器的片上系统（SOC）设计神经网络的示意图。该系统包括中央处理单元，图形处理单元和数字信号处理。单元，专用存储块和各种传感器系统。这种硬件设计架构实际上是一个专用的系统架构，其中包含传感器和导航，可用于特定领域，例如无人驾驶技术，该技术通过传感器收集道路数据，然后将其移交给CPU和GPU进行数据处理。 ，它可以控制无人驾驶汽车的行驶。上图是深度卷积网络（DCN）的示意图，它是一种旨在捕获图像的视觉特征识别设备，例如无人驾驶汽车上的摄像头系统。 330是照相机系统，其可以向系统提供需要被识别的图像。 DCN（300）包括特征提取部分和分类部分。当接收到图像时，卷积层可以执行卷积操作以处理图像以获得特征图。获取处理结果，例如确定路况。而且这种计算通常需要CPU和GPU的配合，而这大多是在软件级别进行的。因此，为了满足高效率的计算要求和较低的硬件开销，如果有专用的神经网络处理器，则非常适合这种计算。场景。另外，该专利还采用了超低压工艺来制造本地电源管理器，从而可以实现处理器的超低功耗，并有效地提高了电池寿命。如上图所示，它是带有人工智能计算加速器的神经处理器设计架构图，其中包括存储块504，神经处理器502和程序存储器506。变量，突触权重，系统参数和其他信息与神经网络计算相关的信息可以存储在存储块中，并且可以从程序存储器中加载在神经处理器处执行的指令。现在，深度神经网络拥有的计算资源是15年前研究人员使用的数千倍。借助这种特殊的神经网络处理器，再结合新的训练架构，可以进一步提高深度学习的性能，并纠正了线性问题。该单元可以减少称为梯度消失的训练问题，新的训练技术可以减少过度拟合的问题，而芯片封装技术可以将接收领域的数据抽象化，从而进一步提高整体性能。在无人驾驶技术中，由于车身空间有限，除了中央控制系统外，还需要安装大量传感器。对于在本地进行计算的无人驾驶汽车，如果继续使用PC端架构并使用通用AI计算系统无疑不利于空间设计，那么使用这种特殊架构可以很好地应用于这个特殊领域。以上是高通公司发明的超低功耗神经元形人工智能计算加速器。这种特殊的AI处理架构可以很好地应用于无人驾驶和实时视频监控等领域。它使用的超低功耗技术