Imagination：为差异化AIoT提供GPU和神经网络加速器IP

问：贵公司关注哪类智能物联网的应用？这些应用的技术发展方向是什么？

Andrew Grant：在Imagination Technologies，我们专注于边缘和终端上的人工智能物联网（AIoT）。我们创建半导体知识产权（IP），系统级芯片（SoC）设计人员使用它们来开发用于边缘设备的芯片。我们可以为神经网络（人工智能）增加加速功能以使它们能够在终端上快速运行，进而增强边缘的能力。在某些人工智能（AI）任务中，神经网络加速器（NNA）的性能是典型嵌入式CPU的100倍，从而将以前只有在数据中心才能实现的性能直接带给终端用户。

我们看到的趋势是，随着“网络边缘”逐步涵盖智慧城市、机器人流程自动化（RPA）和用于安防监控的智能摄像头等智能设备，这一点正变得越来越重要。通过开发可用于边缘同时占用最小芯片面积的全能型IP，将推动新一波边缘设备面世。

Imagination Technologies人工智能产品营销资深总监 Andrew Grant

问：这对客户的开发带来了哪些挑战？

Andrew Grant：安全性会是嵌入式设备的一个挑战，被黑客入侵或者是数据/模型被窃取是许多行业面临的实际问题，让我们来直面现实吧。我们与客户紧密合作，通过使用可信的环境和提供安全钩来实现整个设备的安全性。在这个领域保持警惕很重要，我们在自己的产品开发中一直在监控这一点。

简化物联网（IoT）终端设备的需求就是将功能整合到尽可能小的芯片面积中，以节省芯片成本。幸运的是，我们的IP（GPU和NNA）具备的灵活性和支持的功能意味着我们能以极低的功耗为边缘推理增加加速性能，这对于AIoT设备而言是非常理想的。

边缘AI和机器学习的创新速度意味着几乎每天都有新的进展。通过与主要框架的开发人员和终端用户市场保持紧密联系，我们使自己一直身处这些创新方法的前沿。我们不断更新自己的软件驱动程序，以利用新的技术进展和层操作运算方法。

问：未来芯片的竞争焦点将会从单纯的产品性能提升，转移到面向应用的平台化上吗？

Andrew Grant：尽管纯粹的性能始终是业界关键的成功因素之一，但针对具体应用采用差异化和优化的方法将是人们渴望实现的最终目标。无论如何，探求灵活的、可用于众多领域的IP是非常重要的，同时使用可组合在一起以实现更高性能的IP构建模块将是一个决定性因素。Imagination的AI Synergy就是这方面一个很好的例子，利用AI Synergy技术，各层可以在NNA上加速，同时浮点运算和自定义层可在GPU上运行。通过使用Imagination的Hyperlane技术中预留的HyperLane通道，在保护任何图形输出的同时，还可以运行其他计算任务。

问：当前的疫情对您所关注的行业有何影响，机会是什么？

Andrew Grant：我们对中国和世界其他国家正在遭受Covid-19（也称新型冠状病毒）影响的朋友和同仁深表同情和关心，我们希望这一切能够尽快结束。在这一困难时期，我们致力于以各种切实可行的方式帮助我们的同仁和朋友。我们欢迎通过使用AI来为此过程提供帮助。