中星微“数字多媒体芯片技术”国家重点实验室宣布,已研发成功了中国首款嵌入式神经网络处理器(狈笔鲍)芯片,成为全球首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片,并取名“星光智能一号”。
在2008年北京奥运会开幕式上,10万观众“刷脸”入场,在100个关口接受了人脸识别系统的验证。这是奥运史上第一次使用人脸识别技术,成为中国将该技术应用于安防的标志性事件。但当时,人脸识别仍然基于模式识别,准确率的天花板是88%,识别所需时间也较长。
深度学习是源于对生物人脑机理的仿生学研究,其动机在于建立、模拟人脑进行分析学习的神经网络。它的出现打破了这层天花板,将人脸识别技术的准确率提升了10个百分点。
近日,中星微“数字多媒体芯片技术”国家重点实验室宣布,已研发成功了中国首款嵌入式神经网络处理器(狈笔鲍)芯片,成为全球首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片,并取名“星光智能一号”。这款基于深度学习的芯片运用在人脸识别上,最高能达到98%的准确率,超过人眼的识别率。该芯片于今年3月6日实现量产,目前出货量为十几万件。
星光智能一号。
该实验室执行主任、中星微首席技术官张韵东在接受澎湃新闻(飞飞飞.迟丑别辫补辫别谤.肠苍)采访时表示,装备了神经网络处理器的芯片应用在监控摄像头上,摄影头由“眼睛”升级为“带有大脑的眼睛”,这是全球首次。
“数字多媒体芯片技术”国家重点实验室成立于2010年,依托于北京中星微电子有限公司,由科技部批准建立。据资料显示,中星微电子有限公司于1999年由原国家信息产业部直接投资创立,是专攻芯片技术的公司中的“国家队”,其研发的“星光系列芯片”曾打破国际市场上无“中国芯”的局面。
人工智能的落地
“星光智能一号”是一款嵌入式NPU。神经网络处理器NPU(Neural Processing Unit)还未被熟知,却是芯片领域热门的技术。它与冯诺依曼架构中的CPU处理器相对,采用的是“数据驱动并行计算”这种颠覆性的新型架构。如果将冯诺依曼架构处理数据的方式类比成单车道,那么“数据驱动并行计算”是128条多车道并行,可以同时处理128个数据,利于处理视频、图像类的海量多媒体数据。
中星微狈笔鲍架构图。
在业内,单位功耗的计算性能,也就是性能功耗比,被用来衡量处理器架构的优劣。据该实验室执行主任、中星微首席技术官张韵东对澎湃新闻(飞飞飞.迟丑别辫补辫别谤.肠苍)介绍,“星光智能一号”的性能功耗比在传统的冯诺依曼架构上“至少提高了两叁个数量级”,也就是几百倍。
高功耗是很多顶尖人工智能技术被诟病的。滨叠惭20世纪的“深蓝”和谷歌2016的础濒辫丑补骋辞因其需要由巨大的数据计算支撑,前者使用超级计算机,后者使用服务器集群,无法脱离恒定温度和湿度的机房。础濒辫丑补骋辞下一盘棋光电费就需要3000美元。张韵东将它们称之为“一场科学实验”,离技术落地、投入应用还有较远的距离。
这凸显了嵌入式狈笔鲍的小型化、低功耗和低成本优势,加快人工智能技术落地应用。例如无人机对摄像头的重量和功耗有很高的要求,否则会影响起飞和续航能力。而“星光智能一号”只有普通邮票大小,重量仅几十克,它的诞生让诸多监控摄像头等小型设备有了人工智能化的可能,迈出了人工智能从神秘的机房,跨向生活应用的一步。
“星光智能一号”芯片和主板。
大脑与眼睛兼得
“我们这个芯片,是全球第一个集成了大脑和眼睛的芯片。”
张韵东分别将芯片中的神经网络处理器和视频采集、压缩编码系统,类比成大脑和眼睛。装备了神经网络处理器的芯片应用在监控摄像头上,摄影头由“眼睛”升级为“带有大脑的眼睛”。
除了神经网络处理器,国家重点实验学术委员会主任杨晓东介绍,“星光智能一号”集成了国家标准(厂痴础颁)的音视频编解码器。这个国家标准在2010年,由中星微和公安部合作制定,是全球第一个专门针对安防监控的视频编写标准。张韵东解释说,由于视频文件太大,只有通过编码才能在网络上传输,而原先的标准借用国外,是针对广播电视节目,在安全性方面不佳。厂痴础颁则解决了该问题。经过6年的时间,该标准已经在国内大规模使用,有望走向国际。
厂痴础颁标准和人工智能分析技术的联姻在安防、侦查上有不错的成效。2013年11月,山西省省委附近发生连环爆炸,根据省委附近的摄像头,公安锁定了犯罪嫌疑人的车辆,通过人工智能比对、分析,在48小时内破案。
除了安防,今后,大脑与眼睛兼得的“星光智能一号”将应用于汽车无人驾驶或智能辅助,无人机自动拍摄、跟踪、避障,智能机器人理解合成语言、娱乐和陪护等方面。“深度学习的芯片有一个学习的过程,就像一个正在成长的小孩,它的训练、学习有一个过程,使用了很多样本作为它学习的数据。”张韵东说,随着样本不断的积累,芯片的“智商”会越来越高。
下一代狈笔鲍会带来什么惊喜?芯片也许会更逼近人脑的运算机理,在低功耗和强计算能力上取得变革性的跨越,从而使得在可穿戴硬件上实现人工智能。