业界 | ARM放大招发布Trillium项目：包含神经网络软件库和两种AI 90% 的 AI 设备都是用 Arm 的架构设计

机器之心原创

作者：

Tony Peng、Michael Sarazen

参与：

路雪、许迪

90% 的 AI 设备都是用 Arm 的架构设计的，现在 Arm 在人工智能领域厚积薄发，发布了 Trillium 项目，包括一款为移动设备而设计的机器学习处理器、一款目标检测处理器和一个神经网络软件库。

现在 90% 的 AI 设备都是基于 Arm 架构开发的，Arm 是一家英国芯片知识产权提供商，以 CPU 和 GPU 处理器而被熟知。为了提高机器学习的影响力，今天这家公司宣布了 Trillium 项目，包括一个机器学习处理器、一个目标检测处理器，和一个神经网络软件库的 Arm IP 套件。

Trillium 项目是这家公司在人工智能领域极富雄心的一次举措，通过集成设计提升 AI 设备的效率和性能，预计到 2028 年，这些设备的数量将从现在的 3 亿增长到 32 亿。

Arm 在机器学习领域的努力可以追溯到 2013 年，那时它开始探索 AI 市场并实施了一系列的战略收购。2017 年，这家公司宣布建立机器学习事业群，并任命 Jem Davies 担任总经理。在一次独家专访中，Davies 告诉 Synced 他认为「没有一个细分市场还没有或者不会被 AI 所冲击」。

「

AI 几乎影响所有……手机、相机、智能音箱，甚至温度控制器。谁会想到房间温度控制器是一个智能装置呢？

」

Davies 说。

今天发布的机器学习芯片是 Arm 的第一代针对移动设备推断的 AI 芯片。该芯片使移动设备每平方毫米的运算性能不低于每秒 4.6 万亿次，在现实优化应用中实现 2 到 4 倍的吞吐量提升，以及在热度和能耗有限的环境里也能够实现超过 3 TOPs/W 的效率。

Davies 说其机器学习处理器背后的架构是全新的，根植于多年的研究成果。该架构为 16 位整数运算进行了优化。

新架构将为 CPU 和 GPU 遇到的挑战提供解决方案，Davies 说。「卷积神经网络非常普遍。重点是传统架构，不管是 CPU、GPU 还是 DSP，都要进行大量中间结果存储和加载。因此，我们生产了一种全新的架构，该架构使用智能存储系统。」

目标检测处理器是基于 Arm 现有的 IP 族 Spirit 的迭代。Spirit 是主导 Hive 安防摄像头的目标检测加速器，于 2016 年 Arm 收购 Apical 后不久发布，Apical 是一家为超过 15 亿设备提供计算机视觉和图像处理器的公司。

Arm 的第二代处理器可以全高清、60fps 实时检测无限数量的目标。其详细的人体模型提供了丰富的元数据，使方向、轨迹、姿势和动作检测成为可能。

Arm 提供集成解决方案，包括机器学习处理器和目标检测处理器。在实时目标识别任务中，目标检测处理器首先分离出感兴趣区域，比如人脸。这样，机器学习处理器就能够分析更少的像素，以实现更快、更精细的结果。

Arm 的组合解决方案。

Arm 的神经网络库是一系列图像、视觉和机器学习工作负载构造块的集合。开发者可使用该软件，以及 Arm 现有的实现工具，如加速算法和应用的 Compute Library，或最大化边缘设备上性能的 CMSIS-NN。该库支持主流框架，如 TensorFlow、Caffe，且已经为 Arm Cortex CPU、Mali GPU 和新型机器学习处理器进行了优化。

Arm 机器学习处理器将于今夏发售，目标检测处理器将于本季度末上市。

本文为机器之心原创，

转载请联系本公众号获得授权

。

?------------------------------------------------

加入机器之心（全职记者/实习生）：hr@jiqizhixin.com

投稿或寻求报道：editor@jiqizhixin.com

广告&商务合作：bd@jiqizhixin.com