本文的任命：人工智能（AI）在边缘计算边缘正在经历快速发展。根据最新的IDC数据，Edge Global的计算支出将从2024年的2280亿美元增加到2028年*的3780亿美元。这种需求增长率，以及数十个智能制造和智能城市等数十个行业的渗透率迅速增加，为在各种情况前执行计算机任务和模型迭代的硬件设计带来了挑战。 AI不仅是技术进步，而且是软件撰写，理解和执行的方式的永久变化。传统软件的开发基于逻辑和确定性流程几乎依次执行，并且该范式现在取代了随机模型，培训和基于计算机的培训行为。这并不代表com中的基本和不可逆转的转变推杆科学，从基于规则的编程到基于学习的学习。这逐渐地集成了越来越广泛的计算机问题和能力。此更改还表明相应的硬件更改。在一个连续发展（以及不断发展）的时代，不再应用为紧密定义的任务建造的高度专用芯片的较旧模型。为了满足AI的不断变化的需求（尤其是在边缘上），我们需要一个像工作负载一样动态和适应性的计算机平台。这是将来的关键，当通用并行处理器（即GPU）成为边界并开始替换专用处理器（例如神经网络处理器（NPU））时。这不仅是一个产量的考虑。它与未来的软件开发趋势是灵活性，可扩展性和同步。 “灵活性”以理解makimoto的变化理论和这种转变的回报只是对“ makimoto变异理论”的评论。 Th是日本工程师Tsugio Makimoto提出的概念。这背后是市场需求，技术创新和软件重复。多样性等因素有持续变化。 （Makimoto的变异理论显示了“灵活性”和“专业”之间计算机行业的历史震颤。当前的开发轨迹表明，计算机科学再次显示了“灵活性”和“常规平台”之间的摇摆）。该模型与AI硬件的进化过程非常一致。在AI开发的早期阶段，工作负载相对清晰稳定，使用加速功能主机是合理的。这些处理器对特定任务进行了深入优化，例如使用CNN进行图像分类和对象检测。但是现在，AI进入了快速进化阶段。它源于简单和静态模型的时代，并进入了混合网络，变革架构，基本模型和conti的浪潮愚蠢的创新。去年为IA创建的个性化硬件不能与当前的开发步伐保持最新状态。但是，如本文开头所述，该行业必须面临非常高的增长率，每天不断出现的新应用方案，并且迅速对此的模型再次增加了专用于可扩展且适应性的流行计算机平台的硬件。 AI是一个并发的计算机问题，而不是专用的计算机问题。 AI Radica在并行计算中的本质。深度学习主要基于同时操作，例如矩阵操作，张力乘法和向量计算。这些是GPU自然更高的工作量。现在可以同时代表数百万像素的架构现在可以处理数百万个神经元的激活。当今的通用GPU不再用于图形处理。不仅可以加速可编程的管道，计算机着色器和TRAditional负载，但也承认了新的AI工作负载，并且越来越集中IA设计，即边缘的强大而灵活的计算机发动机。相反，诸如NPU之类的专用处理器很难处理持续变化。优化特定的操作并提供IA.A的评论，因为RUD迅速发展，这些芯片很快就消除了。显然，在Ethis新软件范式面前，您需要的是一个常见且灵活的硬件硬件硬件平台GPU。为什么典型平台在边缘方面具有更多优势。 Edge AI不仅需要性能，还需要适应性，再利用和更长的寿命。随着IA处理器的设计变得越来越复杂，市场规模增长，并吸引更多的玩家，他们都赶紧更复杂的流程来优化盈利能力和能源消耗。为了应对这些技术和经济挑战，现代GPU等一般使用的并行处理器在这些方面具有明显的优势e方面。灵活性：可编程，可以在不更改硬件的情况下承认新型的模型。可伸缩性：适用于从Internet传感器（IoT）到自动驾驶汽车到智能相机的边缘设备。成熟的软件生态系统：工具源的富裕和开发标准（OpenCl，Litert，TVM等）；可持续性：扩展产品生命周期并减少不断重新设计芯片的需求。总而言之，GPU一般并行计算是为AI从架构层面的连续演变而设计的。 GPU领域的创新也正在迅速研究这一趋势。例如，它发生在不久前的GPU中，这是由想象力推出的电子系列的GPU。在提供出色的图形性能的同时，INT8/FP8计算机功率可以在2-200个上升到人工智能工作负载之间。尽管有越来越多的GPU福利证据，但市场仍被用来将AI的加速度等同于NPU或定制芯片。但是，作为图形工业界发现了具有固定特征的图形管道无法保持游戏创新的节奏。目前，人工智能行业还发现，固定硬件无法匹配快速变化的软件要求。现在是时候训练整个生态系统了。 Edge AI的未来是高度优化的，但狭窄属于没有芯片的情况下，但可以使用智能软件可以增长和攀登的可编程和适应性的平行计算机平台。它为未来的边缘应用提供了通用和可编程的解决方案，例如电子想象力系列的新GPU，涵盖了图形表示，书桌，智能手机和应用等领域，这些领域可以实现自然语言处理，工业计算机视觉，自动驾驶等。 Makimoto几十年前对这一趋势有了一个想法。现在，我们正在体验您的第一个手动视野，沿着多功能性和灵活性的浪潮前进。 GPU不再是猎人，它已经领先了。在作者上，丹尼斯·劳迪克（Dennis Laudick）是想象技术产品管理副总裁。在加入公司之前，丹尼斯（Dennis）在ARM工作了13年以上，并担任了汽车业务，AI和GPU的产品领导地位和市场。在此之前，他还在几个半导体巨头和OEM担任高级管理职位。