MWC 2018
2018
Computex
IFA 2018
В облаке можно решить задачу любой сложности, но в непростой дорожной обстановке надеяться лучше только на себя. Для таких случаев крупнейший с мире производитель автомобильных запчастей — японская компания Aisin — создала чрезвычайно эффективный ускоритель ИИ с заявленной высочайшей эффективностью и скоростью обработки задач в распознавании изображений.
Источник изображения: XenoSpectrum
Разработка создана совместно с исследователями из Университета Тохоку (Tohoku University) и представлена 2 ноября на конференции IEEE Asian Solid-State Circuits Conference 2026. По словам компании, уникальный чип расходует на обработку данных примерно в 50 раз меньше энергии по сравнению с традиционной архитектурой. Это соответствует снижению энергопотребления примерно на 98 % и ускорению обработки операций на 90 %.
Интересно, что чип не потребовал самых передовых техпроцессов и произведён в рамках 16-нм норм производства по технологии FinFET. Это однокристальная система (SoC) со встроенной магниторезистивной памятью STT-MRAM объёмом 32 Мбайт.
Источник изображения: Asian
Безусловно, ключевая особенность разработки — это использование энергонезависимой памяти STT-MRAM (Spin-Transfer Torque Magnetoresistive Random Access Memory), в которой информация сохраняется благодаря магнитным свойствам материала даже после отключения питания. В отличие от традиционной архитектуры, использующей внешние накопители и оперативную память DRAM, новая SoC хранит непосредственно на кристалле как веса нейросетевой модели, так и загрузочные данные операционной системы. Это позволяет отказаться от передачи больших объёмов информации из внешней памяти при включении устройства. Разработчики называют такой подход вычислениями вблизи памяти (Near-Memory Computing, NMC), поскольку он сокращает перемещение данных между вычислительными блоками и хранилищем.
Для проверки возможностей микросхемы использовалась нейросеть Tiny YOLOv3, предназначенная для обнаружения объектов на изображениях. Чтобы разместить модель в ограниченном объёме встроенной памяти, инженеры применили гибридную архитектуру, а также совместное использование весовых коэффициентов. В результате время от подачи питания до запуска операционной системы составило 65,7 мс — в 38,59 раза меньше, чем у традиционной системы с внешней памятью. Время собственно ИИ-обработки сократилось в 10,16 раза, а общее время от включения до завершения первого распознавания — примерно в 25 раз, до 124,2 мс.
Источник изображения: XenoSpectrum
Отдельно разработчики сообщают об энергозатратах на обнаружение объектов: 50,7 мДж на один кадр, что составляет примерно 1/50 от показателя сравниваемой традиционной системы. Таким образом, заявленные 98 % относятся не к любым вычислениям искусственного интеллекта и не к энергопотреблению всех существующих процессоров, а к конкретному эксперименту с Tiny YOLOv3 и сопоставленной конфигурацией памяти.
Важно подчеркнуть, что пока речь идёт об опытной разработке, а не о серийном процессоре: Aisin и Университет Тохоку не объявляли о сроках начала массового производства или конкретных коммерческих устройствах, в которых будет применяться микросхема. Не сообщается также о производителе чипа. Известно, что на такое уже способны компании TSMC и Samsung и тайваньские источники уже связали разработку Aisin с TSMC.
Источники:
