最近，Arm 開發了新一代的神經處理單元 (NPU)，Ethos 系列。這些處理器旨在與其他 Arm 內核協同工作。與傳統的神經處理單元相比，這種組合提高了性能和功率效率，從而實現了具有成本效益但高性能的邊緣機器學習產品。
此外，Arm 正在密切關注量子計算的發展。雖然 答 無法透露 Arm 在該技術上所做的任何工作，但他表示，“能夠進行更多處理和更復雜的機器學習應該會導致我們使用該技術獲得越來越強大的能力。[...] 這是一個令人著迷的地方。”
問：我想更多地談談您的 Ethos 系列，我認為它們已經存在，并且它們已用于許多 AI 應用程序，主要用于邊緣計算，我認為。您能告訴我們關于物聯網 Ethos 的哪些信息?
答：這對我來說是一個非常令人興奮的領域。我們有專門的機器學習處理器，稱為 Ethos。重要的是要記住，當今設備中的大多數 AI 實際上都是在 Arm 的 CPU 中運行的。它是市場上最普遍的處理器，并且有大量的人工智能。人工智能并不總是需要某種專業計算。
許多應用程序不需要在非常復雜的網絡上運行。他們真的不需要以極快的速度運行。而且，在這種情況下，它們通常會在今天的 Arm CPU 上運行得很好。我知道有人在 Cortex M0 上進行對象檢測和人臉檢測，Cortex M0 是 Arm 的一款非常非常微型的電池供電處理器。所以我們的工作之一是制造——這些 CPU 是最容易編程的東西。因此，我們的工作之一是確保我們的 CPU 在機器學習方面變得更好，并確保我們今天的所有客戶實際上都可以訪問更多功能。因此，在過去五年左右的時間里，我們一直在將更多的機器學習能力和處理能力引入我們的設備中。
機器學習軟件無處不在。它真的在吞噬世界。對于更多的應用，他們想做真正高性能的機器學習，所以他們會有相當復雜的網絡。他們希望實時處理幀或實時復雜的語音處理。而且，當然，他們希望在不損壞電池或電源或其他任何情況的情況下做到這一點。因此，在他們想要進行高性能或超高效機器學習的地方，更專用的處理器變得有用。如果你只專注于機器學習任務，你就可以創造出令人難以置信的高性能和高效率的東西。
這就是Ethos 家族的真正意義所在。于是，Ethos 家族進來了;我們有兩條主要產品線：Ethos N 產品線，它專注于與 Cortex-A 一起工作，尤其是更高性能的 Cortex-A 處理器。它們旨在處理您在 CPU 市場高端獲得的復雜網絡。我們的 Ethos N78 在安全等方面非常受歡迎。所以這是第一條產品線。
第二條產品線被稱為我們的 Ethos U 產品線。現在，我們已經推出了 Ethos U55 和 U65。不久之后，我們將推出這兩個系列的新產品。這些都非常受歡迎。它們設計用于處理器范圍的低端，具有更高功率和面積效率的處理器，特別是我們在物聯網中的 Cortex M，特別專注于物聯網領域。
像我們所有的處理器一樣，這些 Ethos U 和 Ethos N 都是可擴展的。因此，您可以隨心所欲地實施，從 500 GigaOps 到整個頻譜范圍內的許多 TeraOps。因此，人們可以準確地實現他們個人 IC 所需的機器學習量。
對此的興趣是驚人的。所以我認為物聯網中的人工智能現在才剛剛開始爆發。人們確實從中受益。
他們意識到通常被稱為TinyML的術語，這是一個我們非常活躍且非常支持的社區，他們開始意識到，你知道，我們共同了解如何在物聯網中實施人工智能空間，我們能做的事情是無止境的。
我們看到人們將機器學習放在傳感器旁邊，因為它使傳感器數據變得更好。我們看到人們將它放入手表和可穿戴設備的處理器中，因為它再次允許你做任何事情，從語音處理到讓所有傳感器更好地工作，無論是單獨的還是一起的。
因此，我個人認為人工智能將在未來五到十年內成為物聯網領域的標準。實際上，我們在該領域投入了大量精力，試圖確保每個人都有能力，但也只是，你知道，我們真的相信未來十年物聯網的爆炸式增長。
我們非常關注如何為人們增加上市時間，研究諸如云托管處理器環境之類的東西，這樣人們就可以進行早期軟件開發和更快的軟件開發，而無需等待芯片。因此，我們非常關注在該領域啟用人工智能所需的工具和軟件。
再一次，我們知道構建產品不僅僅是處理器。它需要整個社區的知識和支持。所以像 TinyML 這樣的社區，我們認為很棒，因為每個人都可以互相學習。他們可以分享資源和理解，這讓每個人都振奮起來。所以，我認為這真的很令人興奮，我相信 Ethos 將成為使 Arm 處理器出現并支持該領域的每個人的基本部分。
問：現在有很多關于所謂的量子計算的研究。當然，如果我們看看量子計算，我們每天都會使用它，因為電子學是量子物理學的一部分。但這只是一種新名詞，比如說，瘋狂的量子。
那么，你能告訴我們一些關于量子計算的事情嗎?
答：在大多數人看來，量子計算仍處于早期階段。這是一個令人興奮的領域。
顯然，作為一家專注于加工技術的公司，我們始終保持領先地位。像許多公司一樣，我們正在研究這個領域。我認為，我無能為力，但我確實認為這是一個非常有趣的領域。
如果你看 AI，我傾向于將 AI 視為三個不同的問題。你得到了數據的質量，數據的數量，然后是處理。重要的是，其中兩個是數據。
當我們看 AI 處理時，我們實際上開始關注數據，而不一定是處理。因此，在許多方面，我們將其視為數據問題。這是關于有效地移動數據。這是關于最小化數據量。所以這個問題依然存在。
但是，顯然也涉及大量的處理。我們看到了一些令人興奮的東西。你知道，如果你特別看一下神經網絡，它以大腦為模型，人腦，這種基本結構是負責我們如何圍繞視覺和語言進行感知。盡管如此，它也是我們用于高級認知功能的相同基本結構。
因此，原則上，能夠進行更多處理和更復雜的機器學習應該會導致我們使用該技術獲得越來越強大的能力。所以，我認為它們是令人興奮的領域。
顯然，我們今天在技術上還有很多工作要做，以在未來十年內推進它。但這是一個令人著迷的地方。
對我來說有趣的事情之一是人工智能，或者說機器學習，因為它正在發生。特別是神經網絡，主要是一種概率技術。所以他們正在研究概率。如果你看量子物理學，它也是一門概率科學。所以很有趣的是，這兩種計算機科學的概率方法正在推動我們前進。因此，看看它們如何協同工作會很有趣。
更多信息可以來這里獲取==>>電子技術應用-AET<<
