ARM bringt mit Project Trillium künstliche Intelligenz in Smartphones

Für Machine Learning und Object Detection stellt Chip-Designer ARM neue Software und Hardware vor. Die erste Auflage richtet sich vor allem an den Einsatz in Mobiltelefonen. ARM verspricht damit einen theoretischen Durchsatz von über 4,6 TOPs bei 1,5 Watt in einem 7-Nanometer-System.

ARM kündigt Software und Hardware für künstliche Intelligenz in Smartphones, IoT-Geräten, Wearables, Drohnen oder virtuelle Realität an. Project Trillium ist eine Gruppe von verschiedenen Software-Lösungen und Hardware, die auf kleinen Raum mit geringem Stromverbrauch für spezielle KI-Operationen wie das maschinelle Lernen oder Objekterkennung optimierte Leistung liefert.

Maschinelle Erkennung von Objekten mit dem OD-Chip von ARM (Bild: ARM).Maschinelle Erkennung von Objekten mit dem OD-Chip von ARM (Bild: ARM).

Derzeit arbeiten verschiedene große Technologieunternehmen wie Google, Intel oder IBM an Lösungen für künstliche Intelligenz. Eines der jüngsten Beispiele im Bereich Smartphone/IoT ist Huawei, das mit dem Mate 10 ein Smartphone mit einer dedizierten KI-Komponente vorgestellt hat.

ARM dominiert nach wie vor mit den eigenen Chip-Designs den Mobilfunk-Markt und kommt daher vergleichsweise spät mit einem dedizierten KI-Angebot. Einen kleinen Vorgeschmack allerdings gab es bereits mit einer Erweiterung für ARMv8.2, das mit einem besonderen Instruction-Set die Implementierung von neuralen Netzwerken erleichtern sollte. Auch in Mali-G72, einer GPU, unterstützt ARM Installationen für künstliche Intelligenz.

Doch bislang fehlte eine eigene „Plattform“ für KI von ARM. Die genannten Erweiterungen haben sozusagen die weiteren Entwicklungen ermöglicht. Allerdings muss ARM nun die Nachfrage aus der Branche und von Technologiepartnern mit einem entsprechenden Produkt bedienen.

Die KI-Prozessoren ML und OD können auch gemeinsam eingesetzt werden. OD erkennt ein spezielles Objekt und leitet die Informationen an ML weiter, der dann die Informationen weiter verarbeitet (Bild: ARM). Die KI-Prozessoren ML und OD können auch gemeinsam eingesetzt werden. OD erkennt ein spezielles Objekt und leitet die Informationen an ML weiter, der dann die Informationen weiter verarbeitet (Bild: ARM).

Die frisch vorgestellten Modelle sind ein ML-Prozessor für Machine Learning und ein weiterer für Object Detection (OD). Die Technologie für OD stammt aus der Übernahme von Apical, die ARM 2016 getätigt hatte.

Der OD-Prozessor soll noch im ersten Quartal 2018 an Partner ausgeliefert werden. Der ML-Prozessor werde Mitte des Jahres an die Hersteller ausgeliefert, richtet sich jedoch in der ersten Auflage an den Mobilmarkt. Aufgrund des SoC-Designs werden erste Prozessoren wohl erst 2019 oder 2020 in Smartphones verbaut werden. Parallel dazu können die beiden Designs auch in einem dynamischen Cluster mit der CPU integriert werden.

Mit dem ML-Prozessor sollen Anwender nun in der Lage sein, deutlich höhere Leistungen für Machine Learning zu erreichen, als bei der Ausführung von Operationen über die CPU oder die GPU. ML-Workloads machen zudem ein besonderes Speichermanagement nötig, da bestimmte Daten häufiger abgerufen werden. Daher sei es für eine Leistungssteigerung besonders wichtig.

HIGHLIGHT

EMM – ein nützliches Werkzeug zur Einhaltung der DSGVO

Am 25. Mai 2018 tritt die europäische Datenschutzgrundverordnung (EU-DSGVO) in Kraft. In diesem Dokument finden Unternehmen Rahmenbedingungen, mit denen sie ihre Richtlinien für mobilen Datenschutz und mobile Sicherheit sowie die Durchsetzungskonzepte bewerten können.

ARM verspricht mit dem ML-Prozessor einen theoretischen Durchsatz von über 4,6 TOPs (8-bit integer) bei einem Verbrauch von etwa 1.5W, was laut ARM 3 TOPs/W bedeutet. Diese Schätzungen basieren auf einer Implementierung in einem 7 Nanometer-Verfahren. Allerdings haben solche Aussagen ohne einen branchenweit verbindlichen Standard-Benchmark wenig Aussagekraft.

Der OD hingegen deckt traditionelle Bilderkennung ab. Grundsätzlich kann auch der ML-Prozessor diese Aufgaben über ein neuronales Netz abdecken, OD ist hier jedoch leistungsfähiger. Es zeigt sich also, dass die entsprechende Hardware auf sehr eng gefasste Arbeitslasten hin optimiert sind. Es bleibt ohnehin abzuwarten, welche Entwicklungen der Bereich künstliche Intelligenz im mobilen Umfeld nimmt.

Für Entwickler stellt ARM jedoch eine Reihe von Software-Tools bereit, die Entwicklern bei der Schaffung neuer Anwendungen für diese Prozessoren helfen sollen. Diese Werkzeuge sind über ARMs Entwicklerseiten oder über GitHub verfügbar.

ANZEIGE

Aktuelle Studie zur Dokumentensicherheit in deutschen Büros

Eine aktuelle Statista-Umfrage (im Auftrag von KYOCERA Document Solutions) hat ergeben: Der deutsche Mittelstand hat Nachholbedarf beim Thema Dokumentensicherheit. Mehr als die Hälfte der befragten Mitarbeiter hat Zugriff auf Dokumente, die nicht für sie bestimmt sind. Weitere Infos und Tipps zur Optimierung erhalten Sie im gratis E-Book. Jetzt herunterladen!

Themenseiten: Advanced RISC Machines Limited (ARM), Künstliche Intelligenz, Prozessoren

Fanden Sie diesen Artikel nützlich?
Content Loading ...
Whitepaper

ZDNet für mobile Geräte
ZDNet-App für Android herunterladen Lesen Sie ZDNet-Artikel in Google Currents ZDNet-App für iOS

Artikel empfehlen:

Neueste Kommentare 

Noch keine Kommentare zu ARM bringt mit Project Trillium künstliche Intelligenz in Smartphones

Kommentar hinzufügen

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *