Όλες οι εφαρμογές τεχνητής νοημοσύνης προσγείωσης απαιτούν την υποστήριξη υπολογιστικής ισχύος υλικού, συμπεριλαμβανομένης της αυτόνομης οδήγησης, η οποία αυτή τη στιγμή είναι καυτή στην αγορά. Με την αύξηση των αισθητήρων περιβαλλοντικής αντίληψης, όπως οι κάμερες, τα ραντάρ κυμάτων χιλιοστών, τα lidar και τα ραντάρ υπερήχων στα αυτοκίνητα, το σύστημα αυτόνομης οδήγησης θα συλλέγει περισσότερα δεδομένα αισθητήρων. Το τσιπ υπολογιστών αυτόνομης οδήγησης πρέπει να επεξεργάζεται και να εναρμονίζει αυτά τα δεδομένα μέσω αλγορίθμων για να επιτύχει Η συγχώνευση πληροφοριών οχημάτων, δρόμων, ανθρώπων κ.λπ., λαμβάνει αποφάσεις για τον έλεγχο της οδήγησης. Η αύξηση του αριθμού των αισθητήρων θα αυξήσει σημαντικά τις απαιτήσεις υπολογιστικής ισχύος για υπολογιστικά τσιπ αυτόνομης οδήγησης.
Η βελτίωση της υπολογιστικής ισχύος είναι αδιαχώριστη από την υποστήριξη του NPU (Neural-Network Processing Unit, Neural Network Processor). Είναι ένα είδος μικροεπεξεργαστή αφιερωμένου στην επιτάχυνση υλικού της τεχνητής νοημοσύνης (ειδικά τεχνητό νευρωνικό δίκτυο, μηχανική όραση, μηχανική μάθηση κ.λπ.) που βασίζεται στην τεχνολογία αρχιτεκτονικής συγκεκριμένης περιοχής του DSA (Domain Specific Architecture). Σε σύγκριση με την CPU και την GPU, η NPU έχει σχεδιαστεί για AI στην αρχιτεκτονική υλικού και είναι πολύ κατάλληλη για λειτουργίες νευρωνικών δικτύων.
Οι NPU έχουν σχεδιαστεί διαφορετικά από τους επεξεργαστές γενικής χρήσης, όπως οι CPU και οι GPU. Λαμβάνοντας υπόψη την ευελιξία των υπολογιστών, το μεγαλύτερο μέρος της αυξημένης υπολογιστικής ισχύος των επεξεργαστών γενικής χρήσης δεν μπορεί να μετατραπεί άμεσα στη βελτίωση των δυνατοτήτων επεξεργασίας νευρωνικών δικτύων. Για παράδειγμα, δεν υπάρχει ιδιαίτερη βελτίωση για τις λειτουργίες MAC, ενώ το NPU έχει σχεδιαστεί για νευρωνικά δίκτυα, χωρίς να λαμβάνεται υπόψη ότι τα νευρωνικά δίκτυα δεν είναι Μερικές υπολογιστικές μονάδες απαιτούνται. Σε σύγκριση με την CPU, η οποία είναι καλή στην επεξεργασία εργασιών και στην έκδοση παραγγελιών, η GPU είναι καλή στην επεξεργασία εικόνας και στον παράλληλο υπολογισμό, και η NPU είναι καλύτερη στην επεξεργασία εργασιών τεχνητής νοημοσύνης. Το NPU πραγματοποιεί την ενσωμάτωση της αποθήκευσης και της πληροφορικής μέσω των συναπτικών βαρών, βελτιώνοντας έτσι τη λειτουργική απόδοση.
Επομένως, μπορούμε να βρούμε NPU σε πολλούς επεξεργαστές ή SoC που υποστηρίζουν εφαρμογές τεχνητής νοημοσύνης, όπως το A15 της Apple, το τσιπ FSD της Tesla, τα τσιπ της σειράς Journey της Horizon, το τσιπ Mariana X της OPPO και ούτω καθεξής. Εκτός από αυτά τα μεγάλης κλίμακας και υψηλής απόδοσης τσιπ SoC, ορισμένα προϊόντα MCU έχουν αρχίσει να ενσωματώνουν μονάδες NPU για να καλύψουν τις ανάγκες ορισμένων ευφυών εφαρμογών αιχμής.
Στην πραγματικότητα, πολλά τσιπ SoC που υποστηρίζουν τεχνητή νοημοσύνη υλοποιούνται με την ενσωμάτωση IP νευρωνικών δικτύων. Σε γενικές γραμμές, η IP νευρωνικών δικτύων θα αναπτυχθεί ταυτόχρονα με τους αλγόριθμους νευρωνικών δικτύων και μπορεί να επεκταθεί περαιτέρω για να καλύψει την αυξανόμενη ζήτηση για απόδοση νευρωνικών δικτύων.