電子行業(yè)的兩大趨勢是物聯(lián)網(wǎng)和人工智能。兩者可以分開考慮，但事實(shí)是，它們已經(jīng)緊密地交織在一起。物聯(lián)網(wǎng)正在創(chuàng)造對離數(shù)據(jù)中心越來越遠(yuǎn)的更復(fù)雜計(jì)算的需求，而人工智能正被用于使這種遷移工作。這一系列文章，我們將討論邊緣的 AI計(jì)算。

首先，英偉達(dá)取消了與 Arm 的大型合并計(jì)劃。該交易取決于多個(gè)全球監(jiān)管機(jī)構(gòu)的批準(zhǔn)。中國是否會評估這筆交易是一個(gè)現(xiàn)在永遠(yuǎn)無法回答的問題，但在英偉達(dá)和 Arm 等待的時(shí)候，其他地方的反對意見開始升溫。Arm 是一家私營公司，過去和現(xiàn)在都需要大量資金，這也是它最初愿意被 Nvidia 收購的部分原因?，F(xiàn)在，該公司正在尋求它剩下的唯一可行的選擇，那就是公開募股。

同時(shí)，英特爾的代工服務(wù)進(jìn)一步承諾支持客戶和潛在客戶使用 RISC-V 架構(gòu)構(gòu)建處理器。該公司宣布與 Andes Technology、Esperanto Technologies、SiFive 和 Ventana Micro Systems 建立合作伙伴關(guān)系。英特爾表示，它還將加入幫助管理 RISC-V 技術(shù)開發(fā)的非營利組織 RISC-V International。

所以我提到了這兩個(gè)故事中的一個(gè)重疊點(diǎn)，就是 RISC-V。Arm 報(bào)告稱，隨著越來越多的公司開始選擇 RISC-V，它正在失去潛在的業(yè)務(wù)。一直以來，Arm 希望幫助其被許可方在數(shù)據(jù)中心市場挑戰(zhàn)英特爾，但 Arm 報(bào)告說它只取得了微不足道的成功。因此，英特爾在 RISC-V 上加倍下注幾乎就像是在堆積如山。

文章最后，我們有一個(gè)關(guān)于用鉆石構(gòu)建量子微處理器的研究工作的故事。即使我能解釋它是如何工作的以及為什么。

電子行業(yè)一直在建設(shè)——并將繼續(xù)建設(shè)——巨大的數(shù)據(jù)中心。這吸引了對進(jìn)行人工智能培訓(xùn)感興趣的公司的業(yè)務(wù)。人工智能訓(xùn)練傳統(tǒng)上依賴于龐大的數(shù)據(jù)集和大量的計(jì)算能力來處理它們，因此人工智能處理開始遷移到數(shù)據(jù)中心是很自然的。

如果你允許我提醒你一些你已經(jīng)知道的事情，那么所有的處理能力都需要大量的“POWER”。它需要大量的能量。

同時(shí)，物聯(lián)網(wǎng)的全部意義在于將計(jì)算從集中式計(jì)算中心轉(zhuǎn)移到世界各地。人們希望在物理上更偏遠(yuǎn)的地方進(jìn)行計(jì)算。換句話說，物聯(lián)網(wǎng)正在將網(wǎng)絡(luò)邊緣推得越來越遠(yuǎn)。

這一切都在制造一種奇怪的張力。您希望在邊緣具有大量處理能力，但這不是它所在的地方。將處理能力推向邊緣是很困難的，因?yàn)槟€需要外部電源來支持您的處理能力，而且在許多情況下，您想要做的事情根本不存在或負(fù)擔(dān)不起。那么它將如何到達(dá)那里?

去年 6 月，Synopsys 以大約 3.15 億美元的價(jià)格收購了 Virage Logic。早在 2009 年，Virage 就收購了 ARC International。ARC 代表 Argonaut RISC Core，這是一種可以追溯到 1996 年的嵌入式技術(shù)。順便說一下，ARC 是那些可愛的三字母縮寫詞之一。Portmanteau 的首字母縮略詞包含另一個(gè)首字母縮略詞。在這種情況下，ARC 包含 RISC，它代表精簡指令集計(jì)算機(jī)。反正。ARC 在結(jié)合了相對較高的性能同時(shí)消耗最少的功率的處理器方面擁有并且仍然擁有重要的專業(yè)知識。換句話說，正是邊緣人工智能所需要的。

所以我們來了，來自 Synopsys 的 Matt Gutierrez。我問他的第一個(gè)問題很長而且很復(fù)雜，但基本上可以歸結(jié)為：邊緣的 AI 發(fā)生了什么?

有幾件事可以有效地讓人工智能從云端轉(zhuǎn)移到我們的設(shè)備和其他形式的網(wǎng)絡(luò)邊緣。首先，技術(shù)方面有了進(jìn)步。所以，你知道，人工智能需要相當(dāng)多的計(jì)算能力。所以你需要一定數(shù)量的內(nèi)存，你需要一定數(shù)量的處理計(jì)算能力，這些能力過去只存在于云中。多年來，隨著事物在更小的幾何形狀中移動(dòng)，這種情況一直在發(fā)生變化，獲得適合生活在邊緣設(shè)備中的電源包絡(luò)。因此，出現(xiàn)了一項(xiàng)技術(shù)發(fā)展，使人工智能能夠移動(dòng)。

與此同時(shí)，一些人工智能，即神經(jīng)網(wǎng)絡(luò)本身，已經(jīng)變得更小，因此需要的資源更少，包括它們可以生活在資源中、資源受限、邊緣設(shè)備中的程度。

最后但并非最不重要的一點(diǎn)是，應(yīng)用程序需要將事物轉(zhuǎn)移到邊緣。所以為什么?好吧，顯而易見的是延遲。因此，如果人工智能必須不斷進(jìn)出云端，那么數(shù)據(jù)上升和數(shù)據(jù)回落會有相當(dāng)大的滯后;你消耗網(wǎng)絡(luò)帶寬。一些需要實(shí)時(shí)要求的應(yīng)用程序，例如自動(dòng)駕駛汽車，您無法忍受這種延遲。因此，需要將其移近邊緣或設(shè)備本身。因此，技術(shù)、模型、軟件和實(shí)時(shí)需求的交叉點(diǎn)已經(jīng)綜合在一起，開始將大量人工智能驅(qū)動(dòng)到邊緣計(jì)算。