Intel stellt Vektorprozessor für KI-Algorithmen in der Bildverarbeitung vor
KI-Algorithmen auf Grafikkarten oder CPUs kosten viel Strom. Die Intel-Tochter Movidius versucht mit ihrem Spezialprozessor Myriad X effizienter zu sein – bei immerhin vier Billionen Operationen pro Sekunde.
(Bild: Movidius)
Die Intel-Tochter Movidius entwickelt Spezialprozessoren für KI-Anwendungen. Das neu vorgestellte SOC Myriad X kombiniert 16 128-Bit-Vektoreinheiten in einer Einheit mit einer theoretischen Rechenleistung von einer Billion Operationen pro Sekunde (1 TOPS) mit mehr als 20 in Hardware ausgeführten Beschleunigereinheiten für Optical-Flow, Stereo-Tiefe, etc. Die Architektur erlaubt im Prinzip vier Vektoreinheiten mit einer theoretischen Rechenleistung von 4 TOPS, der frisch vorgestellte Myriad X bringt aber nur eine Einheit mit.
Den Befehlssatz hat Movidius ganz aufs Berechnen neuronaler Netze zugeschnitten. Auf dem Chip sitzen außerdem 2,5 MB Speicher, um stromhungrige Speicherzugriffe aufs externe RAM zu sparen. Er richtet sich an Hersteller, die künstliche Intelligenz auf Bildverarbeitung und Bilderkennung anwenden möchten, ohne soviel Strom wie eine Grafikkarte zu verbrauchen. Den genauen Stromverbrauch nennt Intel im Datenblatt nicht, der kleine Bruder Myriad 2 mit 12 Vektoreinheiten soll jedoch unter 1 Watt bleiben.
Keine Hardware fürs Training
Einen geringeren Stromverbrauch beim Anwenden neuronaler Netze (Inferencing) versucht Intel auch mit seinen Altera-FPGAs zu erreichen und Google mit seinen Tensor Processing Units. Fürs Training eignen sich diese Ansätze weniger, da der Spezialhardware meist die Implementierung für den Optimierungsalgorithmus fehlt. Deswegen trainiert man üblicherweise auf Nvidia-Grafikkarten oder – eher im Sinne von Intel – auf Xeon Phi-Beschleunigern (besonders Knights Mill). Nvidia hat mit Jetson und Drive PX 2 aber auch Hardware fürs Inferencing im Angebot, gegen die sich Movidius erst noch behaupten muss. (pmk)
