在快速发展的人工智能领域，Quadric 作为边缘计算领域的先锋力量脱颖而出。Quadric 成立于 2018 年，总部位于加利福尼亚州伯林格姆，是一家科技公司，专注于为智能手机、物联网传感器、自动驾驶汽车和工业机器人等边缘设备的 AI 工作负载开发高性能、节能处理器。其旗舰产品 ，将通用计算的灵活性与专用人工智能硬件的效率相结合，满足了对设备上人工智能处理不断增长的需求。本博客探讨了 Quadric 的使命、技术以及对边缘人工智能生态系统的影响，强调了其在塑造智能设备未来方面的作用。
Quadric 的核心创新在于其 Chimera GPNPU，这是一种混合处理器，弥合了传统 CPU/GPU 与 TPU 等专用 AI 加速器之间的差距。与仅针对深度学习推理进行优化的传统神经处理单元不同，Chimera GPNPU 将可编程架构与专门的 AI 功能相结合。这使得它能够在单个可许可处理器 IP 核内处理各种工作负载，包括机器学习推理、信号处理和经典计算任务。通过统一这些功能，Quadric 消除了对多个专用处理器的需求，从而降低了复杂性、功耗和成本——这对于空间和能源受限的边缘设备来说是关键因素。例如，在自动驾驶汽车中，Chimera 可以在运行控制算法的同时处理实时传感器数据（例如激光雷达、雷达），从而实现更快、更高效的决策。
Chimera 的架构是传统 C++ 编程 DSP（世界上最大、功能最强大的，并行度高达 32,768 位）和用于卷积和矩阵数学的硬件加速器的混合体。它具有单个指令调度功能，可馈送到具有多达 1024 个处理元素的大规模矩阵并行执行管道中，针对神经网络中常见的矩阵和向量运算进行了优化。与仅依赖顺序指令管道的传统 GPU 不同，Quadric 的处理器可以切换到和退出两种执行模式，传统的线性代码流或以数据流驱动的方式执行作的专用矩阵/卷积，从而最大限度地减少延迟并最大限度地提高吞吐量。这种 DSP 行为和加速器行为的混合体为该架构赢得了 Chimera 品牌名称——一种将两种截然不同的架构的 DNA 合并到一个处理器管道中的处理器。根据 Quadric 的基准测试，与竞争解决方案相比，这种方法的每瓦性能提高了 10 倍。此外，其软件堆栈（包括 Quadric SDK 和 Chimera 图编译器）允许开发人员在 TensorFlow 或 PyTorch 等熟悉的框架中进行编程，确保与现有 ML 模型的兼容性，同时针对 Chimera 的独特架构对其进行优化。至关重要的是，该处理器同时运行 C++ 用户代码和用户 python 代码，使 Chimera 内核比竞争的硬连线加速器更加灵活。
Quadric 的影响遍及各行各业。在医疗保健领域，其处理器使可穿戴设备能够执行实时诊断，例如检测心律不齐，而无需依赖云连接，从而增强隐私性和响应能力。在工业物联网中，Quadric 驱动的传感器可以在现场分析振动或温度数据，从而降低延迟和带宽成本。汽车行业受益于其处理自动驾驶汽车中复杂感知任务的能力，其中低功耗和高可靠性至关重要。通过在本地处理人工智能工作负载，Quadric 的技术还解决了隐私问题，因为敏感数据不再需要传输到集中式服务器——这在数据意识的世界中日益重要。
底线：随着设备变得更加智能和自主，Quadric 准备塑造边缘 AI 的未来。它对通用人工智能处理的重视符合异构计算的趋势，在异构计算中，没有单一处理器类型占主导地位。通过实现高效的设备上智能，Quadric 不仅提高了性能，还实现了资源受限环境中人工智能部署的民主化。随着边缘人工智能需求到 2030 年增长到估计 700 亿美元的市场，Quadric 的创新方法使其成为使智能系统无处不在的关键参与者，从智能家居到自主工厂。
“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
