今天小編分享的科學經驗：5分鍾端側部署視覺大模型！專為Transformer優化的AI芯片來了，歡迎閲讀。
有沒有人好奇：
大模型那麼香，我們将它從雲側拿到端側開發應用，比如讓每台手機都标配一個大模型，豈不是更香？
——我們還沒實現這個願望，當然不是因為不想，是不能。
由于芯片架構不同，在端側部署時往往需要開發人員對模型網絡結構進行一通修改才能勉強 " 上車 "，但改完之後性能難保證，更别提功耗、成本等一系列本就存在的問題了。
不過現在，一款号稱現實開源模型直接拿來用，還能讓性能、功耗與自動駕駛領網域基于 GPU 的端側芯片有得一拼的平台誕生了。
它叫AX650N，來自愛芯元智，對Transformer 架構支持效果尤甚。
Transformer 不用多説，它是當下最火的 ChatGPT、Stable Diffusion 等大模型背後的基礎架構。
那麼具體效果如何？咱這就展開參數一一來看。
5 分鍾就能完成原版 Swin Transformer 端側部署
AX650N 是 AI 芯片公司愛芯元智發布的第三代端側芯片。
其構成包括 CPU 和 NPU 等，其中 CPU 采用的是八核 A55 處理器，NPU 則采用了自研混合精度技術，可以做到 43.2TOPs（INT4）或 10.8TOPs（INT8）的高算力。
AX650N 主要用于端側視覺感知。
目前在該領網域，業界主要還是基于 CNN 網絡開發應用。
相反，準确率和性能雙佳的 Swin Transformer 并沒有得到突出的大規模落地，還是多部署于雲端伺服器。
愛芯元智表示，這是因為 GPU 對于 MHA 結構（Transformer 中的多頭注意力機制）計算支持更友好。
而目前的大部分端側 AI 芯片由于其架構限制為了保證 CNN 結構的模型效率更好，基本上對 MHA 結構沒有過多性能優化，因此我們需要修改 Swin Transformer 的網絡結構才能勉強将其部署在端側——
一旦修改網絡結構，就意味着将出現一系列問題，例如精度下降，精度一降就得對模型進行重訓，這個過程就要以星期甚至是月來計算了。
愛芯元智聯合創始人、副總裁劉建偉介紹：
用 AX650N 在端側部署原版 Swin Transformer，從拿到測試板到 demo 復現，只需要 5 分鍾，再到在自己的私有環境裏跑起來私有模型，只要 1 個小時就能搞定。
——不僅能跑起來，還跑得飛快、性能高且功耗低。
具體而言，AX650N 端側部署 Swin Transformer 性能可達 361 FPS。
這是什麼概念？
某知名芯片商開發的基于 GPU 的高端網域控 SoC，用于自動駕駛領網域，跑的也是 400 幀以内的一個數字。AX650N 基本可與之相媲美了。
不僅性能高，AX650N 還能保證準确率，做到高于市場水平的80.45%精度。
與此同時，功耗也非常低，即能效非常高，它可以跑到 199 FPS/W，是上面提到的基于 GPU 的高端網域控 SoC 的數倍（該芯片整體 TDP 大約是 15 到 60W，實測增量功耗 20 多 W，合下來大約是 20 FPS/W）。
除了這些優勢，AX650N 還支持低比特混合精度，遇到大規模參數的模型，我們就可以采用 INT4 來減少内存和帶寬占用率，從而降低大模型在端側邊緣側部署的成本。
基于此，愛芯元智表示，AX650N 可以説是成為了目前對 Transformer 架構支持最好的一個端側部署平台。
對了，除了上面的 Swin Transformer，AX650N 還适配 ViT/DeiT、DETR 在内的 Transformer 模型，Meta 最新發布的視覺模型 DINOv2 也達到了 30 幀以上的運行結果。
因此，有了 AX650N，我們在下遊進行檢測、分類、分割等操作也更加方便。
據悉，接下來，愛芯元智 AX650N 将會針對 Transformer 結構進行進一步優化，并且将探索多模态方向的 Transformer 模型。
Ps. Swin Transformer 以及 DETR 和 EfficientViT 的具體部署方法，愛芯元智官方提供了詳細教程，這裏就不再贅述，大家戳文末鏈接即可查看～
△ Swin Transformer 性能實測，3.6Tops 都能跑 100 多幀
邊緣側、端側部署大模型，是趨勢
再回到大模型本身這個話題，大家有沒有思考過它的蓬勃發展究竟會給我們帶來什麼？
奇績創壇 CEO 陸奇博士在最近的一場演講中提到：
當年他剛從 CMU 畢業時，買一張地圖需要 3 美元，現在咱們只需要在網上花費 300 毫秒就能搜到一張，信息獲取的成本已接近免費。
愛芯元智相關負責人就表示，大模型從某種程度上會重復如上故事，也就是説，我們可以暢想以後打開手機或者其他終端，就能獲得一個諸如私人醫生和律師、廚師的 AI 助理，它無所不知無所不曉，為我們提供成本非常低廉的咨詢等服務。
另一方面，比如智能音箱，如果能夠在本地用上大模型，它就能做一些真正稱得上是智能的互動，而不是只會提取關鍵詞。
為了實現諸如這樣的願望，大模型部署就不會只局限于雲端。
△圖源愛芯元智官網
" 而從量的角度來講，邊緣側、端側的需求一定比雲側更大，畢竟邊緣側、端側設備會更多。"
像我們今天講的 Transformer 端側部署，" 但凡是會用到攝像頭的業務，都會對它感興趣。"
愛芯元智介紹，相比 CNN 網絡，在端側部署 Transformer 最大的好處之一就是可以解決以前長尾場景下，AI 智能投入太高的問題。
比如河道垃圾監測，用 CNN 等網絡，可能出現一類新的垃圾就得花數月去重新采集數據進行訓練，不然系統就認不出來。
而基于 Transformer 的視覺大模型，采用無監督學習的方式進行了訓練，遇到新的就能直接識别（也就是 zero-shot 或者 one-shot 能力），可以省去很大的時間和訓練成本。
不過要開發可以讓 Transformer 模型輕松又高效地在端側跑起來的平台，要面對的困難并不少。
例如：
硬體架構上早期定位就要準，要對 Transformer 去做針對性的優化，要想辦法能降低大參數模型帶寬的使用情況，以及加載的時候怎麼做到更順暢一些。
軟體上，在推理的時候，則要求做量化、而不是浮點推理，而這就比較需要經驗。
……
在目前的成果之上，愛芯元智 AX650N 也還有很多迭代要做，比如怎麼讓硬體對離散數據擁有比較高效的讀取能力，并且配套的計算還要跟上新的讀取速度，以及對網絡稀疏化、MOE（Mixture of Experts）、硬體底層低比特優化等方面的工作。
關于愛芯元智
愛芯元智成立于 2019 年 5 月，是一家人工智能視覺感知芯片研發及基礎算力平台公司。
創始人、董事長兼 CEO仇肖莘本碩畢業于清華大學自動化專業，博士畢業于美國南加州大學電子工程專業。在創立愛芯元智前，她先後擔任了美國博通公司副總裁和紫光展鋭 CTO。
去年，愛芯元智宣布完成8 億元A++ 輪融資，投資方包括騰訊、美團等公司。加上之前的三輪，公司融資總金額已接近 20 億元人民币。
截至目前，愛芯元智也成功研發并量產了三代多顆端側、邊緣側智能視覺感知芯片，據稱所有芯片產品均具備低功耗優勢及優異的影像處理能力，應用于智能城市、智能交通、智慧制造等領網域。
One More Thing
愛芯元智基于 AX650N 推出的愛芯派 pro 開發板（類似于樹莓派）即将上線某寶，相關教程和工具也可以在 GitHub 找到。
對 Transformer 深度研究有需求的夥伴，可以去 " 整活 " 啦。
友情鏈接：
[ 1 ] https://mp.weixin.qq.com/s/csuIyfvFXPPVX8wdkQ0yOg
