Markt-Trends von KI-Computing-Hardware Industrie
Automobilsektor verzeichnet deutliches Wachstum
- Die Automobilindustrie durchläuft ein Jahrzehnt rasanter Veränderungen Fahrzeuge werden immer vernetzter, neue Antriebssysteme wie Elektromotoren halten Einzug in den Mainstream und der Grad der Fahrzeugautonomie steigt. Viele Autohersteller haben bereits darauf reagiert und Pilotprojekte zum autonomen Fahren angekündigt, für die möglicherweise KI-Rechenhardware erforderlich ist.
- Beispielsweise basieren die selbstfahrenden Rechenplattformen NVIDIA DRIVE AGX auf NVIDIA Xavier, dem weltweit ersten Prozessor, der für autonomes Fahren entwickelt wurde. Das Auto-Grade-Xavier-System-on-a-Chip (SoC) befindet sich in Produktion und ist auf Sicherheit ausgelegt. Es umfasst sechs verschiedene Prozessortypen, um redundante und unterschiedliche Algorithmen für KI, Sensorverarbeitung, Kartierung und Antrieb auszuführen.
- Darüber hinaus ist der Xpeng P7 das erste L3-Autonomie-fähige Serienfahrzeug auf dem chinesischen Markt, das von NVIDIAs DRIVE AGX. Sein autonomes Fahrsystem XPILOT3.0 ist für die anspruchsvollen Straßen Chinas konzipiert. Es enthält 12 Ultraschallsensoren, fünf Millimeterwellenradare, 14 Kameras und das branchenweit einzige integrierte 360°-Mehrwahrnehmungssystem.
- Darüber hinaus hat das autonome Fahrzeug-Startup Phantom AI im April 2020 22 Millionen US-Dollar in einer Serie-A-Finanzierung unter der Leitung von Celeres Investments aufgenommen, an der sich der US-Automobilhersteller Ford Motor Co. und KT, Südkoreas größtes Telekommunikationsunternehmen, beteiligten. Phantom AI konzentriert sich darauf, Computer Vision, Sensorfusion und Steuerungsfunktionen in seine Lösungen einzubeziehen und seine Produktion weltweit zu beschleunigen.
- Darüber hinaus konzentrieren sich die Akteure auf die nächste Generation intelligenter Anzeigeplattformen für die Rundumsichtvisualisierung, die eigenständige Bildverarbeitung zur Fahrerüberwachung und E-Mirror-Lösungen. Im April 2020 kündigte Ambarella die Automobilkamera-SoCs CV22FS und CV2FS mit KI-Verarbeitung und ASIL-B-Konformität an, um sicherheitsrelevante Anwendungen zu ermöglichen.
- Darüber hinaus bietet COTS (Commercial-off-the-shelf-Plattform) in Kombination mit der prozessorintegrierten Unterstützung für künstliche Intelligenz und neuronale Netze alles, was Entwickler für intelligente Bildverarbeitungssysteme benötigen. Im Februar 2020 erweiterte Congatec sein 3,5-Zoll-Angebot um NXP i.MX8-Prozessoren. Das neue 3,5-Zoll-Board conga-SMC1 verfügt nicht nur über einen SMARC-Sockel für skalierbare Prozessorleistung, sondern ist auch für MIPI-Kameras optimiert, die nun direkt und ohne zusätzliche Hardware angeschlossen und zur Situationserkennung in autonomen Fahrzeugen eingesetzt werden können.
Um die wichtigsten Trends zu verstehen, Musterbericht herunterladen
Beispiel herunterladen
Asien-Pazifik verzeichnet die schnellste Wachstumsrate
- Es wird erwartet, dass der asiatisch-pazifische Raum aufgrund der Fortschritte in der KI-Technologie in Ländern wie China und Japan, in denen sich die Akteure auf die Integration von Computerhardware in die Geräte durch Partnerschaften konzentrieren, eine erhebliche Wachstumsrate verzeichnen wird.
- Im April 2020 schloss der chinesische KI-Chiphersteller Intellifusion eine Pre-IPO-Finanzierungsrunde in Höhe von fast 1 Milliarde CNY (141 Millionen US-Dollar) ab, angeführt von Utrust VC, Forebright Capital und seinem bestehenden Investor Walden International. Intellifusion konzentriert sich auf den Bereich der visuellen Intelligenz. Seine Chipplattform Moss hat kürzlich den Chip der zweiten Generation für künstliche Intelligenz, DeepEye1000, auf den Markt gebracht, einen heterogenen Multi-Core-SoC für die visuelle Analyse mit einem eingebetteten neuronalen Netzwerkprozessor mit benutzerdefiniertem Befehlssatz.
- Die Geräteleistung von DeepEye1000 stieg um das 20-fache und die Energieeffizienz des Geräts um das 100-fache, wobei die Systemverzögerung um das 200-fache reduziert wurde. Es kann in den Bereichen intelligente Sicherheit, Neugeschäft, intelligenter Transport, intelligente Fertigung, intelligente Lagerung, intelligentes Zuhause, Roboter, intelligentes Supercomputing und anderen Branchen eingesetzt werden. Dies unterstützt das Marktwachstum zusätzlich.
- Im August 2019 kündigte Huawei Ascend 910 an, seinen KI-Prozessor für Datentraining, und sein KI-Computing-Framework MindSpore. Der Prozessor liefert 256 TeraFLOPS für Gleitkommaberechnungen mit halber Genauigkeit (FP16) bzw. 512 TeraFLOPS für Berechnungen mit ganzzahliger Genauigkeit (INT8). Darüber hinaus plant Huawei die Entwicklung von Atlas- und MDC-Produkten auf Basis von Ascend-Prozessoren, die Universitäten und anderen Partnern in Indien zur Verfügung gestellt werden können, wenn diese Anwendungen zur Bewältigung branchenspezifischer Herausforderungen entwickeln. Dies könnte das Marktwachstum in Indien und China in Zukunft weiter ankurbeln.
- Darüber hinaus basieren die heutigen Edge-Computing-Geräte auf herkömmlichen Allzweck-GPUs. Diese Prozessoren sind im Allgemeinen nicht in der Lage, die wachsende Nachfrage nach KI-basierten Verarbeitungsanforderungen wie Bilderkennung und -analyse zu unterstützen, die aufgrund des steigenden Stromverbrauchs und der Wärmeerzeugung größere Geräte zu höheren Kosten erfordern. Solche Geräte und ihre begrenzte Leistung sind für die moderne KI-Verarbeitung nicht wünschenswert.
- Um solche Probleme anzugehen, entwickelte Socionext Inc. im März 2020 einen Prototyp-Chip, der die neu entwickelte quantisierte Deep Neural Network (DNN)-Technologie enthält und eine hochentwickelte KI-Verarbeitung für kleine Edge-Computing-Geräte mit geringem Stromverbrauch ermöglicht. Der Prototyp ist Teil eines Forschungsprojekts zum Thema Updatable and Low Power AI-Edge LSI Technology Development, das von der New Energy and Industrial Technology Development Organization (NEDO) Japans in Auftrag gegeben wurde. Bei weiterer Umsetzung könnte dies ein deutliches Wachstum des Marktes ermöglichen.
Um geografische Trends zu verstehen, Musterbericht herunterladen
Beispiel herunterladen
