苹果6电池怎么拆机图解点击有惊喜近一年各种深度学习平台和硬件(4)

接下去是生成背景材质，包括产生minimap等。这个也很快，没什么计算量，把传过来的原始图像放到内存，告诉GPU就行。

稍微麻烦一些的是计算虚拟物体的光照。背景贴图的光照不需要计算，使用原图中的就可以。而虚拟物体需要从背景贴图抽取亮度和物体方向，还要计算光源方向。我还没有见过好的算法，不过有个取巧，就是生成一个光源，给一定角度从上往下照，如果对AR要求不高也凑合了。

其他的渲染部分，和VR有些类，什么ATW啊，Front Buffer啊，都可以用上，但是不用也没事，毕竟不是4K 120FPS的要求。总之，AR如果做的不那么复杂，对CPU和GPU的性能要求并不高，搞个图像识别模块，再多1-2个核做别的足矣。

如果在GPU上，那么还是得用传统的ACE口，一方面提高带宽，一方面与GPU的核交换数据在内部进行，当然，与CPU的交互必然会慢一些。

在使用安卓的终端设备上，深度学习可以用CPU/DSP/GPU，也可以是，但不管用哪个，一定要跟紧谷歌爸爸。谷歌以后会使用 Vulkan Compute来替代OpenCL，使用Vulkan 来替代OpenGL ES，做安卓GPU开发的同学可以早点开始熟悉了。

高通推过用手机做训练，然后手机间组网，形成强大的计算力。从我的角度看，这个想法问题多多，先不说实际应用，谁会没事开放手机给别人训练用？耗电根本就吃不消。并且，要是我知道手机偷偷上传我的图像和语音模板到别人那里，绝对不会买。

家庭市场（智能音箱）：语义识别放在云端还是终端，将成争夺的焦点

第二个市场是家庭，包括机顶盒/家庭网关（4亿颗以下），数字电视（3亿颗以下），电视盒子（1亿以下）三大块。整个市场出货量在7亿片，电器里面的MCU并没有计算在内。这个市场公司比较散，MStar/ 海思/博通/ Marvell / Amlogic都在里面，小公司更是无数。如果没有特殊要求，拿平板的芯片配个wifi就可以用。当然，中高端的对画质还是有要求，MTK现在的利润从手机移到了电视芯片，屏幕显示这块有独到的技术。很多机顶盒的网络连接也不是以太网，而是同轴电缆等，这种场合也得专门的芯片。

最近，这个市场里又多了一个智能音箱，各大互联网公司又拿出当年追求手机入口的热情来布局，好不热闹。主要玩家如下：

其中，亚马逊和谷歌占大头，芯片均采用ARM Cortex-A小核做控制器，DSP做图像和语音处理的方式。其中，DSP的运算能力在10 Gops的INT8 MAC左右，并不高，价却不便宜，大于20美金。在芯片内部，DSP的主要作用还是回声消除，去噪，语音识别等。苹果6电池怎么拆机图解自然语言理解和神经网络计算并不是在设备端，而是在云端。在国内，百度和科大讯飞提供SDK甚至模块，不过还是需要连到云端才能启用完整功能。在芯片方面，国内有些公司已经发布了一些带深度学习的芯片，并集成语音处理模块和内存颗粒。未来这类芯片会更多，而软件平台，或者说语义处理到底放在云端还是终端，会成为争夺的焦点。

对于语音设别，如果是需要做自然语言理解，性能可能要到100Gops。对于无风扇设计引入的3瓦功耗限制，CPU/DSP和都可以选。不过工艺就得用28纳米了或者更早的了，毕竟没那么多量，撑不起16纳米。最便宜的方案，可以使用RISC-VDLA，没有生态系统绑定的情况下最省成本。

家庭电子设备里还有一个成员，游戏机。Xbox和PS每年出货量均在千万级别。VR/AR和人体识别早已经用在其中。

监控市场：能不能扔掉DSP？

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shouji/article-59156-4.html