寒武紀芯片——有自己的SDK，支持tf、caffe、MXNet

寒武紀芯片

產品中心> 智能處理器IP

智能處理器IP

MLU智能芯片

軟件開發環境

Cambricon-1A

高性能硬件架構及軟件支持
兼容Caffe、Tensorflow、MXnet等主流AI開發平台，已多次成功流片

國際上首個成功商用的深度學習處理器IP產品，可廣泛應用於計算機視覺、語音識別、自然語言處理等智能處理關鍵領域。

Cambricon-1H8

低功耗版
面向視覺應用

針對視覺領域設計的深度學習處理器IP產品。與寒武紀1A相比，在同樣的處理能力下具有更低的功耗和面積，可廣泛應用於安防監控、智能駕駛、無人機等領域。

Cambricon-1H16

更高性能版
完備的通用性

1A的升級版本，能效比得到數倍提升，擁有更廣泛的通用性，可廣泛應用於計算機視覺、語音識別、自然語言處理等智能處理關鍵領域。

 

產品中心>軟件開發環境

智能處理器IP

MLU智能芯片

軟件開發環境

Cambricon NeuWare SDK ▼

CN-Lib高性能計算庫 CN-Gen模型重訓練和轉換工具 CN-CC通用編譯器 CN-Prof性能監控及調優工具 CN-GDB調試工具

支持主流編程框架 ▼

TensorFlow Caffe MXNet

難點：

作者：祖亞洲
鏈接：https://www.zhihu.com/question/41469046/answer/124179575

這個工作繼續下去有潛力把一整套系統做出來， chip tape-out, compiler/language support, multi-chip interconnect, 等等，但是繼續下去有很多 design consideration 需要討論:

1. Accelerator 和 CPU 的通信怎么做，像 nvidia 對他的GPU有一整套通信機制，只是沒有開源。這些CPU和accelerator的通信模型是很煩的，需要的支持團隊也不小。他怎么從 CPU instruct accelerator 去load數據，怎么保持數據一致性，這些design很費腦子，退一步說，這一整套 API 的實現可不簡單。

2. 這個編譯器，還有programming model怎么做，是准備在C/C++里面加特定的pragma/library，還是讓python自動compile某一部分代碼到這個ISA，然后下面的runtime自己manage CPU-accelerator 通信。

3. 現在工業界搞的NN都巨大無比，你單個加速器就算是power8那么大的，全是SIMD lanes也不夠。這個加速器怎么支持distributed計算，怎么和tensorflow/CNTK的framework融合。