ARM推出全新机器学习平台Project Trillium

全球IP矽智财授权ARM日前宣布推出Project Trillium平台，为包含全新可高度扩充处理器的ARM IP套件，提供强化的机器学习(ML)与神经网络(neural network；NN)功能。目前技术聚焦于移动市场，将让全新等级搭载机器学习功能的装置具有先进的运算能力，包括最尖端的物件侦测功能。

ARM IP产品事业部总裁Rene Haas表示，「随着人工智能快速导入终端装置，对于强调大量运算需求的同时也能维持同样能源效率的创新需求激增。因应这样的需求，ARM宣布推出了全新机器学习平台Project Trillium。新的装置将需要这些全新处理器所提供的高效能机器学习与人工智能能力。结合ARM的平台提供的高度弹性与扩充性，合作夥伴将可针对各式各样的装置，将可能性推进至前所未有的新境界。」

现今的机器学习技术往往聚焦于特定等级的装置或是针对个别应用的需求，而ARM的Project Trillium藉由提供极致的扩充性改变现况。初期推出焦点将放在移动处理器上，未来ARM的机器学习产品将提供往效能曲线高低两端移动的能力，包含从传感器、智能音箱到移动与家庭娱乐以及更多的装置。

ARM全新的机器学习与物件侦测处理器相较于独立CPU、GPU与加速器，不仅大幅提升效率，其效能并远超传统DSP的可编程逻辑。ARM机器学习处理器专为机器学习重新打造，其基于可高度扩充的ARM机器学习架构，能为机器学习应用达到最高的效能与效率。

针对移动运算，此处理器提供每秒超过4.6万亿次运算；透过智能数据管理，每秒万亿次运算(TOPs)在现实使用情况下的有效处理量可进一步提升2至4倍。在温度与成本限制较多的环境下以每瓦每秒超过3万亿次运算(TOPs/W)提供无与伦比的效能与效率。

ARM物件侦测处理器专为有效识别人物与其他物件而设计，每帧可识别的物件量几乎没有限制，Full HD实时侦测处理达每秒60帧；与传统DSP相比，效能最高可达80倍；而与先前ARM技术比较，侦测的品质也显着改善。

ARM机器学习与物件侦测处理器结合后表现更佳，提供高效能、具能源效率的人物侦测与识别的解决方案。使用者将能在智能装置上享受高分辨率、实时、高细节的人脸识别，且电池的耗电量更低。

ARM神经网络软件搭配ARM Compute Library及CMSIS-NN一起使用时，能针对神经网络优化，并完整了在TensorFlow、Caffe与Android NN等神经网络框架和全系列ARM Cortex CPU、ARM Mali GPU与机器学习处理器之间的连结。开发人员得以充分运用ARM硬件的基本能力与效能，发挥机器学习应用的最高效能表现。全新ARM机器学习IP套件将于2018年4月提供早期预览，预计2018年年中全面上市。