芯动力：以RPP创新架构在GPGPU市场持续拓展生态和应用-- 迪族网

芯动力：以RPP创新架构在GPGPU市场持续拓展生态和应用

来源：集微网　2023-07-28 06:43:31

本期企业视角来自：珠海市芯动力科技有限公司（以下简称“芯动力”）

作为新型生产力，算力的迅猛发展离不开芯片、数据中心和云计算等产业链的日臻完善，特别是作为三大算力芯片之一的GPU，更是兵家必争之地。而由GPU衍生出来的GPGPU凭借并行计算理念打造出强大的高性能通用计算优势，在算力时代正风生水起。

伴随着国内政策、资本、人才以及应用的红利，一大批国内GPGPU企业已然崭露头角。他们或在架构领域独辟蹊径，或在生态层面攻克难关，或在应用层面打开局面，在2022年取得了可喜的进步。

作为成立于2017年的珠海市芯动力科技有限公司（以下简称芯动力），基于深厚的技术积累和完善的人才储备，研究并提出了在并行计算领域中的可重构并行处理器架构（Reconfigurable Parallel Processor）。凭借其在架构层面更强的处理能力、更低的延迟和功耗，在GPGPU领域打开了一片新天地。

芯片流片成功

基于RPP创新架构的优势，芯动力强调，在传统设备开发的前提下，从算法开发到仿真开发到选取设备的器件，是很耗时的，尤其是开发设备端器件到算法实现是一个很漫长的过程，而RPP的通用性成功解决了这些开发所遇到的问题。

对于过去的2022年，芯动力总结，以RPP架构研发的第一代RPP-R8芯片一次性流片成功，全功能和性能都得到了完全的验证，达到了预期的性能指标。

具象来看，RPP-R8可支持FP16/FP32/INT8等精度算力，算力达到32TOPS@INT8，16TFLOPs@FP16；支持PCIe Gen3，PCIe带宽双向 32GB/s。芯片面积为110mm2，计算单元数量1024个，核心频率达 1GHz。

此外，RPP-R8还支持主流深度学习网络框架和主流深度神经网络模型，支持任何英伟达支持的深度学习网络模型，包含CNN、Transformer等；剪枝、量化后模型压缩比与国际先进水平相当，准确率下降1%以内，支持32路数视频解码；兼容CUDA语言和Tensor RT推理平台；

更值得一提的是，芯动力也克服了诸多困难，自主研发了PCIe板卡，也完成了板卡在客户端的测试。

从市场反馈来看，芯动力在所重视的边缘端服务器领域对产品的多样性得到了验证，既满足了客户缩短研发周期的需求，也降低了客户的开发成本。

2023年持续发力

在流片和验证层面获得“开门红”之后，对于渐行渐进的2023年，芯动力也充满期待。

芯动力介绍，公司将更加明确市场对并行计算的需求，明确了市场对算力提升的需求，同时也更加明确了客户对于软硬件分离的需求，客户非常清楚他们所在的领域，算法是他们的核心竞争力，但这需要GPGPU公司提供强大的算力支撑和友好的开发环境，RPP-R8芯片未来将朝着这一方向笃定前行。

为进一步构建生态，芯动力进一步表示，将着力在不同的应用领域结合第三方在RPP上开发软件，如深度学习软件、信号处理软件、图像处理软件等，让客户参与到开发过程中，以进一步拓展市场。

而在第一代芯片成功应用的基础上，芯动力还强调，将持续关注市场的反馈，挖掘应用场景对芯片的特殊需求，对下一代芯片进行优化。

据悉，RPP-R8的特点非常适用在高密度数据量的边缘计算场景，因此芯动力选择从边缘计算市场如工业视觉、辅助驾驶、安防等领域切入。

芯动力举例说，在工业视觉领域，工业自动化的发展迅速，导致需求增加。对于智能工业相机来说，随着高清晰度和3D视觉的应用，对于算力的要求越来越高，众多工业视觉领域的企业希望自己的算法可以快速在GPU实现，在要求芯片提供高算力的前提下，对于芯片的易用性也有了更高的要求，芯动力将持续深耕。（校对/Chaya）

关键词：

推荐DIY文章