5G傳輸/應用複雜度大增　AI引擎克服密集運算挑戰

本白皮書探討了將賽靈思新AI引擎用於運算密集型應用(如5G基地台和機器學習DNN/CNN)的架構、應用和優勢。與前幾代相比，5G的運算密度要高5到10倍；AI引擎已針對DSP進行了最佳化，可滿足傳輸率和運算要求，進而提供無線連接所需的高頻寬和加速速度。

許多產品中機器學習的採用(通常採用DNN/CNN網路的形式)大大增加了運算密度的需求。AI引擎針對線性代數進行了最佳化，可滿足這些要求的運算密度，同時與可編程邏輯中執行的類似功能相比，功耗也降低了50%。AI引擎使用了許多工程師所熟悉的C/C++範例進行程式設計。AI引擎與賽靈思的自行調適與純量引擎整合，可提供高度靈活且功能強大的整體解決方案。

多種技術的進步推動了對非線性更高運算密度的需求。採樣速率為每秒千兆赫的資料轉換器能夠對RF訊號直接採樣，這雖然簡化了類比系統，但需要相應數量級更高的DSP運算密度支援。直接RF採樣結合多個天線的使用，例如具有數萬個天線的高階雷達系統。