Az ARM egy ideje komolyan szemez a gépi tanulással, amit a szoftveres fejlesztéseik mellett az is bizonyít, hogy az ARMv8.2 processzor-, illetve a Bifrost GPU-architektúra speciálisan is lépdel ebbe az irányba. Ezzel azonban csak az a gond, hogy se a CPU, se a GPU nem hatékony erre a feladatra, ami egyre jobban látszik az első, ténylegesen gépi tanulásra tervezett célhardverek bemutatása mellett. Emiatt is zajlik a cégen belül a Trillium projekt, amely gyakorlatilag teljesen gépi tanuláshoz tervezett IP-k (szellemi tulajdonok) kifejlesztését tűzte ki célul.
Az ARM első körben úgynevezett ML (Machine Learning) és OD (Object Detection) processzorokkal készül. Az ML IP lényegében egy neuronháló gyorsító, vagyis alapvetően azt a feladatot látja el, amit a vállalat eddig a CPU-ira és a GPU-ira bízott, csak éppen sokkal hatékonyabban, elvégre célirányosan tervezett megoldásról van szó. A pontos felépítése még nem ismert, de tudni kell, hogy az ultramobil szegmensen belül nem ez az első ilyen konstrukció, többek között az Imagination PowerVR 2NX, vagy éppen a Kirin 970 rendszerchipbe épített NPU ugyanezt a célt szolgálja.
[+]
Annyit azért lehet tudni, hogy a vállalat a négyzetmilliméterenkénti legnagyobb teljesítmény elérését célozza, ami a tervek szerint másodpercenként minimum 4,6 trillió operáció lesz, miközben 1,5 wattot fogyaszt. Ezzel a hatékonysága nagyjából 3 TOPs/watt. Az ARM ezt 7 nm-es node-ra vetítette le, ugyanis a partnerek számára idén érkező első implementációt erre tervezik.
[+]
Az OD IP érdekesebbnek tűnik, ugyanis ez egy olyan fejlesztés, amely kifejezetten az objektumok detektálását és felismerését gyorsítja, méghozzá egy hagyományos DSP-hez viszonyítva, akár a nyolcvanszorosára. Az első generációs fejlesztés már működik a Hive biztonsági kamerában, így az ARM jelenleg a második generációs megoldásra koncentrál.
[+]
Maga az OD IP abból a szempontból nagyon érdekes, hogy mennyire speciálisan áll már a részfeladatokhoz az iparág. Az ARM egyszerűen hajlandó egy igen egyedi problémára is célhardvert építeni, ugyanis 7 nm-es node-on a tranzisztorbüdzsé igen kellemes lehet, és a vállalat úgy látja, hogy az ebből nyerhető teljesítmény bőven megéri. Az OD IP egyébként valós időben képes felismerni az objektumokat egy Full HD-s 60 Hz-es streamen, ami rendkívül jónak számít, ez egészen új lehetőségeket biztosíthat a piac számára. A fejlesztést a partnerek már az első negyedévben elérhetik.
A szoftveres oldalra a vállalat a márciusban érkező NN szoftvercsomagot szánja, ami támogatja az elterjedt gépi tanulásra való keretrendszereket.
Az első, ML és OD IP-t használó tényleges lapkára minimum egy, de inkább másfél évet kell várni, viszont ha minden jól megy, akkor még ebben az évtizedben megérkezhet.
