6月28日，AIIA DNN benchmark v0.5基于端側推斷任務的深度神經網絡處理器基準測試第二輪評估結果重磅發(fā)布。本輪參與評估的芯片及送測企業(yè)分別是：穎脈信息的UniSoc T710、啟英泰倫的智能語音識別模組CI1006A1CSD02、賽靈思的ZCU104和高通的QRD855。在Android & Linux系統(tǒng)，在六大典型應用場景的評測工具支持下，客觀公正嚴謹的反映具有深度學習處理能力的處理器或加速器的性能水平的基準測試分數一一披露。

國內權威AI芯片基準測試

隨著目前國家政策扶持力度的增加以及市場對AI芯片的熱捧，AI芯片市場的發(fā)展形勢一片大好。越過AI芯片市場發(fā)展剛剛起步時的蹣跚前行，如今在旺盛的市場需求下，企業(yè)將贏得更多一展抱負的絕佳時機。在本次評測過程中，AIIA總體組組長孫明俊表示：“測評的核心目的，就是要為市場提供一個客觀的標尺”。

作為權威行業(yè)組織，AIIA致力于通過基準測試，切實反應當前市場上的AI芯片的能力，為各方企業(yè)選擇真正滿足需要的AI芯片提供科學、客觀的參考依據，最終推動市場的健康發(fā)展。

第二輪評估結果發(fā)布

在6月28日的2019中國人工智能峰會上，AIIA總體組組長孫明俊向業(yè)界正式發(fā)布了評估結果，并為參評企業(yè)頒發(fā)證書。

　　圖1：AIIA總體組組長孫明俊發(fā)布第二輪評估結果

孫明俊表示，較首輪評測而言，這次的評估對象更加豐富且多元化，除了板卡和手機類設備外，增添了對語音以及FPGA板卡的評估。評測以行業(yè)應用角度區(qū)分被測對象為IoT、手機、安防和自動駕駛等應用領域。同時仍舊關注處理器分別在整型與浮點時的推斷任務性能。

　　圖2第二輪評測關鍵字

兩輪端側評估工作的完成，在評測指標和應用場景上都有了進一步的擴充。六種典型應用場景和18種網絡模型，在目標識別、語義分割、人臉識別等多方面有了更精確的數據支撐。

AIIA DNN benchmark V0.5第二輪測試的具體情況(請點擊查看評測結果報告http://aiiaorg.cn/index.php?m=content&c=index&a=show&catid=14&id=136)。

UniSoc T710——適用于手機終端，采用7nm工藝。參測兩類場景五種模型，提供基于自家加速框架 PowerVR NN及Android NN兩種加速方式。

智能語音識別模組CI1006A1CSD02——ASIC架構的DNN語音識別芯片，公布了分別在一般混響和大混響，聲源多角度(1m,3m,5m),分別在安靜、平穩(wěn)噪聲、非平穩(wěn)噪聲和自噪聲條件下的四類指標結果。

ZCU104——嵌入式視覺應用評估套件，16nm工藝。參測場景五類七種模型，通過賽靈思提供的深度學習處理器DPU IP及邊緣AI開發(fā)工具DNNDK實現。

QRD855——首個將5G，AI，XR商業(yè)化的移動平臺，7nm工藝。參測四類場景五種模型，測試基于SNPE(v1.27.0)。

AIIA DNN benchmark公布top1榜單

根據AIIA DNN benchmark V0.5版本的兩輪測試結果，分別公布INT8及FP16手機類和板卡類的top1榜單。聯盟將以定期公布榜單的方式傳遞最新數據。參與企業(yè)可委托中國信息通信研究院測試，并參與榜單發(fā)布。

企業(yè)刷榜方式簡單而規(guī)范化：在指定模型、測試數據集、預處理方式、單線程推理任務的情況下，送測并按指定格式提交基準測試結果即可。

同時聯盟也歡迎企業(yè)提交更具有代表性的測試場景，要求：提交原始FP32模型文件、并披露原始模型精度及訓練數據集與相應前后處理方式。

未來，AIIA DNN benchmark以“版本迭代、不斷豐富、不斷完善”的工作方式，助力AI芯片行業(yè)發(fā)展。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。