Tendencias del Mercado de Chip neuromórfico LA Industria
La automoción es la industria de más rápido crecimiento en adaptar chips neuromórficos
- La industria automotriz es una de las industrias de chips neuromórficos de más rápido crecimiento. Todos los fabricantes de automóviles premium están invirtiendo mucho para alcanzar el nivel 5 de autonomía del vehículo, lo que, a su vez, se prevé que genere una gran demanda de chips neuromórficos impulsados por IA.
- El mercado de la conducción autónoma requiere una mejora constante en los algoritmos de IA para lograr un alto rendimiento con bajos requisitos de energía. Los chips neuromórficos son ideales para tareas de clasificación y podrían utilizarse en varios escenarios de conducción autónoma. En comparación con las soluciones estáticas de aprendizaje profundo, también son más eficientes en entornos ruidosos, como los vehículos autónomos.
- Según Intel, cuatro terabytes es la cantidad estimada de datos que un coche autónomo puede generar tras casi una hora y media de conducción o la cantidad de tiempo que una persona en general pasa en su coche cada día. Los vehículos autónomos se enfrentan a un importante desafío a la hora de gestionar de forma eficiente todos los datos generados durante estos viajes.
- Las computadoras que ejecutan los últimos autos autónomos son en realidad pequeñas supercomputadoras. Las empresas, como Nvidia, pretenden alcanzar el Nivel 5 de conducción autónoma en 2022, entregando 200TOPS (billones de operaciones por segundo) utilizando 750W de potencia. Sin embargo, gastar 750 W por hora en el procesamiento tendrá un impacto notable en la autonomía de conducción de los vehículos eléctricos.
- Las aplicaciones ADAS (Sistema avanzado de asistencia al conductor) incluyen funciones de reconocimiento y aprendizaje de imágenes entre varias aplicaciones automotrices de chips neuromórficos. Funciona como las funciones ADAS convencionales, como el control de crucero o el sistema de asistencia de velocidad inteligente en turismos. Puede controlar la velocidad del vehículo reconociendo la información de tráfico marcada en las carreteras, como cruces de peatones, zona escolar, badenes, etc.
Para comprender las principales tendencias, descargue el informe de muestra
Descargar muestra
La creciente demanda de microchips basados en inteligencia artificial impulsa el crecimiento del mercado
- El mercado latinoamericano de chips neuromórficos está experimentando un gran crecimiento debido a la creciente demanda de inteligencia artificial y la preferencia de los consumidores por productos de pequeño tamaño, lo que lleva a la necesidad de miniaturizar los circuitos integrados. Con la llegada de las tecnologías inteligentes, los sensores inteligentes se están utilizando en muchas industrias de usuarios finales, como la automotriz, la electrónica y la médica.
- Los semiconductores disponibles actualmente para aplicaciones de IA son CPU y aceleradores de IA. Los aceleradores de IA lideran el mercado debido a las limitaciones informáticas de las CPU. Los aceleradores de IA disponibles son GPU, circuitos integrados de aplicaciones específicas (ASIC) y matrices de puertas programables en campo (FPGA). Las GPU tienen muchos núcleos de procesamiento paralelo, lo que les brinda una ventaja significativa para procesar el entrenamiento y la inferencia de IA. Sin embargo, tienen un coste de consumo de energía elevado que no es sostenible para aplicaciones futuras.
- Por otro lado, las FPGA emergentes pueden tener diez veces más eficiencia energética que las GPU, pero tienen un rendimiento menor. En aplicaciones donde la eficiencia energética es la máxima prioridad, los FPGA pueden ser la solución alternativa. Entre los aceleradores de IA, los ASIC muestran el mejor rendimiento, menor consumo de energía y eficiencia. Sin embargo, diseñar un ASIC que funcione de forma única es muy costoso y no es reconfigurable. Por lo tanto, los ASIC deben utilizarse cuando el mercado de aplicaciones específicas de IA sea adecuado para la inversión en diseño.
- En comparación con los aceleradores de IA, los chips neuromórficos están preparados para ser la opción destacada en cuanto a paralelismo, eficiencia energética y rendimiento. Pueden manejar tanto la inferencia de IA como el entrenamiento en tiempo real. Además, el entrenamiento de los bordes es posible mediante chips neuromórficos. Sin embargo, las metodologías de aprendizaje deberían mejorar su precisión.
Para comprender las tendencias encontradas en su región, descargue el informe de muestra
Descargar muestra
