Puce neuromorphique LA Tendances du marché

Tendances du marché de Puce neuromorphique LA Industrie

L'automobile est l'industrie à la croissance la plus rapide pour adapter les puces neuromorphiques

• Lindustrie automobile est lune des industries de puces neuromorphiques à la croissance la plus rapide. Tous les constructeurs automobiles haut de gamme investissent massivement pour atteindre le niveau 5 dautonomie des véhicules, ce qui devrait à son tour générer une énorme demande de puces neuromorphiques alimentées par lIA.
• Le marché de la conduite autonome nécessite une amélioration constante des algorithmes dIA pour obtenir un débit élevé avec une faible consommation dénergie. Les puces neuromorphiques sont idéales pour les tâches de classification et pourraient être utilisées dans plusieurs scénarios de conduite autonome. Par rapport aux solutions statiques dapprentissage profond, elles sont également plus efficaces dans un environnement bruyant, comme celui des véhicules autonomes.
• Selon Intel, quatre téraoctets est la quantité estimée de données qu'une voiture autonome peut générer en presque une heure et demie de conduite ou le temps qu'une personne en général passe chaque jour dans sa voiture. Les véhicules autonomes sont confrontés à un défi important dans la gestion efficace de toutes les données générées lors de ces déplacements.
• Les ordinateurs qui font fonctionner les dernières voitures autonomes sont en réalité de petits superordinateurs. Les entreprises, telles que Nvidia, visent à atteindre le niveau 5 de conduite autonome en 2022, offrant 200TOPS (des milliards d'opérations par seconde) en utilisant 750 W de puissance. Cependant, dépenser 750 W par heure en traitement est sur le point davoir un impact notable sur lautonomie des véhicules électriques.
• Les applications ADAS (Advanced Driver Assistance System) incluent des fonctions dapprentissage et de reconnaissance dimages parmi diverses applications automobiles de puces neuromorphiques. Il fonctionne comme les fonctions ADAS conventionnelles, telles que le régulateur de vitesse ou le système d'assistance à la vitesse intelligent dans les voitures particulières. Il peut contrôler la vitesse des véhicules en reconnaissant les informations routières indiquées sur les routes, telles que les passages pour piétons, les zones scolaires, les dos d'âne, etc.

La demande croissante de micropuces basées sur lintelligence artificielle stimule la croissance du marché

• Le marché latino-américain des puces neuromorphiques connaît une forte croissance en raison de la demande croissante dintelligence artificielle et de la préférence des consommateurs pour les produits de petite taille, ce qui conduit à lexigence de miniaturisation des circuits intégrés. Avec lavènement des technologies intelligentes, les capteurs intelligents sont utilisés dans de nombreux secteurs dutilisateurs finaux comme lautomobile, lélectronique et le médical.
• Les semi-conducteurs actuellement disponibles pour les applications dIA sont les processeurs et les accélérateurs dIA. Les accélérateurs dIA dominent le marché en raison des limitations informatiques des processeurs. Les accélérateurs d'IA disponibles sont les GPU, les circuits intégrés spécifiques à une application (ASIC) et les réseaux de portes programmables sur site (FPGA). Les GPU disposent de nombreux cœurs de traitement parallèles, ce qui leur confère un avantage significatif pour le traitement de lentraînement et de linférence de lIA. Cependant, ils ont un coût de consommation dénergie élevé qui nest pas viable pour les applications futures.
• Dun autre côté, les FPGA émergents peuvent avoir une efficacité énergétique dix fois supérieure à celle des GPU, mais avoir des performances inférieures. Dans les applications où lefficacité énergétique est la priorité absolue, les FPGA peuvent constituer la solution alternative. Parmi les accélérateurs d'IA, les ASIC affichent les meilleures performances, une consommation d'énergie et une efficacité moindres. Cependant, la conception dASIC fonctionnels uniques est très coûteuse et nest pas reconfigurable. Par conséquent, les ASIC doivent être utilisés lorsque le marché dapplications dIA spécifiques est adapté à linvestissement de conception.
• Par rapport aux accélérateurs dIA, les puces neuromorphiques sont en passe de devenir loption de premier plan en matière de parallélisme, defficacité énergétique et de performances. Ils peuvent gérer à la fois linférence et la formation de lIA en temps réel. De plus, lentraînement de pointe est possible grâce à des puces neuromorphiques. Cependant, les méthodologies d'apprentissage devraient être améliorées en termes de précision.