11 月 3 日消息，今天，寒武紀發布第三代云端 AI 芯片思元 370、基于思元 370 的兩款加速卡 MLU370-S4 和 MLU370-X4。
同時，寒武紀全新升級了 Cambricon Neuware 軟件棧，新增推理加速引擎 MagicMind，實現訓推一體，顯著提升了開發部署的效率，降低用戶的學習成本、開發成本和運營成本。
寒武紀發布了新一代智能處理器架構 MLUarch03，擁有新一代張量運算單元，內置 Supercharger 模塊大幅提升各類卷積效率;采用全新的多算子硬件融合技術，在軟件融合的基礎上大幅減少算子執行時間;片上通訊帶寬是上一代 MLUarch02 的 2 倍、片上共享緩存容量最高是 MLUarch02 的 2.75 倍;推出全新 MLUv03 指令集，更完備，更高效且向前兼容。
有 7nm 先進工藝和全新 MLUarch03 架構的加持，思元 370 芯片算力最高可達 256TOPS (INT8)，是上一代產品思元 270 算力的 2 倍。相較于峰值算力的提升，思元 370 在實測性能和能效方面的表現更為優秀：以 ResNet-50 為例，MLU370-S4 加速卡(半高半長)實測性能為同尺寸主流 GPU 的 2 倍;MLU370-X4 加速卡(全高全長)實測性能與同尺寸主流 GPU 相當，能效則大幅領先。
思元 370 實測性能和實測能效超市場主流 GPU 產品
* 測試環境：
MLU370-S4：NF5468M6/2x Intel Xeon Gold 6330 CPU @ 2.0GHz/MagicMind v0.6
MLU370-X4：NF5468M6/2x Intel Xeon Gold 6330 CPU @ 2.0GHz/MagicMind v0.6
GPU 數據：ResNet-50 來自于相關產品官網，Transformer、VGG16、YOLOv3 均取自實測最大吞吐性能。
思元 370 全面加強了 FP16、BF16 以及 FP32 的浮點算力，同時支持推理和訓練任務。此外，思元 370 還是國內第一顆支持 LPDDR5 的云端 AI 芯片，內存帶寬是上一代產品的 3 倍，訪存能效達 GDDR6 的 1.5 倍。
思元 370 采用 chiplet(芯粒)技術，在一顆芯片中封裝 2 顆 AI 計算芯粒(MLU-Die)，每一個 MLU-Die 具備獨立的 AI 計算單元、內存、IO 以及 MLU-Fabric 控制和接口，通過 MLU-Fabric 保證兩個 MLU-Die 間的高速通訊，可以通過不同 MLU-Die 組合規格多樣化的產品，為用戶提供適用不同場景的高性價比 AI 芯片。
MLU-Fabric 是實現芯粒技術的關鍵所在。它為兩個 MLU-Die 提供低功耗、低延時和超高帶寬的互聯，支持芯片上實現統一的內存獲取和地址映射，創建虛擬通路避免進程死鎖，支持數據校驗錯誤發生時進行數據重傳，保證數據準確性。
得益于芯粒技術，思元 370 可通過不同的組合為客戶提供更多樣化的產品選擇，此次寒武紀發布了兩款加速卡，未來還將推出更多基于思元 370 的產品。
MagicMind 是寒武紀全新打造的推理加速引擎，也是業界首個基于 MLIR 圖編譯技術達到商業化部署能力的推理引擎。MagicMind 支持跨框架的模型解析、自動后端代碼生成及優化。在 MLU、GPU、CPU 訓練好的算法模型上，借助 MagicMind，用戶僅需投入極少的開發成本，即可將推理業務部署到寒武紀全系列產品上，并獲得頗具競爭力的性能。
MagicMind 的優勢不僅在于可以提供極致的性能、可靠的精度以及簡潔的編程接口，讓用戶能夠專注于業務本身，無需理解芯片更多底層細節就可實現模型的快速高效部署，MagicMind 插件化的設計還可以滿足在性能或功能上追求差異化競爭力的客戶需求。
為了加快用戶端到端業務落地的速度，減少模型訓練研發到模型部署之間的繁瑣流程，寒武紀的統一基礎軟件平臺 Cambricon Neuware 整合了訓練和推理的全部底層軟件棧，包括底層驅動、運行時庫、算子庫以及工具鏈等，將 MagicMind 和深度學習框架 Tensorflow，Pytorch 深度融合，實現訓推一體。依托于訓推一體，在寒武紀全系列計算平臺上，從云端到邊緣端，用戶均可以無縫地完成從模型訓練到推理部署的全部流程，進行靈活的訓練推理業務混布和潮汐式的業務切換，可快速響應業務變化，提升算力利用率，降低運營成本。
在通用性方面，Cambricon Neuware 支持 FP32、FP16 混合精度、BF16 和自適應精度訓練等多種訓練方式并提供靈活高效的訓練工具，高性能算子庫已完整覆蓋視覺、語音、自然語言處理和搜索推薦等典型深度學習應用，可滿足用戶對于算子覆蓋率以及模型精度的需求。
全新推理加速引擎 MagicMind 和訓推一體特性，將為用戶帶來更為便捷、高效的開發體驗，大幅降低學習成本、開發成本和運營成本。
思元 370 升級了視頻圖像編解碼單元，可提供更高效的視頻處理能力和更優的編碼質量，支持更復雜、更繁重、低延時要求的計算機視覺任務。
解碼方面，思元 370 集成了強大的媒體性能，可支持 132 路 1080p 視頻解碼或 10 路 8K 視頻解碼。編碼方面，全新編碼器通過靈活的碼率優化(RDO)控制、多參考幀、二次編碼等特性組合，在相同圖像質量(全高清視頻 PSNR)的情況下比上一代產品節省 42% 帶寬，有效降低帶寬成本。
* 測試環境：
MLU270-S4：SYS-4029GP-TRT/2x Intel(R) Xeon(R) Gold 6140 CPU @ 2.30GHz
MLU370-S4：NF5280M5/2x Intel Xeon Gold 5218R CPU @ 2.1GHz
視頻內容：BQTerrace_1920x1080_60.yuv
寒武紀高在思元 370 芯片內置安全模塊，切實保障用戶信息安全。思元 370 是寒武紀第一顆支持國內外主流加密標準的云端芯片，支持用戶數據、深度學習模型的加解密以及計算結果的加密輸出，通過信任根的方式，保障 AI 芯片在啟動及運行過程中加載的所有代碼的安全性，還支持遠程認證，用戶可在業務運行過程中遠程驗證 AI 環境安全性。通過多方面的安全特性，思元 370 系列產品將更好地確保用戶 AI 業務安全。
此次發布中，兩款基于思元 370 的加速卡正式亮相：高密度、半高半長、功耗 75W 的 MLU370-S4 智能加速卡和高性能、全高全長、功耗 150W 的 MLU370-X4 智能加速卡。與上一代產品相比，370 系列加速卡在性能、能效方面都有更為卓越的表現。例如，對標準 ResNet-50v1 進行軟件定制優化后，MLU370-X4 加速卡性能高達 30204fps。
在 Cambricon Neuware SDK 上實測，在常用的 4 個深度學習網絡模型上，MLU370-S4 加速卡的性能平均接近市場主流 70W GPU 的 2 倍。而在能效方面，MLU370-S4 優勢更為明顯，處理相同 AI 任務相較于 70W GPU 用電量減少 50% 以上，將有力地幫助用戶實現“雙碳”目標。
MLU370-S4 加速卡性能優勢明顯
* 測試環境：
MLU370-S4：NF5468M6/2x Intel Xeon Gold 6330 CPU @ 2.0GHz/MagicMind v0.6
GPU 數據來自于相關產品官網。
MLU370-S4 加速卡在解碼方面具有強勁競爭力，相較于同尺寸 GPU，可提供 3 倍的解碼能力和 1.5 倍的編碼能力。總體而言，MLU370-S4 加速卡的能效出色，體積小巧，可在服務器中實現高密度部署。
MLU370-X4 加速卡的優勢則表現為高性能，算力可達 256TOPS (INT8)，加強了 FP16、FP32 的計算性能，新增 BF16 計算類型。
在 Cambricon Neuware SDK 上實測，常用的 4 個深度學習網絡模型中，MLU370-X4 加速卡與市場主流 150W GPU 相比，性能表現 2 項持平 2 項更優，實測能效則為 GPU 的 2 倍。比如 YOLOv3 網絡中，MLU370-X4 的性能是 150W GPU 性能的 1.5 倍，能效為 GPU 的 2.5 倍。
* 測試環境：
MLU370-X4：NF5468M6/2x Intel Xeon Gold 6330 CPU @ 2.0GHz/MagicMind v0.6
GPU 數據：ResNet-50 來自于相關產品官網，Transformer、VGG16、YOLOv3 均取自實測最大吞吐性能。
