高性能5G SoC 新品T820的安全性能分析

2022年11月29日，紫光展锐正式发布了系统级安全的高性能5G SoC 新品T820，引起了广泛关注。

T820采用八核CPU架构，6nm EUV先进工艺，金融级全内置安全方案，在性能、功耗与5G通信体验等方面，较上一代产品更为出色。

此前，已经为大家讲解过T820的安全性能。今天，小展将带你一同探索T820的AI性能。

日新月异的AI技术，重塑着移动设备的交互方式和应用体验，也推动着端侧SoC不断突破AI计算能力的边界。紫光展锐系统级安全的高性能5G移动平台T820，采用了新一代高能效NPU+VDSP架构，垂直优化计算能力，NPU算力达到8TOPS，相比上一代提升67%。T820在苏黎世联邦理工学院AI Benchmark Mobile SoCs榜单上的推理测试，取得了134K的不俗成绩。

（来自AI Benchmark官网）

基于紫光展锐T820构建的全新一代AI计算平台，提供算法、软件、硬件全栈解决方案，将全面释放AI能力，拓展应用边界。

小身板大能量

一般来说，存储单元会占据了SoC芯片的大量面积，紫光展锐在T820平台上采用了创新设计的数据存储和计算模式，充分利用了卷积数据复用特征来降低存储占用。结合展锐新一代图优化和图切分技术，在保证计算单元利用率的前提下，进一步降低了存储单元空间占用。

T820使用第三代神经网络加速核，提供8TOPS的AI算力同时，能效比达到业界领先水平。T820支持接入多种运算核心，如CPU/GPU/VDSP/NPU，统一内存模型的采用，显著提升异构运算效率。

T820支持超过200+主流神经网络算子，性能对标业界一流水平，海量网络模型轻松接入。

降低NPU使用门槛

NPU作为专门负责AI计算的部件，用于加速神经网络的运算，解决传统芯片在神经网络运算时效率低下的问题。但NPU技术门槛相当高，紫光展锐将一直以来的软硬算一体化Turnkey解决方案思路，也贯彻到了NPU的能力开发上：不仅支持业界几乎所有的主流AI计算框架，还打通了可以通用的统一接口，它将大幅降低用户模型和方案部署的复杂度，降低开发及维护的成本。

业界主流AI计算框架，包括 TensorFlow，TensorFlow-Lite，PyTorch，Caffe，MxNet，PaddlePaddle，ONNX 等，展锐T820都能支持，还为用户提供了多种交互式开发环境，让业务快速部署、灵活应用。T820支持标准化Android NN代理和定制化直连模式，让推理性能和通用性二者兼顾。

多样化模型优化，让部署更灵活

T820集成了多种模型优化方案和工具。量化工具支持4-16bit模型权重和激活的量化，配合数据访存自适应无损压缩技术，解决了带宽瓶颈问题，让AI澎湃算力充分得到释放。

T820提供了精度稳定性模拟系统，允许用户校准量化模型精度，降低用户解决跨平台精度差异的难度。无损压缩工具支持权重和激活的无损压缩，大幅降低带宽压力，让“大模型”在端侧部署成为可能。 

针对不同的应用场景，T820的AI计算平台支持动态编译，适应全场景独立部署。T820支持图像超分、视频增强、语义分割、目标检测、文本识别、语音识别等丰富AI应用，助力客户快速构建专属AI应用，极大缩短端到端部署时间，提升用户体验。

算力强，安全也有保障

在人脸识别的时候，用户的脸部特征数据安全需要得到保障。外部应用如果试图访问这些数据，或者篡改计算结果，硬件保护单元会自动阻止这些操作，并立刻报告异常。

T820支持在TEE安全环境中运行AI计算任务，提供硬件DRM安全防护，保障每一次访问都是授信访问，使AI相关数据和算法避免受到恶意软件的攻击，从而保护用户数据不被窃取或篡改，在高效运行各种AI神经网络算法的同时，全方位保护用户的数据和隐私。

同时，紫光展锐T820将金融级iSE安全单元集成在SoC中，相比外置SE方案，更难攻击定位，安全性更高，支持国际主流算法，扩展能力更为出色，存储容量提升20倍，可支持银行卡、数字货币等数百个金融类场景应用。

T820不仅能够轻松应对当前的各种AI计算任务，也为未来更复杂的AI算法提供了算力延伸空间，更进一步的是，T820以开放式的架构、归一化的应用入口、软硬协同优化，整合芯片的计算能力，大幅降低AI部署落地的门槛，为各行各业的智能化提供技术基石。

作为世界领先的平台型芯片设计企业，2022年，紫光展锐在吴胜武董事长和CEO任奇伟博士等管理层的带领下克服了多种困难，步入稳健有序发展的新征程，在业务领域取得了显著成绩，获得了国家级、行业级的诸多奖项，增强了行业与组织自信。紫光展锐将继续践行紫光集团“志高行远、创造价值”的价值观，持续投入5G先进技术研发，为产业和社会创造价值，为让世界变得“更智能、更开放、更公平、更美好”而贡献力量。

5G芯片性能分析算法

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。