双核+GPU加持,华米科技黄山2S来了:智能可穿戴芯片进入全新时代

简介: 坚持自主,拒绝拿来主义。华米向我们展示了智能手表的未来。

推出全球首款智能穿戴芯片的华米科技,本周又宣布了一系列全新技术突破。


7 月 13 日,华米在合肥举行的发布会上,推出了新一代双核 RISC-V 架构可穿戴芯片黄山 2S、自研可穿戴操作系统 Zepp OS、血压测量引擎 Pump Beats 等多项新技术。


在这其中,最引人瞩目的黄山 2S 性能的全面提升。


「这就是我们心目中让智能手表实现所有功能,保护用户健康的芯片。」华米科技创始人、董事长兼 CEO 黄汪在发布会上说道。


image.png

华米 CEO 黄汪拿着一块晶圆上台开始了演讲,上面排列着 4000 块黄山 2 号芯片。


黄山 2S 的推出,意味着华米向自己科技连接健康的企业使命迈出了重要一步。


全球首款双核智能可穿戴芯片,还带 GPU


在芯片领域,开源指令集 RISC-V 是近年来炙手可热的研究和产业发展方向。在这条道路上,华米起步得很早,如今发布的黄山 2S 已是其第三代量产芯片。


与前几代不同的是,黄山 2S 采用了双核 RISC-V 架构,集成了超低功耗的小核,又搭载了独立 GPU,带来算力更强、功耗更低的性能体验。


这块将被 “塞” 进手表的芯片可以承载各类高负载计算,其中大核系统还集成了 FPU,支持浮点运算。相比黄山 2 号,新一代产品的运算效能提升了 18%,运行功耗则降低了 56%,休眠功耗降低多达 93%,这意味着在相同条件下,手表的续航时间可以提升 190%。


该芯片中还集成了一颗 2.5D GPU,图形加速性能比上一代提升 67%,可独立处理图形相关指令,让操作系统运行更加流畅。在实机演示中,它可以让手表上的 UI 界面最高达到 60Hz 刷新率。


此外,黄山 2S 芯片搭载的卷积神经网络加速处理单元,可以迅速识别疾病类型;在处理房颤识别任务时,识别速度是纯软件计算的 26 倍。


image.png


「黄山 2S 可以保证智能手表 24 小时不间断处理传感器数据,实现全天候生物数据连续监测,保证了可穿戴设备健康功能稳定、持续地运行,」华米科技联合创始人、硬件技术副总裁赵亚军介绍道。「它已达到国际领先的算力水平,实现了超强算力和超低功耗的完美结合。」


据介绍,这款芯片已在今年 3 月流片成功,将于今年第四季度随着华米第三代 Amazifit 系列手表出现在市场上。


随着芯片的交付,下一代华米智能手表将具备业内更加领先的健康监测性能。为可穿戴设备量身打造芯片,是华米一直以来不断突破自我的关键。


四年三代,「黄山」的演进逻辑


为什么要做自己的芯片?对于华米来说,这是一条必须要走的路。


「在华米创立近八年的时间里,我们从手环做到手表,健康监测的任务原来越重。从计步、心率,再到各种复杂功能。市场上没有任何芯片能够兼顾强大的算力和足够的续航时间。」黄汪说道。


早在 2016 年,华米科技就开始筹划芯片和传感器的自主研发。华米还和英特尔、西数共同投资了 RISC-V 生态中最令人瞩目的公司 SiFive——它正是由发明 RISC-V 开源指令集的 UC Berkeley 师生创办的。另一家被华米投资的公司 GreenWaves,还打造出了 RISC-V 生态里第一颗商业化八核处理器。


在充分考虑智能手环、智能手表等硬件产品上 AI 算法的优化,和投入芯片领域面临的挑战之后,华米科技走向了芯片自研的道路。


2018 年,华米推出了全球首款智能可穿戴领域的芯片黄山 1 号;2020 年,黄山 2 号全面革新,加入了 NPU 和协处理器的第二代芯片。这些芯片随后搭载在了华米 AMAZFIT 的智能手表上。


如果说黄山 1 号验证了 RISC-V 芯片在可穿戴设备上的可行性,黄山 2 号则实现了从能用到好用的进步。最新的黄山 2S 作为进一步升级的版本,在性能、算法和功耗上均有了大幅度提升。


黄山芯片未来不仅会出现在华米科技的智能手环和智能手表上:除可穿戴设备外,华米还通过将芯片和 Zepp OS 授权给关联企业亿通科技的方式,打开了智能家居、车载设备等智能芯片的更多应用方向;Zepp OS 可以支持基于 RISC-V 的整个生态体系。


但对于华米自身来说,一切都探索都是围绕健康领域进行的。


华米的核心竞争力


与苹果、三星和华为等手机厂商不同,作为专注于可穿戴设备的厂商,如何打破人们全家桶思维是华米一直在思考的问题。


「手机中的 APP 未必比手机本身价值要小。比如微信、美团等,它们关注人们的衣食住行。我们聚焦的重点是健康——如果在健康领域做到极致,其价值将产生核心竞争力。我们希望华米的 APP 能够被安装在所有手机上,」黄汪说道。


但以可穿戴设备的形式实现这样的目标并不容易。一块智能手表需要软硬件多方面的高度配合,而多年来市面上并没有专门为智能手表研发的好用芯片和操作系统。这意味着要打造极致的产品,必须要自己做好芯片,构建自己的算法。


在人工智能算法上,华米做到了业内领先。这家公司的心率引擎 RealBeats 可以实现每天 24 小时监测心律不齐和房颤,血氧算法 OxygenBeats 可以监测睡眠呼吸综合征,捕捉到异常情况立刻就有震动预警。


在 7 月 13 日的发布会上,华米推出了全新血压算法 PumpBeats。它可以让常规的智能手表具备血压监测功能,与华米现有的心率、血氧、心电监测功能相结合,帮助用户提前预防潜在心血管疾病危险,给用户带来更全面的健康守护。


image.png

通过第三代光传感器和深度学习模型,在华米手表上只需进行 30 秒测量就能获得高精度的血压数据。华米的血压测量技术和北京大学第一医院合作,针对病患的特殊情况也进行了优化。


「在可穿戴设备领域里,友商有的算法我们都有,而且我们全部都是自研的。从最简单的计步到运动识别、运动指导,再到基于光学传感器的心率、血氧、睡眠、血压测量。我们今天发布的 30 秒主动监测基于纯光学传感器,可以很容易地推广到被动测量,最终实现无意识的主动血压监测。」华米科技算法技术副总裁、人工智能研究院院长汪孔桥说道。


华米还推出了自己的操作系统 Zepp OS:这是一款面向智能可穿戴设备的操作系统,专注于轻量化,系统占用仅 55MB(是 Watch OS 8 的 1/28),同时又带有离线智能语音唤醒等 AI 能力。华米还开放了 Zeus 小程序开发框架,支持人们在智能手表上自行开发应用。


年均 4 亿投入研发


可穿戴设备通过持续不断的健康监测,实现了医疗筛查过程的前置,通过智能手表提前获知疾病,甚至拯救生命的案例已经出现过许多次了。在未来,我们或许可以通过这些智能设备实现全面且持续的健康监测功能。


而在这些技术快速发展的过程中,华米已取得领先。


image.png

除了黄山 2S、Zepp OS 系统和血压监测算法,华米在发布会上还展示了一款小型化便携 MRI 核磁共振设备。


华米科技过去三年的研发投入平均是 4.1 亿人民币,其中去年的费用达到了 5.38 亿元。在新兴互联网公司和智能硬件公司之中,华米的研发投入是别家的两到三倍。迄今为止,这家公司申请的专利已经超过 1000 项,其中发明专利接近一半。


这些技术获得了大量用户反馈提供的支撑:华米的智能健康设备出货量已经超过 1.7 亿台。今年一季度,据 IDC 数据显示,华米科技自有品牌 Amazfit、Zepp 智能手表的出货量已跻身全球前四;2020 年该公司智能设备的销量高达 4570 万,其中海外的销量超过一半。


目前,华米拥有包括智能手表、智能手环、TWS 耳机以及跑步机等在内的智能硬件产品线。随着自研芯片、算法和操作系统的不断完善,华米打造的健康生态已经趋近完整。


在华米发布会的前一天,黄汪发布了一篇标题为《华米为什么要走一条 XIN 路?》的长文。其中说道:「对于可穿戴领域,一旦芯片和软件能够很好地磨合,自主权和想象空间也更大。但因为需要对研发有长期、持续的投入和承诺,这是一条少有人走的路,有资本、有底气、有信心坚持下来的只有寥寥几家。」


「华米并非巨头,也太年轻,(独立研发)从试错成本来看或许会影响到短期利润…… 去探索这条新路的理由,是我们坚信为用户带来最佳使用体验必须通过垂直整合的方法实现。智能可穿戴设备的价值不仅仅是一个硬件消费品,更重要的是数据、健康的价值。」


在未来,华米还将继续在这条无比艰难却又正确的道路上前进。

相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
相关文章
|
存储 人工智能 芯片
多GPU训练大型模型:资源分配与优化技巧 | 英伟达将推出面向中国的改良芯片HGX H20、L20 PCIe、L2 PCIe
在人工智能领域,大型模型因其强大的预测能力和泛化性能而备受瞩目。然而,随着模型规模的不断扩大,计算资源和训练时间成为制约其发展的重大挑战。特别是在英伟达禁令之后,中国AI计算行业面临前所未有的困境。为了解决这个问题,英伟达将针对中国市场推出新的AI芯片,以应对美国出口限制。本文将探讨如何在多个GPU上训练大型模型,并分析英伟达禁令对中国AI计算行业的影响。
1509 0
|
6月前
|
机器学习/深度学习 人工智能 资源调度
GPU计算资源智能调度:过去、现在和未来
随着AI和大数据技术发展,GPU成为关键计算组件。文章探讨了GPU计算资源调度从静态到动态再到智能调度的演变,现以机器学习优化资源利用率。未来趋势包括自适应调度、跨平台、集群级调度和能源效率优化,旨在提升GPU性能,推动人工智能和大数据领域进步。
|
视频直播 芯片 异构计算
山东布谷科技直播系统源码热点分析:不同芯片实现高质量编码与渲染视频的GPU加速功能
总而言之,对于直播系统源码来说,GPU加速功能是提升实时图像质量和观看体验的重要手段,是不可或缺的重要功能技术之一。
山东布谷科技直播系统源码热点分析:不同芯片实现高质量编码与渲染视频的GPU加速功能
|
机器学习/深度学习 人工智能 PyTorch
PyTorch宣布支持苹果M1芯片GPU加速:训练快6倍,推理提升21倍
PyTorch宣布支持苹果M1芯片GPU加速:训练快6倍,推理提升21倍
1255 0
|
机器学习/深度学习 人工智能 定位技术
几个GPU工作数天≈10人团队工作大半年,英伟达用AI高效设计芯片
几个GPU工作数天≈10人团队工作大半年,英伟达用AI高效设计芯片
135 0
|
人工智能 5G 芯片
芯片里的CPU、GPU、NPU是什么,它们是如何工作的
芯片里的CPU、GPU、NPU是什么,它们是如何工作的
689 0
芯片里的CPU、GPU、NPU是什么,它们是如何工作的
|
机器学习/深度学习 人工智能 自动驾驶
超越英伟达V100,这家以色列公司发布了挑战GPU的AI训练芯片
6 月 17 日,以色列芯片公司 Habana.ai 发布了 Gaudi HL-2000,这是一款定制化 AI 处理器。该公司称,全新的 Gaudi 处理器性能超过了目前在训练神经网络任务中最为强大的英伟达 Tesla V100——而且性能是后者的近四倍。
256 0
超越英伟达V100,这家以色列公司发布了挑战GPU的AI训练芯片
|
机器学习/深度学习 人工智能 并行计算
浅谈人工智能芯片(一)-- 深度神经网络和NVidia GPU的崛起
随着人工智能浪潮的兴起,人工智能基础芯片作为主要的计算力推动引擎也越来越受到追捧和热议,这个系列连载会介绍人工智能芯片兴起的背景和现有主要玩家以及研究现状,主要包括NVidia GPU、Google的TPU、Intel的Nervana、IBM的TreueNorth、微软的DPU和BrainWave、百度的XPU、Xilinx的xDNN、寒武纪芯片、地平线以及深鉴科技的AI芯片等。
11374 0
|
机器学习/深度学习 人工智能 数据挖掘
专访阿里云异构计算负责人:异构计算,GPU、FPGA、ASIC芯片将三分天下
张献涛表示,“随着FPGA的生态环境的建立和完善、ASIC芯片的逐渐成熟,未来异构计算领域会呈现GPU、FPGA、ASIC芯片三分天下的局面,GPU、FPGA、ASIC芯片都会有自己独特的特长和应用领域。”
17039 0
|
机器学习/深度学习 人工智能 数据安全/隐私保护
全球首款7纳米GPU芯片问世,AMD抢发没给英伟达机会
AMD今天公开展示了全球首款7纳米制程的GPU芯片原型,含有32GB的高带宽内存,专为人工智能和深度学习设计,用于工作站和服务器。
1272 0