作者：VíctorMayoral-Vilches跟GiulioCorradi，賽靈思公司
連載兩：工業類比CPU／GPU，ASIC跟FPGA，誰更得當機器人計較
CPU跟通用GPU是兩種普遍利用的貿易計較平臺，由于它們可用性高且存在通用性。這些計算技術的通用性，是機器人專家對其特殊感興趣的緣故原由。可是通用性的價值是：
1.通用平臺的流動架構難以順應新的機器人場景。追加功用常常須要追加硬件，那也常常意味著要花工夫對新的硬件停止新的體系集成度。
2.通用性一定招致其正在時效上的缺陷，從而影響確定性造成。
智能分揀機器人工作原理3.其功耗平常比公用計較架構高一到兩個數量級。
4.其流動的、沒有具有靈活應變才能的架構，招致其對網絡安全威逼跟歹意行動的抵抗才能削弱。熔毀或許鬼魂等網絡攻擊示例評釋，若是缺乏重新配置數據流流水線的才能，計較平臺終極將損失安全性。
總體而言，CPU、GPU跟ASIC等采取流動架構的器件，正在其為開發者供給劣勢的同時，也讓其支付了價值。它們所缺乏的靈活應變才能，招致其缺乏時效性，能耗增長。并且因為它們沒法經由過程重新配置架構去進步硬件的抗危險才能，是以正在收集威逼眼前加倍懦弱。
分揀機器人系統CPU的工業類比
圖1是CPU的工業類比，它將CPU明白成一系列車間，而且每一個車間支配一名妙技十分純熟的工人。
圖1：CPU的工業類比
這些工人每人皆能利用通用對象出產出簡直任何產物。每位工人按次序利用分歧的對象，將原材料制造為廢品，一次出產一件產物。依據使命的性子，這類串行生產流程能夠用到大批步調。這些車間根本相互自力，工人能全身心天實現分歧使命，沒必要憂郁滋擾或調和問題。只管CPU非常靈巧，但它的底層硬件是流動的。CPU依然正在根本的馮諾依曼架構上運轉。數據從存儲器讀取到處理器停止運算，然后寫返回存儲器。基本上每一個CPU皆以串行方法運轉，一次一個指令。同時架構以算術邏輯單位為中間，每次運算皆須要將數據輸入到ALU并從ALU輸出數據。
CPU的工業類比
快遞分揀機器人的發展史GPU也可以用車間跟工人類比，但它們的數目要大得多，而且工人的專業化水平也要下良多，如圖2所示。
圖2：GPU的工業類比
郵政自動分揀機器人GPU工人只能利用特定的對象，每人能實現的使命品種要少得多，但他們實現使命的服從十分下。GPU工人正在反復做不異的少許使命時服從最高，特別是當他們全部同時做同一件工作時。GPU辦理了CPU的次要缺陷之一，即并行處理大批數據的才能。
雖然GPU比CPU擁有十分多的核，但GPU采取的仍然是流動的硬件架構。GPU的核依然包括某種類型的馮諾依曼處理器。一條指令便能處置懲罰上千條或許更多數目的數據，只管平常必需對同時處置懲罰的每一條數據停止不異的運算。原子處置懲罰元正在數據矢量上運算，但依然是每一個ALU履行一條流動的指令。是以，用戶依然須要經由過程流動的數據門路，從存儲器將數據傳送給這些處理單元。與CPU類似，GPU也采取流動硬件構建，對一切的機器人使用而言，其根本架構跟數據流皆是流動穩定的。
FPGA的工業類比
如果說CPU跟GPU是工人依照次序依次將輸入加工成輸出的車間，那么FPGA就是靈巧的自順應工場，可能針對手中的具體任務定制創設裝配線跟傳送帶。
圖4：FPGA的工業類比
這類靈活應變才能，意味著FPGA架構師可以先構建工場、裝配線跟工位，然后依據所需實現的使命對它們停止量身定制，而不是利用通用對象。這些工場中的原材料由分派正在裝配線上的工人小組慢慢加工成廢品。每名工人皆反復天實現一樣的使命，同時半成品經由過程傳送帶正在工人間停止傳送。如許能大幅晉升生產力，并保障以最好方法充分利用資源跟電力。正在這個類比中，工場是OpenCL加速內核，裝配線是數據流流水線，工位是OpenCL計較功用。
ASIC的工業類比
與FPGA近似，ASIC也制作工場，可是ASIC中的工場是終極形態，不克不及竄改。換言之，這些ASIC外部只有機器人，工場內沒有存在人類認知。這些裝配線跟傳送帶是流動的，沒有容許變換自動化流程。ASIC的這類專用型流動架構付與它們極高的能效，和大批量規模化出產下的最低價錢。但遺憾的是，ASIC的開辟平常須要耗時多年，并且沒有撐持停止任何變換，那將會招致后期投入的資產很快跟不上將來生產力晉升的變更。
圖4：ASIC的工業類比
申通快遞分揀機器人圖片廣州食品包裝分揀機器人廠家廢物分揀機器人