地平線提出MAPS評測方法，重新定義芯片AI性能

“地平線提供一個新的方法用以評估芯片的AI真實性能 -- MAPS (Mean Accuracy-guaranteed  Processing  Speed)，針對應用場景的特點，在精度有保障的前提下，包容所有與算法相關的選擇，評估芯片對數據的平均處理速度。希望以此為業界同行提供一個評估芯片AI真實性能的全新視角。”地平線聯合創始人兼技術副總裁黃暢博士在8月8日，2020全球人工智能和機器人峰會（2020  CCF-GAIR）AI芯片專場發表演講時，提出重新定義芯片AI性能的方法。      
  8月8日，地平線聯合創始人兼技術副總裁黃暢博士在2020全球人工智能和機器人峰會AI芯片專場發表演講      

2020全球人工智能和機器人峰會是由中國計算機學會（CCF）主辦，香港中文大學（深圳）、雷鋒網聯合承辦，鵬城實驗室、深圳市人工智能與機器人研究院協辦的全球盛會，于8月7日至9日在深圳舉辦。

“縱觀深度學習神經網絡模型的發展演進，我們發現AI芯片面臨的一大挑戰，是算法演進速度遠超硬件改進速度，致使評估芯片AI性能的方法與算法發展之間存在脫節的現象，”黃暢在演講中說道。

目前，業界尚缺乏一個與時俱進的，能夠有效評估芯片AI性能的標準。業界慣常使用的芯片評測標準有兩種，一是峰值算力，但峰值算力只反映AI芯片理論上的最大計算能力，而非在實際AI應用場景中的處理能力，具有很大的局限性；二是目前行業較為知名的基準測試組織MLPerf，其采用的模型少且更新速度滯后于算法演進的速度，無法及時反映算法效率的提升以及各種精度下芯片能夠達到的計算速度，因而無法描述芯片AI性能的全貌。

針對當前AI芯片評測中存在的問題，地平線提出MAPS評測方法，為行業提供一個評估芯片AI性能的視角。“評估芯片AI性能，本質上應該關注做AI任務的速度和精度，即‘多快’和‘多準’。”黃暢介紹說：“MAPS評測方法，關注真實的用戶價值，將每顆芯片在‘快’和‘準’這兩個關鍵維度上的取舍變化直觀地展現出來，并在合理的精度范圍內，評估芯片的平均處理速度。這個方法具有可視化和可量化的特點。”

 
  MAPS聚焦“快”和“準”兩個關鍵評測維度，用最優幀率精度所圍面積直接體現AI芯片的最強能力    

地平線作為邊緣AI芯片領導者，長期致力于AI芯片的軟硬件研發和商業落地工作。此次提出MAPS芯片AI性能評測方法，為行業提供一種在峰值算力之外，從“快”和“準”兩個維度幫助用戶理解芯片AI性能的角度。該方法包容評測過程中所有可能的選擇，在體現芯片的真實AI性能的同時留有最大的優化空間，指引用戶以最優方式使用芯片。

在黃暢看來，這個評測方法最重要的意義，是鼓勵行業樹立對正確目標的統一認知，形成合力，更好地協同起來推動AI芯片產業發展。