Español

    La IA Generativa está impulsando la próxima ola de innovación en semiconductores.

    Leading Edge AI

    Liderando Soluciones de IA de Vanguardia

    Como líder en la industria en el desarrollo de productos de sistemas en un chip (SoC) de alto rendimiento y eficiencia energética, MediaTek está llevando los beneficios de nuestros potentes procesadores de IA diseñados internamente a nuestro diverso ecosistema de productos.

    Actualmente, enviamos más de 2 mil millones de chips en dispositivos conectados cada año, muchos de los cuales contienen nuestros procesadores de IA, convirtiéndonos en uno de los principales proveedores de IA de vanguardia del mundo. Con nuestra amplia presencia en el mercado, encontrarás nuestras tecnologías de IA en dispositivos en el hogar, en la educación, en empresas, en dispositivos móviles y en vehículos.

    MediaTek IA Híbrida: Nube y Edge

    MediaTek está en una posición única para impulsar y apoyar la adopción de aplicaciones y tecnologías de IA Generativa, ya sea desplegadas en la nube, en el edge de los dispositivos, o mediante un enfoque híbrido que aproveche tanto la nube como el edge simultáneamente.

    Hybrid AI

    El Ecosistema Integral de IA de MediaTek

    El ecosistema de IA de MediaTek incluye hardware, herramientas de desarrollo y un kit de desarrollo de software (SDK).

    Los desarrolladores de software tienen acceso a herramientas y algoritmos completos, mientras que MediaTek NeuroPilot permite una estrategia de "escribir una vez, desplegar en todas partes" que simplifica el desarrollo de aplicaciones en toda la gama de productos de MediaTek.

    Ai-Ecoystem

    MediaTek AI

    Unidad de Procesamiento

    El NPU de MediaTek, o procesador dedicado a tareas de inteligencia artificial, es tan importante como el CPU y el GPU dentro de nuestros sistemas en un chip.

    El NPU de MediaTek ofrece una arquitectura muy eficiente para implementar la aceleración de inteligencia artificial en dispositivos de borde, como smartphones, tabletas, AI+IoT, televisores inteligentes, SoCs de redes y más.

    Usando cinco redes neuronales comunes como referencia, las curvas promedio de potencia/rendimiento muestran que el Acelerador de Aprendizaje Profundo (DLA) de MediaTek ofrece una eficiencia energética 27 veces superior en comparación con un CPU típico y 15 veces superior en comparación con un GPU típico.

    CPU-chips-new

    Tecnologías de NPU de MediaTek

    El NPU de MediaTek es un procesador multi-core altamente escalable que puede contener tanto núcleos MDLA como MVPU en diversas cantidades, de núcleos, dependiendo de los requisitos de la aplicación.

    En 2023, MediaTek lanzó su NPU de séptima generación, diseñado específicamente para acelerar la IA generativa basada en modelos de transformadores. Su diseño altamente flexible puede escalar el rendimiento con unidades de cálculo, uso de energía, ancho de banda de memoria y capacidad de memoria, según los requisitos de la aplicación, ya sea en un SoC para smartphones o como parte de un superchip de nivel de centro de datos.

    • Planificador multicore basado en hardware.
    • Motor DMA dedicado que realiza fusión de capas profundas y compresión de datos para reducir la demanda en el ancho de banda de la DRAM.
    • Inteligencia energética y conciencia de memoria compartida.
    • Red de Interconexión en Chip (NoC) diseñada por MediaTek para comunicación intercore de baja latencia.
    APU_Tech
    • Alto rendimiento, programable y versátil, con una arquitectura de MAC energéticamente eficiente que puede realizar reutilización de datos en una amplia gama de aplicaciones de redes neuronales.
    • Diseñado para manejar diferentes tipos de redes, incluyendo:
      • (a)   Redes Neuronales Convolucionales
      • (b)   Redes Neuronales Recurrentes
      • (c)  Modelos de Memoria a Largo y Corto Plazo (LSTM)
      • (d) Representaciones de Codificador Bidireccional de Transformadores (BERT) para dispositivos móviles.
    • Soporta INT4/INT8/INT16, FP16, BF16 y precisión mixta para reducir aún más el consumo de energía.
    • La comunicación de dirección intersubsistemas con el ISP y el DPU (pantalla) minimiza la latencia y el consumo de energía.
    MDLA-Desktop-updated
    • DSP de propósito general optimizado para aplicaciones de visión por computadora (CV) y redes neuronales (NN).
    • Mejor equilibrio entre potencia y rendimiento para aplicaciones de procesamiento visual, como fotografía, videografía y reproducción de video en streaming.
    MVPU-Desktop

    MediaTek NeuroPilot SDK

    MediaTek NeuroPilot es un conjunto de herramientas de software y APIs diseñado para que clientes y desarrolladores optimicen sus aplicaciones basadas en inteligencia artificial para su uso en los SoCs de MediaTek.

    Tanto versiones locales como en la nube de estas herramientas están disponibles, incluyendo modelos de aprendizaje profundo preentrenados que pueden acelerar aún más el desarrollo. NeuroPilot es compatible con muchos marcos de IA principales, como TensorFlow, Caffe, ONNX y transformers, y funciona tanto con Linux como con el sistema operativo Android. Durante la etapa posterior al silicio, los desarrolladores pueden implementar su modelo de IA entrenado en su plataforma para medir el rendimiento directamente.

    Eficiencia en su núcleo

    NeuroPilot también ofrece optimización consciente de la plataforma. Con NeuroPilot, una aplicación puede identificar el hardware del SoC en el que opera, enviando las tareas de IA a la unidad de procesamiento más adecuada, ya sea el CPU, GPU, NPU o DSP.

    Además, cuando sea necesario, NeuroPilot adoptará la computación heterogénea para combinar las fortalezas de múltiples unidades de procesamiento y proporcionar los mejores resultados. Por ejemplo, puede utilizar un GPU y un NPU juntos en tareas como el renderizado gráfico 3D, AI-VRS, AI-HDR o la escalabilidad de superresolución.

    MediaTek Research

    MediaTek Research commits itself to growing and elevating the AI ecosystem in everyday devices. 

    This includes sensors with extreme resolutions, sensors used exclusively for popular functions like bokeh capture, mono sensors for enhanced light sensitivity or specialist sensors for unique applications. Accompanying lenses can accommodate a multitude of capture styles including zoom, wide, macro, or just everyday photography.

    Mar 8, 2023

    Ampliando el Preentrenamiento de BLOOM para Mejorar el Soporte del Chino Tradicional: Modelos, Métodos y Resultados

    En este artículo presentamos el modelo de lenguaje multilingüe BLOOM-zh, que cuenta con un soporte mejorado para el chino tradicional. BLOOM-zh tiene sus orígenes en los modelos de BLOOM de código abierto presentados por BigScience en 2022.

    New

    Feb 02, 2023

    Optimización Fisher-Legendre (FishLeg) de redes neuronales profundas.

    Introducimos un nuevo enfoque para estimar el gradiente natural a través de la dualidad de Legendre-Fenchel, proporcionamos una prueba de convergencia y mostramos un rendimiento competitivo en varios puntos de referencia.

    New

    Dec 19, 2022

    Un Algoritmo Basado en Aprendizaje para un Plan de Piso Temprano con Bloques Flexibles

    Este artículo presenta un algoritmo basado en aprendizaje que utiliza redes neuronales gráficas (GNN) y una red de deconvolución para predecir la ubicación y las proporciones de aspecto de los bloques de diseño con rectángulos flexibles.

    Oct 31, 2022

    Aprendizaje Colaborativo Casi Óptimo en Bandits

    Se propone un algoritmo casi óptimo para la exploración pura en un nuevo marco para el aprendizaje colaborativo de bandits que abarca trabajos anteriores recientes.

    Nov 24, 2022

    Descenso de Gradiente: Robustez ante la Corrupción Adversarial

    Proporcionamos garantías de rendimiento para el descenso de gradiente bajo un marco adversarial general.

    Mejoras en las Tasas de Convergencia para Métodos de Aproximación Escasa en Aprendizaje Basado en Kernels

    Los modelos basados en kernels, como la regresión de crestas de kernels y los procesos gaussianos, son omnipresentes en aplicaciones de aprendizaje automático para regresión y optimización.

    Feb 20, 2022

    Límites de Arrepentimiento para Bandits Basados en Kernels sin Ruido

    El bandit basado en kernels es un problema de optimización de caja negra ampliamente estudiado, en el que se asume que la función objetivo reside en un espacio de Hilbert de kernels de reproducción conocido.

    LPI: Invariancias Posicionales Aprendidas para la Transferencia de la Estructura de Tareas y Planificación Sin Ejemplos

    Las tareas del mundo real a menudo incluyen interacciones con el entorno donde nuestras acciones pueden cambiar drásticamente los resultados a largo plazo disponibles o deseables.

    Jun 1, 2022

    Borrado Adaptativo de Secuencias Espurias en Circuitos Corticales Sensoriales

    La actividad secuencial que refleja secuencias temporales experimentadas previamente se considera una característica distintiva del aprendizaje en las áreas corticales.

    Apr 13, 2022

    Aprendizaje por Refuerzo Múltiple y Flexible para la Colocación de Chips

    Recientemente, han surgido aplicaciones exitosas del aprendizaje por refuerzo en la colocación de chips. Los modelos preentrenados son necesarios para mejorar la eficiencia y efectividad.