人脸识别驱使GPU重要性大增

　　人脸识别应用将驱使绘图处理器(GPU)重要性大增。手机处理器开发商正全力提升GPU运算效能，其背后驱力除了虚拟实境和扩增实境等影像模拟应用日趋火热外，人脸识别亦是不容忽视的另一股力量，尤其是近期苹果(Apple)传出收购美国新创公司Emotient，跨足人脸表情与情绪辨别技术领域，势将让GPU在处理器中扮演更重要的角色。

　　安谋国际(ARM)移动通讯暨数位家庭资深市场经理林修平表示，行动处理器中的GPU未来的功耗和效能会越来越好，现在4K的内容和显示器已越来越普遍，所以对于GPU的效能或功耗都是非常大的挑战，为支援4K影像应用，GPU性能一定要能支援4K或4K以上，而若要满足虚拟实境或是更高阶的应用，性能就须再向上攀升。

　　另外，用GPU来做运算的发展趋势也愈来愈明显，现在已经慢慢看到这样的应用出现。林修平进一步指出，有些DSP的演算法可以做平行化处理，这样的演算法用GPU来运算会比用CPU效能更好且更有效率，像是深度学习(Deep Learning)和人脸识别，这也是ARM看到未来有潜力的应用。

　　事实上，人脸识别的功能2015年就已有一些装置展示，而这只是一个开端，类似的应用未来会越来越多。除了人脸识别，语音识别也会慢慢出现;以往手机都是按密码解锁，未来使用者只要对手机说话或者看着手机，就可以透过声纹或脸部特征识别自动解锁。

　　林修平解释，人脸识别的演算法可以平行化处理，因为它是用神经网络的方式来做运算，所以可以把演算法同时丢到好几颗运算单元做处理，GPU就是有这样的特性，可以同时处理很多的工作。

　　事实上，ARM目前正戮力推动的异质系统架构(HSA)，即有助未来人脸识别等先进视觉应用的发展。林修平分析，GPU和CPU的特性不一样，CPU处理速度快，具有即时处理的能力，而GPU处理速度相对较慢，但它可以同时处理大量的运算。上述的人脸和语音识别，或者影像编解码串流，就很需要大量平行化处理，此时用GPU来做会比较有效率。所以这些应用也将驱动HSA持续演进。

　　针对此一发展，ARM除可提供CPU和GPU的矽智财(IP)，以及相关的软体或驱动程式(Driver)给客户外，亦可协助客户进行上层应用的整合。