
MediaTek
Generative AI
Liderando la Revoluci¨®n de la Tecnolog¨ªa de IA Generativa
La IA Generativa est¨¢ impulsando la pr¨®xima ola de innovaci¨®n en semiconductores.

Liderando Soluciones de IA de Vanguardia
Como l¨ªder en la industria en el desarrollo de productos de sistemas en un chip (SoC) de alto rendimiento y eficiencia energ¨¦tica, MediaTek est¨¢ llevando los beneficios de nuestros potentes procesadores de IA dise?ados internamente a nuestro diverso ecosistema de productos.
Actualmente, enviamos m¨¢s de 2 mil millones de chips en dispositivos conectados cada a?o, muchos de los cuales contienen nuestros procesadores de IA, convirti¨¦ndonos en uno de los principales proveedores de IA de vanguardia del mundo. Con nuestra amplia presencia en el mercado, encontrar¨¢s nuestras tecnolog¨ªas de IA en dispositivos en el hogar, en la educaci¨®n, en empresas, en dispositivos m¨®viles y en veh¨ªculos.
MediaTek IA H¨ªbrida: Nube y Edge
MediaTek est¨¢ en una posici¨®n ¨²nica para impulsar y apoyar la adopci¨®n de aplicaciones y tecnolog¨ªas de IA Generativa, ya sea desplegadas en la nube, en el edge de los dispositivos, o mediante un enfoque h¨ªbrido que aproveche tanto la nube como el edge simult¨¢neamente.

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 Ä¢¹½ÊÓÆµ

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 aceleraci¨®n de inteligencia artificial en dispositivos de borde, como smartphones, tabletas, AI+IoT, televisores inteligentes, SoCs de redes y m¨¢s.
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 energ¨¦tica 27 veces superior en comparaci¨®n con un CPU t¨ªpico y 15 veces superior en comparaci¨®n con un GPU t¨ªpico.

Tecnolog¨ªas de NPU de MediaTek
El NPU de MediaTek es un procesador multi-core altamente escalable que puede contener tanto n¨²cleos MDLA como MVPU en diversas cantidades, de n¨²cleos, dependiendo de los requisitos de la aplicaci¨®n.
En 2023, MediaTek lanz¨® su NPU de s¨¦ptima generaci¨®n, dise?ado espec¨ªficamente para acelerar la IA generativa basada en modelos de transformadores. Su dise?o altamente flexible puede escalar el rendimiento con unidades de c¨¢lculo, uso de energ¨ªa, ancho de banda de memoria y capacidad de memoria, seg¨²n los requisitos de la aplicaci¨®n, 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 fusi¨®n de capas profundas y compresi¨®n de datos para reducir la demanda en el ancho de banda de la DRAM.
- Inteligencia energ¨¦tica y conciencia de memoria compartida.
- Red de Interconexi¨®n en Chip (NoC) dise?ada por MediaTek para comunicaci¨®n intercore de baja latencia.

- Alto rendimiento, programable y vers¨¢til, con una arquitectura de MAC energ¨¦ticamente eficiente que puede realizar reutilizaci¨®n de datos en una amplia gama de aplicaciones de redes neuronales.
- Dise?ado 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 m¨®viles.
- Soporta INT4/INT8/INT16, FP16, BF16 y precisi¨®n mixta para reducir a¨²n m¨¢s el consumo de energ¨ªa.
- La comunicaci¨®n de direcci¨®n intersubsistemas con el ISP y el DPU (pantalla) minimiza la latencia y el consumo de energ¨ªa.

- DSP de prop¨®sito general optimizado para aplicaciones de visi¨®n por computadora (CV) y redes neuronales (NN).
- Mejor equilibrio entre potencia y rendimiento para aplicaciones de procesamiento visual, como fotograf¨ªa, videograf¨ªa y reproducci¨®n de video en streaming.

MediaTek NeuroPilot SDK
MediaTek NeuroPilot es un conjunto de herramientas de software y APIs dise?ado para que clientes y desarrolladores optimicen sus aplicaciones basadas en inteligencia artificial para su uso en los SoCs de Ä¢¹½ÊÓÆµ
Tanto versiones locales como en la nube de estas herramientas est¨¢n disponibles, incluyendo modelos de aprendizaje profundo preentrenados que pueden acelerar a¨²n m¨¢s 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 n¨²cleo
NeuroPilot tambi¨¦n ofrece optimizaci¨®n consciente de la plataforma. Con NeuroPilot, una aplicaci¨®n puede identificar el hardware del SoC en el que opera, enviando las tareas de IA a la unidad de procesamiento m¨¢s adecuada, ya sea el CPU, GPU, NPU o DSP.
Adem¨¢s, cuando sea necesario, NeuroPilot adoptar¨¢ la computaci¨®n heterog¨¦nea para combinar las fortalezas de m¨²ltiples unidades de procesamiento y proporcionar los mejores resultados. Por ejemplo, puede utilizar un GPU y un NPU juntos en tareas como el renderizado gr¨¢fico 3D, AI-VRS, AI-HDR o la escalabilidad de superresoluci¨®n.
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
En este art¨ªculo presentamos el modelo de lenguaje multiling¨¹e BLOOM-zh, que cuenta con un soporte mejorado para el chino tradicional. BLOOM-zh tiene sus or¨ªgenes en los modelos de BLOOM de c¨®digo abierto presentados por BigScience en 2022.
Feb 02, 2023
Introducimos un nuevo enfoque para estimar el gradiente natural a trav¨¦s de la dualidad de Legendre-Fenchel, proporcionamos una prueba de convergencia y mostramos un rendimiento competitivo en varios puntos de referencia.
Dec 19, 2022
Este art¨ªculo presenta un algoritmo basado en aprendizaje que utiliza redes neuronales gr¨¢ficas (GNN) y una red de deconvoluci¨®n para predecir la ubicaci¨®n y las proporciones de aspecto de los bloques de dise?o con rect¨¢ngulos flexibles.
Oct 31, 2022
Se propone un algoritmo casi ¨®ptimo para la exploraci¨®n pura en un nuevo marco para el aprendizaje colaborativo de bandits que abarca trabajos anteriores recientes.
Nov 24, 2022
Proporcionamos garant¨ªas de rendimiento para el descenso de gradiente bajo un marco adversarial general.
Los modelos basados en kernels, como la regresi¨®n de crestas de kernels y los procesos gaussianos, son omnipresentes en aplicaciones de aprendizaje autom¨¢tico para regresi¨®n y optimizaci¨®n.
Feb 20, 2022
El bandit basado en kernels es un problema de optimizaci¨®n de caja negra ampliamente estudiado, en el que se asume que la funci¨®n objetivo reside en un espacio de Hilbert de kernels de reproducci¨®n conocido.
Las tareas del mundo real a menudo incluyen interacciones con el entorno donde nuestras acciones pueden cambiar dr¨¢sticamente los resultados a largo plazo disponibles o deseables.
Jun 1, 2022
La actividad secuencial que refleja secuencias temporales experimentadas previamente se considera una caracter¨ªstica distintiva del aprendizaje en las ¨¢reas corticales.
Apr 13, 2022
Recientemente, han surgido aplicaciones exitosas del aprendizaje por refuerzo en la colocaci¨®n de chips. Los modelos preentrenados son necesarios para mejorar la eficiencia y efectividad.