A Intel cancelou discretamente seu sistema em chip (SoC) híbrido Thunder Bay, que integra núcleos de CPU de uso geral e hardware Movidius orientado para visão computacional. A fabricante de chips não revela os motivos por trás de suas decisões, mas parece que as CPUs da Intel e as unidades de processamento de visão (VPUs) permanecerão separadas por enquanto.
“Remova o código específico do Thunder Bay, pois o produto foi cancelado e não há clientes ou usuários finais”, um correção do linux descoberto por Phoronix lê.
A Intel manteve os detalhes sobre seu Thunder Bay SoC em segredo. Com base em patches do Linux descobertos por Phoronix, o Thunder Bay SoC era para ser um design de baixo consumo de energia com núcleos de CPU Arm Cortex-A53 e hardware Movidius VPU (que a Intel adquiriu ao assumir a Movidius em 2016). Ainda assim, a configuração exata do produto permaneceu desconhecida.
O SoC Thunder Bay da Intel foi projetado para aplicativos comerciais e de Internet das Coisas que exigem aceleração de visão computacional e recursos de processamento de uso geral. Espera-se que tais aplicativos de computação de ponta se tornem cada vez mais comuns em cidades inteligentes.
Enquanto isso, parece que os usuários de aplicativos que precisam de CPUs e VPUs talvez estejam satisfeitos com seus servidores de borda executando o silício Xeon e Movidius, como a placa aceleradora Keem Bay lançada em 2019.
Além disso, à medida que a aceleração do aprendizado de máquina se torna onipresente, muitos aplicativos podem adotar hardware diferente, incluindo o próprio Habana Gaudi da Intel, GPUs da Nvidia ou Jetson SoCs (com núcleos de GPU integrados). Como resultado, resta saber se a Intel decidirá oferecer um SoC semelhante ao Thunder Bay no futuro e como esse produto em potencial será configurado.
Embora as VPUs Movidius não sejam mencionadas regularmente, elas têm seus benefícios. A unidade de processamento de visão Movidius contém núcleos MIPS de uso geral com processamento vetorial programável de 128 bits (chamados núcleos SHAVE), vários aceleradores de hardware e recursos de processamento de sinal de imagem. Portanto, as VPUs são um pouco mais adaptadas para aplicativos de computação de ponta do ponto de vista do consumo de energia e da pegada do que os aceleradores AI/ML de alto desempenho.