Intel hat stillschweigend sein hybrides Thunder Bay System-on-Chip (SoC) eingestellt, das Allzweck-CPU-Kerne und Computer-Vision-orientierte Movidius-Hardware integriert. Der Chiphersteller gibt die Gründe für seine Entscheidungen nicht bekannt, aber es sieht so aus, als würden Intels CPUs und Vision Processing Units (VPUs) vorerst getrennt bleiben.
„Entfernen Sie den Thunder Bay-spezifischen Code, da das Produkt gekündigt wurde und es keine Endkunden oder Benutzer gibt“, a Linux-Patch entdeckt von Phoronix liest.
Details zu seinem Thunder-Bay-SoC hielt Intel unter Verschluss. Basierend auf Linux-Patches, die von entdeckt wurden Phoronix, das Thunder Bay SoC sollte ein Low-Power-Design sein, das Arm Cortex-A53-CPU-Kerne und Movidius-VPU-Hardware enthält (die Intel durch die Übernahme von Movidius im Jahr 2016 erwarb). Die genaue Konfiguration des Produkts blieb jedoch unbekannt.
Intels Thunder Bay SoC war für kommerzielle und Internet-of-Things-Anwendungen gedacht, die Computer-Vision-Beschleunigung und allgemeine Verarbeitungsfunktionen erfordern. Es wird erwartet, dass solche Edge-Computing-Anwendungen in Smart Cities immer häufiger vorkommen werden.
In der Zwischenzeit sieht es so aus, als ob Benutzer von Anwendungen, die CPUs und VPUs benötigen, vielleicht mit ihren Edge-Servern zufrieden sind, auf denen Xeon- und Movidius-Silizium ausgeführt wird, wie z. B. die 2019 eingeführte Keem Bay-Beschleunigerkarte.
Da die Beschleunigung des maschinellen Lernens allgegenwärtig wird, verwenden viele Anwendungen möglicherweise unterschiedliche Hardware, darunter Intels eigene Habana Gaudi, Nvidias GPUs oder Jetson SoCs (mit integrierten GPU-Kernen). Daher bleibt abzuwarten, ob Intel sich entscheidet, in Zukunft einen Thunder Bay-ähnlichen SoC anzubieten und wie dieses potenzielle Produkt konfiguriert wird.
Obwohl Movidius VPUs nicht regelmäßig erwähnt werden, haben sie ihre Vorteile. Die Movidius-Bildverarbeitungseinheit enthält Allzweck-MIPS-Kerne mit programmierbarer 128-Bit-Vektorverarbeitung (sogenannte SHAVE-Kerne), verschiedene Hardwarebeschleuniger und Bildsignalverarbeitungsfunktionen. Daher sind VPUs in Bezug auf Stromverbrauch und Platzbedarf etwas besser auf Edge-Computing-Anwendungen zugeschnitten als Hochleistungs-KI/ML-Beschleuniger.