優化邊緣計算，索喜科技開發AI加速引擎
領先的SoC解決方案供應商——索喜科技為邊緣計算設備的AI處理優化，開發了一款新型神經網路加速（NNA）引擎。這款精巧，低功耗引擎是專為深度學習（Deep Learning）推理運算而特別設計的。相較於傳統計算機視覺處理器，如圖像識別等，其在運行時可將性能提升100倍。索喜科技預計在今年第三季度開始交付實現現場可編程門陣列（FPGA）的軟體開發包，同時也計劃開發相應的SoC產品。
↓↓
目前，全球正在使用的物聯網設備大約有231.4億個，而這一數字在未來兩年內將上升到310億。到2025年，預計將有800億設備在使用和收集數據，所產生的數據量可達到180ZB，而2016年僅有1ZB。隨著設備數量的激增，它們所生成的數據也會增加，數據存儲和傳輸也必須保持同步。
人工智慧
邊緣計算
當前，人工智慧的計算大多數是在數據中心運行，即運行在「雲」上，然而以云為中心的構架方式並非在任何情況下都是最理想的解決方案。隨著技術的發展，基於邊緣計算解決方案的人工智慧終端，將在各行各業帶來變革，從而改變未來的走向。傳統人工智慧運算的硬體架構，主要包括中央處理器(CPU)、圖型處理器(GPU)、現場可編程數組(FPGA) 等。
邊緣計算是指在靠近物或數據源頭的一側，採用網路、計算、存儲、應用核心能力為一體的開放平台，就近提供服務。邊緣計算是伴隨著物聯網的發展而出現的。對物聯網而言，邊緣計算技術取得突破，意味著通過本地設備就可實現數據分析與控制，無需交付雲端處理。這將大大提升數據處理效率，減輕雲端負荷，為用戶提供更快速的響應。
NNA
Socionext
人工神經網路（Neural networks，簡稱NNs）正使得各行業技術飛速發展。而人工神經網路加速器（Neural Network Accelerator，簡稱NNA）是一種處理器的基本結構，可能與CPUs和GPUs具有同樣重大的意義。
為滿足市場需求，索喜科技開發了一款新型神經網路加速（NNA）引擎，以針對邊緣計算設備的AI處理優化。目前索喜科技提供的「SC1810」是一款內置專有視覺處理器單元的圖形 SoC ，且能與計算視覺應用程序介面（API）標準化組織Khronos Group開發的"OpenVX"兼容。索喜科技設計的NNA作為可擴展VPU能力的加速器，將在汽車、數字信號等領域中通過Deep Learning展現各種各樣的計算機視覺處理功能及常規的圖像識別，發展低功耗、高準確率的認知計算。
這款NNA結合公司專有量化技術結構，減少了DeepLearning所需的參數及活化的信息量。量化技術能夠用少量的資源處理大量的計算任務，極大的減小了數據尺寸並顯著降低了系統內存帶寬。此外，最新研發的片上存儲電路設計提高了Deep Learning所需的計算資源效率，在一個很小的包（Package）內就能優化性能。結合最新技術，配備新款NNA的VPU在圖像識別方面將比傳統VPU的處理速度快100倍。
DPA: Data Parallel Accelerator
HWA: Hardware Accelerator
索喜科技預計在今年第三季度開始交付實現現場可編程門陣列（FPGA）的軟體開發包。該軟體開發包可支持TensorFlow，且將作為一個學習環境及庫，致力於量化技術及從學習模型到界面處理的數據轉化工具。隨著NNA學習環境優化，用戶即使沒有模型壓縮或是學習調整Deep Learning所需的碼率降低的經驗，屆時也可以有效的建立自己的模型。索喜科技正計劃提供應用更廣泛的開發環境，通過支持不同的Deep Learning框架，使得用戶能夠開發他們自己的Deep Learning應用。
索喜科技同時也計劃將推出包含NNA的SoC產品。目標應用包含汽車行業，通過高精度行車記錄儀檢測例如行人及自行車等目標及捕獲圖像，同時也可以用於輔助駕駛或自動泊車。另一個重要的應用則是例如電視機及標牌的顯示系統。NNA運算可大大增強4K/8K顯示屏的圖像識別，提供超高解析度處理及幫助高清晰度成像。面對基於邊緣計算解決方案的人工智慧終端的巨大技術挑戰，索喜科技將堅持不懈的開發低功耗、高準確率的認知計算產品以擴大AI應用範圍。
TAG:Socionext |