借助自適應(yīng)模塊化系統(tǒng) (SOM)加速邊緣創(chuàng)新

由 AI 提供支持的應(yīng)用，正在日益普遍地被部署到邊緣和終端，高性能 AI 推斷正在推動更智慧的城市和高度自動化的智能工廠步入現(xiàn)實。隨著智能零售引入了極為精致的自動化購物體驗，零售體驗也變得更加精巧細(xì)膩。這些應(yīng)用需要具備極高可靠性并提供高性能，同時也需要提供高效緊湊的外形尺寸。

邊緣處理難題

在邊緣部署系統(tǒng)時，功耗、占板面積和成本都是制約因素。在邊緣處理的種種限制條件下，處理需求的不斷提高，意味著提供所需的性能水平將面臨更大的挑戰(zhàn)。雖然 CPU 在邊緣計算上也有發(fā)展，但近年來的增長速度有所放緩。在為新一代AI 支持的邊緣應(yīng)用交付所需性能時，未加速的 CPU 表現(xiàn)得相當(dāng)勉強(qiáng)，特別是考慮到嚴(yán)格的時延要求。

當(dāng)在邊緣上實現(xiàn)前沿 AI 應(yīng)用時，領(lǐng)域?qū)Ｓ眉軜?gòu) (DSA) 是關(guān)鍵。此外，DSA 還提供確定性和低時延。

合適的 DSA 專門設(shè)計用于高效處理所需數(shù)據(jù)，既有 AI 推斷，也有非 AI 部分的應(yīng)用，也就是整體應(yīng)用的加速?？紤]到 AI 推斷需要非 AI 的預(yù)處理和后處理，這些都需要更高的性能，這一點很重要。從根本上說，要在邊緣上（和其他地方）實現(xiàn)由 AI 提供支持的高效應(yīng)用，需要整體應(yīng)用的加速。

如同任何固定功能的芯片解決方案一樣，為 AI 邊緣應(yīng)用開發(fā)的應(yīng)用專用標(biāo)準(zhǔn)產(chǎn)品 (ASSP) 仍有自己的局限性。主要挑戰(zhàn)在于 AI 創(chuàng)新的速度異乎尋常。與非 AI 技術(shù)相比，AI模型的過時速度會快得多。使用固定功能的芯片器件實現(xiàn) AI，會因更新型、更高效AI 模型的出現(xiàn)而迅速過時。固定功能芯片器件的流片需要花費(fèi)數(shù)年時間，到那時 AI 模型的前沿技術(shù)將已經(jīng)向前發(fā)展。此外，對于邊緣應(yīng)用，安全和功能安全要求的重要性也在提高，可能經(jīng)常需要成本高昂的現(xiàn)場更新。

自適應(yīng)計算的前景

自適應(yīng)計算包含能夠針對具體應(yīng)用進(jìn)行優(yōu)化的硬件，例如現(xiàn)場可編程門陣列 (FPGA)，它是一個功能強(qiáng)大的解決方案，專門用于基于AI 的邊緣應(yīng)用。

此外，新的自適應(yīng)硬件也層出不窮，包括含有 FPGA 架構(gòu)并與一個或多個嵌入式 CPU 子系統(tǒng)耦合的自適應(yīng)片上系統(tǒng) (SoC)。然而自適應(yīng)計算遠(yuǎn)不止“純硬件”。它整合了一套綜合而全面的設(shè)計軟件和運(yùn)行時軟件。將它們結(jié)合起來，就形成了一種獨(dú)特的自適應(yīng)平臺，可在其上構(gòu)建非常靈活高效的系統(tǒng)。

用自適應(yīng)計算實現(xiàn) DSA，可避免使用 ASIC 等定制芯片器件所需的設(shè)計時間和前期成本。這樣就能為任何特定領(lǐng)域應(yīng)用，包括基于 AI的邊緣應(yīng)用，迅速部署經(jīng)過優(yōu)化的靈活的解決方案。自適應(yīng)SoC 是此類領(lǐng)域?qū)Ｓ锰幚淼睦硐脒x擇，因為它們既擁有綜合全面的嵌入式CPU 子系統(tǒng)的靈活性，又具備自適應(yīng)硬件的優(yōu)異的數(shù)據(jù)處理能力。

推出自適應(yīng)模塊化系統(tǒng) — SOM

模塊化系統(tǒng) (SOM) 提供完整的、可量產(chǎn)的計算平臺。與從芯片級從頭開發(fā) （chip-down development）相比，這種方法能節(jié)省可觀的開發(fā)時間與成本。SOM 能夠插入到較大的邊緣應(yīng)用系統(tǒng)內(nèi)，從而既可以提供定制實現(xiàn)方案的靈活性，又可以提供現(xiàn)成解決方案的易用性和更快的上市速度。這些優(yōu)勢讓  SOM  成為邊緣  AI  應(yīng)用的理想平臺。然而，要實現(xiàn)現(xiàn)代化AI 應(yīng)用所需的性能，加速必不可少。

某些應(yīng)用需要定制硬件組件與自適應(yīng) SoC 接口連接，意味著需要從芯片級從頭設(shè)計 （Chip-down design）。然而，越來越多基于 AI 的邊緣應(yīng)用，需要相似的硬件組件和接口，甚至在終端應(yīng)用迥異的時候也是如此。隨著企業(yè)轉(zhuǎn)向標(biāo)準(zhǔn)化接口和通信協(xié)議，盡管處理需求顯著不同，但同一套組件可適用于各種類型的應(yīng)用。

面向基于 AI 的邊緣應(yīng)用的自適應(yīng) SOM， 結(jié)合了自適應(yīng) SoC與行業(yè)標(biāo)準(zhǔn)接口和組件，使得硬件經(jīng)驗有限甚至沒有硬件經(jīng)驗的開發(fā)者也可以獲益于自適應(yīng)計算技術(shù)。自適應(yīng)SoC 既能實現(xiàn) AI 處理，也能實現(xiàn)非 AI 處理，也就是說其可以滿足整體應(yīng)用的處理需求。

此外，自適應(yīng) SOM 上的自適應(yīng) SoC 支持高度的定制化。它的設(shè)計目的，是集成到更大型的系統(tǒng)內(nèi)并使用預(yù)定義的外形尺寸。使用自適應(yīng) SOM，可以全面發(fā)揮自適應(yīng)計算的優(yōu)勢，同時避免了從芯片級從頭開始的芯片設(shè)計。自適應(yīng) SOM 只是解決方案的一個部分。軟件也是關(guān)鍵。

采用自適應(yīng) SOM 的企業(yè)，能廣泛受益于性能、靈活性和快速開發(fā)時間的獨(dú)特組合。無需構(gòu)建自己的電路板，他們就能夠享受自適應(yīng)計算提供的各種優(yōu)勢 — 這個優(yōu)勢，最近才隨著賽靈思Kria?自適應(yīng) SOM 產(chǎn)品組合的推出在邊緣得以實現(xiàn)。

Kria K26 SOM

Kria K26 SOM 構(gòu)建在 Zynq^? UltraScale+? MPSoC 架構(gòu)頂端，搭載四核 Arm^? Cortex?-A53  處理器，超過25萬個邏輯單元和一個 H.264/265 視頻編解碼器。此外，該 SOM 還搭載4GB的DDR4存儲器、69  個 3.3V I/O 和 116 個 1.8V I/O，使之能夠適配幾乎任何處理器或接口。憑借1.4TOPS的AI算力，與基于 GPU 的 SOM 相比，Kria K26 SOM 助力開發(fā)者開發(fā)出時延和功耗更低，性能高 3 倍的視覺 AI 應(yīng)用。這對安保、交通與市政攝像頭、零售分析、機(jī)器視覺和視覺引導(dǎo)機(jī)器人等智能視覺應(yīng)用，可謂是重大福音。通過標(biāo)準(zhǔn)化系統(tǒng)核心部分，開發(fā)者擁有更多時間專心開發(fā)自己的專屬特性，從而在市場競爭中實現(xiàn)技術(shù)差異化。

與軟件可以更新但受到固定加速器限制的其他邊緣 AI 產(chǎn)品不同，Kria SOM 在兩個方面提供靈活性，即軟件和硬件都能在今后更新。用戶能夠適配 I/O 接口、視覺處理和 AI 加速器，為以下的部分或全部應(yīng)用提供支持：MIPI、LVDS 和SLVS-EC 接口；適用于日間或夜間的高質(zhì)量專用高動態(tài)范圍成像算法；8 位深度學(xué)習(xí)處理單元；或未來的 4 位甚至是 2 位深度神經(jīng)網(wǎng)絡(luò)方法。多模傳感器融合與實時 AI 處理的結(jié)合，如今已經(jīng)非常容易實現(xiàn)，可以從賽靈思 KV260 視覺 AI 入門套件開始設(shè)計，通過 Kria K26 SOM 部署到生產(chǎn)中。

Kria KV260 視覺 AI 入門套件

面向軟硬件開發(fā)者提供的優(yōu)勢

自適應(yīng) SOM 同時讓硬件開發(fā)者和軟件開發(fā)者受益。對于硬件開發(fā)者，自適應(yīng) SOM 提供了現(xiàn)成的、可量產(chǎn)的解決方案，從而節(jié)省了大量的開發(fā)成本與開發(fā)時間。此外，這些器件也允許硬件團(tuán)隊在流程后期變更設(shè)計，而基于固定功能芯片技術(shù)的 SOM 則無法實現(xiàn)。

對于 AI 開發(fā)者和軟件開發(fā)者來說，自適應(yīng)計算比過去更容易應(yīng)用。賽靈思為確保自適應(yīng)計算的易用性，對工具流進(jìn)行了大量投資。通過將軟硬件平臺與可量產(chǎn)的視覺加速應(yīng)用相結(jié)合，Kria SOM 產(chǎn)品組合的推出將這種易用性提升到全新水平。這些交鑰匙應(yīng)用取消了所有 FPGA 硬件設(shè)計工作，只需要軟件開發(fā)者集成他們的定制 AI 模型、應(yīng)用代碼并有選擇地修改視覺流水線。在 Vitis? 統(tǒng)一軟件開發(fā)平臺和庫支持下，他們可以使用熟悉的設(shè)計環(huán)境，如 TensorFlow、Pytorch 或 Caffe 框架以及 C、C++、OpenCL? 和 Python 編程語言。

通過這種面向軟件設(shè)計的新的加速應(yīng)用范式，賽靈思還面向邊緣應(yīng)用推出了首個嵌入式應(yīng)用商店，為客戶提供來自賽靈思及其生態(tài)系統(tǒng)合作伙伴的豐富多樣的 Kria SOM 應(yīng)用選擇。賽靈思解決方案屬于免費(fèi)提供的開源加速應(yīng)用，包含智能攝像頭、人臉檢測、帶有智能視覺輔助的自然語言處理等多種應(yīng)用。

靈活應(yīng)變的未來

AI 模型將繼續(xù)以高速步伐向前演進(jìn)發(fā)展。這意味著加速平臺必須能夠靈活應(yīng)變，才能在現(xiàn)在和未來以最佳方式實現(xiàn) AI 技術(shù)。實際上，SOM 提供了理想的邊緣處理平臺。與自適應(yīng) SoC 相結(jié)合，SOM 為由 AI 提供支持的應(yīng)用，提供了綜合全面、可量產(chǎn)的平臺。采用這類器件的企業(yè)能廣泛受益于性能、靈活性和快速開發(fā)時間的獨(dú)特組合，并從自適應(yīng)計算種收獲豐厚的回報。