先進視覺影像SoC應用技術領導廠商Socionext Inc.(以下“索喜科技”或“公司”)宣布推出神經(jīng)網(wǎng)絡加速器 (Neural Network Accelerator engine，縮寫NNA)，用于優(yōu)化人工智能處理中的邊緣計算設備。它具備高速且低功耗的特性，是專用于深度學習中推理處理的加速器。相較以往的處理器，NNA在圖像識別等處理時性能提升約100倍。公司預計于2018年第三季度開始，配合FPGA軟件開發(fā)工具提供產(chǎn)品銷售。此外，搭載有NNA的SoC產(chǎn)品開發(fā)也正在規(guī)劃當中。

隨著消費電子、汽車電子、工業(yè)控制等越來越多的應用引入人工智能(AI)，人工智能面臨著前所未有的快速發(fā)展，深度學習、神經(jīng)網(wǎng)絡等技術迎來了發(fā)展高潮。神經(jīng)網(wǎng)絡越大，需要的計算量就越大，傳統(tǒng)的VPU雖然也能完成人工智能運算，但因為高功耗和高延遲已經(jīng)略顯疲憊。在VPU上加載人工智能計算能力則可以規(guī)避這些問題，而且具有更高的可靠性。

Socionext目前提供圖像處理SoC“SC1810”，這款芯片內(nèi)置有技術標準化組織Khronos Group制定的API規(guī)范-OpenVX，內(nèi)置有視覺處理器(VPU，Vision Processor Unit)。此次新推出的NNA加速器能VPU性能，可在汽車、數(shù)字標牌等多種應用中通過深度學習及傳統(tǒng)的影像識別執(zhí)行多種電腦視覺處理，以便在較低功耗下提供更高的性能。

NNA采用量化技術整合了公司的專有構(gòu)架，減少了深度學習所需的參數(shù)和激活值。通過量化技術能以較少的資源執(zhí)行大量計算任務，大幅減少數(shù)據(jù)量，并顯著降低系統(tǒng)存儲器帶寬。此外，新開發(fā)的片上存儲器電路設計提高了深度學習所需的計算資源效率，能在非常小的封裝中實現(xiàn)最佳性能。搭載有NNA的VPU結(jié)合了最新的技術，能在圖像識別處理時比傳統(tǒng)VPU快100倍。

Socionext預計于2018年第三季度開始提供NNA FPGA軟件開發(fā)包。改軟件開發(fā)包可支持TensorFlow學習環(huán)境，并提供用于量化技術的專用庫和從學習模型到推論處理用的數(shù)據(jù)轉(zhuǎn)換工具。通過利用NNA優(yōu)化后的學習環(huán)境，用戶無需模型壓縮或?qū)W習調(diào)諧(learning tuning)知識也能有效建立起他們自己的模型。今后Socionext還將計劃通過支持各種深度學習框架來支持應用廣泛的開發(fā)環(huán)境，讓用戶能簡單建立深度學習的應用程序。

與此同時，Socionext也計劃將載有NNA的SoC芯片投入市場。目標應用包括車載系統(tǒng)中的影像拍攝，以及基于行人、自行車等高精度物體識別的輔助駕駛以及自動泊車。另一個重要的應用便是顯示系統(tǒng)，例如電視、數(shù)字標牌，NNA可在超分辨率處理時增強圖像識別，提高4K/8K屏幕高清晰度成像。Socionext將不斷創(chuàng)新并開發(fā)出高效、高性能產(chǎn)品，以適應各種邊緣計算環(huán)境中廣泛的AI應用。