开发人员可采用该套系统让创新解决方案快速

2018-05-25 23:51| 发布者: | 查看: |

  秒速赛车开奖智能工厂、智慧城市、智能家居和智能移动设备的出现驱动着网络边缘需要更高智能的系统架构和全新应用。人工智能(AI)和机器学习(ML)半导体解决方案对满足新一代基于AI的网络边缘计算应用至关重要。

  网络边缘计算解决方案的设计人员面临全新挑战,需要在白热化的市场竞争条件下实现灵活、低功耗、小尺寸和低成本的同时不影响性能。使用经过优化适于低功耗运行的低密度FPGA来集成接近IoT数据源的低功耗推理解决方案的系统可满足网络边缘对于性能和功耗的严苛要求,并加快产品上市时间。

  全新的Lattice sensAI™作为一套完备的开发生态系统,简化了网络边缘灵活推理解决方案的开发。通过各类IP、工具、参考设计和设计专长,开发人员可采用该套系统让创新解决方案快速上市。

  自第一台电脑发明以来,寻求最理想系统架构的路途始终充满坎坷。从计算发展史中可以看出,系统架构始终在计算资源远离用户的集中式架构和处理资源靠近用户的分布式架构之间反复摇摆。曾于20世纪70年代和80年代流行的基于服务器的方案则采用高度集中化的方法积蓄计算资源和存储能力。但是这一理念很快在低成本个人电脑和互联网快速发展的80和90年代衰落了。在这种新的架构模式下,计算任务不断向个人电脑倾斜。

  围绕个人电脑构建的高度分布式方案似乎无懈可击,直到以智能手机、平板电脑和笔记本电脑为代表的高流动性工具大行其道。四处携带计算硬件和存储资源瞬间成为了一种累赘。系统架构随之缓慢地将任务移到云端,利用其近乎无限的计算和存储资源、高可靠性以及低成本。

  企业也在使用云端削减资本成本和更高效地管理IT基础设施相关的运维成本。随着他们采用机器学习和更高级的人工智能技术,云端将扮演着至关重要的角色。即将来临的新一代智能工厂、智慧城市和智能家居需要云端来高效管理机器视觉系统、协调交通模式以及最小化功耗。

  但并非所有应用都将在云端运行。行业专家提出,另一轮从集中式到分布式的系统架构转变的征兆已经显而易见了。无论到来与否,有一点确信无疑。那就是低延迟要求、不断加剧的隐私问题和通信带宽限制将驱动网络边缘对智能化的需求。随着设计人员向网络边缘应用加入高级智能,他们需要能够快速响应环境条件变化的系统。例如,当一辆无人驾驶汽车驶入智慧城市,它不可能询问云端如何避免冲撞事故,而是必须立即做出反应,自主做出判断。同样,当AI安全摄像头在家中检测到异动,它必须利用设备现有资源做出决定,如有人闯入,则立刻报警。

  这些新型应用需要基于AI或机器学习的、靠近IoT传感器数据源而非云端的计算解决方案。这样的需求有多大?有人认为潜力非常可观。Gartner的分析师估计到2022年,多达50%的企业数据将在传统的集中式数据中心或云端以外的地方处理(参见图1)。

  设计人员在开发网络边缘计算解决方案时面临的最严峻的挑战是要满足高灵活性、低功耗、小尺寸和低成本等一系列独特要求(参见图2)。

  开发人员如何构建功耗低、尺寸小、成本低而又不影响性能的网络边缘解决方案呢?首先,他们需要具备最大化设计灵活性、支持广泛I/O接口的芯片,还需要能够助其利用快速演进的神经网络架构和算法的半导体解决方案。最后他们还需要能通过自定义量化平衡精度和功耗的解决方案。

  考虑到网络边缘设备的尺寸限制,设计人员需要适当的芯片来设计小巧高性能的AI设备,在输出卓越性能的同时又能满足尺寸或散热管理的要求。成本也是一个关键要素。任何一种解决方案都必须能与其他批量生产的网络边缘解决方案一较高下。最后,即便是在网络边缘,快速上市的规则依然适用。第一个将解决方案推向市场的企业必然拥有巨大优势。因此,任何有潜力的解决方案必须有机会获得必要的资源实现定制化,并缩短开发周期——无论是演示示例、参考设计还是设计服务。

  FPGA在网络边缘扮演何种角色?机器学习通常要求两种类型的计算工作量。训练系统通过现有数据习得新能力。例。

<
>
相关文章
 
QQ在线咨询
售前咨询热线
400-800-8888
售后服务热线
400-800-8888
返回顶部