据悉，Socionext Inc.是高级视觉成像SoC应用技术的领先制造商。 （紧接着``Suoxi Technology''或``Company''）宣布推出神经网络加速器引擎（NNA），用于优化人工智能处理中的边缘计算设备。它具有高速，低功耗的特点，是专门用于深度学习中的推理处理的加速器。与以前的处理器相比，NNA在图像识别和其他处理方面的性能提高了约100倍。该公司预计将从2018年第三季度开始为产品销售提供FPGA软件开发工具。此外，还计划开发配备NNA的SoC产品。随着将人工智能（AI）引入消费电子，汽车电子和工业控制等越来越多的应用中，人工智能正面临着空前的快速发展，深度学习，神经网络和其他技术已迎来了发展的高潮。神经网络越大，所需的计算量就越大。尽管传统的VPU也可以完成人工智能操作，但由于功耗高和等待时间长，因此VPU有点疲惫。在VPU上加载人工智能计算功能可以避免这些问题，并具有更高的可靠性。 Socionext当前提供图像处理SoC“ SC1810”，该芯片具有由技术标准化组织Khronos Group制定的内置API规范-OpenVX，以及内置视觉处理器（VPU，视觉处理器单元）。新推出的NNA加速器具有VPU性能，并且可以通过深度学习和传统图像识别在汽车和数字标牌等各种应用中执行各种计算机视觉处理，从而以更低的功耗提供更高的性能。 NNA使用定量技术来整合公司的专有架构，从而减少深度学习所需的参数和激活值。通过量化技术，可以用较少的资源执行大量计算任务，从而大大减少了数据量，并显着减少了系统内存带宽。此外，新开发的片上存储电路设计提高了深度学习所需的计算资源的效率，并且可以在非常小的封装中实现最佳性能。配备NNA的VPU结合了最新技术，并且图像识别处理的速度比传统VPU快100倍。 Socionext预计将在2018年第三季度提供NNA FPGA软件开发套件。经过修改的软件开发套件可以支持TensorFlow学习环境，并提供用于量化技术的特殊库以及从学习模型到推理处理的数据转换工具。通过使用NNA优化的学习环境，用户可以有效地构建自己的模型，而无需模型压缩或学习调整知识。将来，Socionext还计划通过支持各种深度学习框架来支持广泛的开发环境，从而使用户能够轻松构建深度学习应用程序。同时，Socionext还计划将装有NNA的SoC芯片投放市场。目标应用包括车载系统中的图像拍摄，以及基于高精度对象识别（例如行人和自行车）的辅助驾驶和自动停车。另一个重要的应用是显示系统，例如电视和数字标牌。 NNA可以在超分辨率处理过程中增强图像识别，并改善4K / 8K屏幕上的高清成像。 Socionext将继续创新和开发高效和高性能的产品，以适应各种边缘计算环境中的各种AI应用程序。