神經網絡加速器，加速AI時代

　　據悉，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”)宣布推出神經網絡加速器 (Neural Network Accelerator engine，縮寫NNA)，用于優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軟件開發工具提供產品銷售。此外，搭載有NNA的SoC產品開發也正在規劃當中。

　　隨著消費電子、汽車電子、工業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展，深度學習、神經網絡等技術迎來了發展高潮。神經網絡越大，需要的計算量就越大，傳統的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略顯疲憊。在VPU上加載人工智能計算能力則可以規避這些問題，而且具有更高的可靠性。

　　Socionext目前提供圖像處理SoC“SC1810”，這款芯片內置有技術標準化組織Khronos Group制定的API規范-OpenVX，內置有視覺處理器(VPU，Vision Processor Unit)。此次新推出的NNA加速器能VPU性能，可在汽車、數字標牌等多種應用中通過深度學習及傳統的影像識別執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架，減少了深度學習所需的參數和激活值。通過量化技術能以較少的資源執行大量計算任務，大幅減少數據量，并顯著降低系統存儲器帶寬。此外，新開發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最佳性能。搭載有NNA的VPU結合了最新的技術，能在圖像識別處理時比傳統VPU快100倍。

　　Socionext預計于2018年第三季度開始提供NNA FPGA軟件開發包。改軟件開發包可支持TensorFlow學習環境，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據轉換工具。通過利用NNA優化后的學習環境，用戶無需模型壓縮或學習調諧(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環境，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，例如電視、數字標牌，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將不斷創新并開發出高效、高性能產品，以適應各種邊緣計算環境中廣泛的AI應用。