DNN低功耗AI芯片可为小型、低功耗边缘计算设备提供先进的AI处理

SoC 设计与应用威廉希尔官方网站 领导厂商Socionext Inc.（以下“公司”）宣布成功发开一款集成有量化深度神经网络（DNN）威廉希尔官方网站 的原型芯片，可为小型、低功耗边缘计算设备提供先进的AI处理。

受日本新能源与产业威廉希尔官方网站 综合开发机构（NEDO）委托，Socionext参与了以《先进的低功耗AI-Edge LSI威廉希尔官方网站 开发》为课题的项目研究，成功完成了结合量化DNN威廉希尔官方网站 的芯片测试，并确认了其运行和性能。该测试芯片搭载有“量化DNN引擎”，能以高速、低功耗执行深度学习推理处理。

目前，基于通用GPU的边缘计算处理器无法满足日益增长的人工智能处理需求。以搭载有图像识别和分析功能的边缘计算设备为例，其系统功耗和发热量与通用GPU相比有明显增加，不得不通过提升成本扩容设备等方式满足AI处理需求。

量化DNN引擎

为提高AI处理性能并减少系统功耗，Socionext开发了一款采用“量化DNN威廉希尔官方网站 ”的专有体系架构，它减少了深度学习所需的参数和激活位。该体系架构将1-bit （binary）、2-bit （ternary） 低比特率威廉希尔官方网站 、传统8-bit威廉希尔官方网站 及公司独创的参数压缩威廉希尔官方网站 结合，以较少的计算资源执行大量计算处理，并减少数据量。

除此以外，Socionext还开发了一种新颖的片上存储威廉希尔官方网站 ，可提供高效的数据传输，从而减少深度学习通常所需的大容量片上或外部存储器。

通过结合上述新威廉希尔官方网站 ，Socionext将AI芯片及“DNN引擎”原型化，并确认了其功能和性能。 原型化芯片通过“YOLO v3”以不到5W的低功耗及30fps的速度实现了目标检测，其效率是通用GPU的10倍。 此外，该芯片还配备了高性能、低功耗的Arm Cortex-A系列CPU，无需外部处理器即可以单芯片执行整个AI处理。

深度学习软件开发环境

除硬件开发外，Socionext还构建了深度学习软件开发环境，通过结合TensorFlow作为基本框架，允许开发人员用原始低bit位进行量化感知训练（Quantization Aware Training）和训练后量化（Post Training Quantization）。 开发新芯片时，用户可以选择最佳量化威廉希尔官方网站 并将其应用于各种神经网络中执行高精度处理，例如在小型低功耗边缘设备上增设最先进的计算机视觉功能，应用于高级驾驶员辅助系统（ADAS）、监控摄像头和工厂自动化等场景。

Socionext目前正在通过对该原型芯片进行评估进一步调整电路优化其性能。公司将继续与合作伙伴一起共同开发并交付AI-Edge LSI最终产品，完成NEDO的委托项目。