满足边缘更多智能的需求

在近几十年中，系统设计已经从一个处理拓扑到另一个处理拓扑，从集中到分布式架构，并在持续搜索理想解决方案中再次回来。随着计算要求飙升，该行业已迁移到基于云计算的更集中的方法。今天的企业更愿意在云中执行高级计算和分析，可以利用其几乎无限的计算和存储资源，高可靠性和低成本。

随着公司采用机器学习技术和采用更高水平的人工智能（AI），似乎云中的计算资源将在大多数组织计划中发挥日益关键的作用。但云不是所有应用的理想解决方案。bobappios下载地址今天的专注于AI的机器学习通常发生在两个阶段。首先，通过收集和分析大量现有数据来培训系统以学习新功能。例如，系统通过查看数千个图像来了解如何识别手势。该阶段可以高度计算密集型。机器学习中的神经网络，用于图像识别等应用的应用可能需要数据和计算能力的exaflbobappios下载地址ops。因此，这些任务通常在数据中心执行。

机器学习的第二阶段被称为推理。在这里，通过将系统的功能应用于新数据，通过将系统的功能应用于现场的工作来扩展他们对手势的任务或定义的理解。在典型的示例中，面部检测函数通过分析领域中的示例并结合所学习的经验教训来增加其智能来识别人类的脸部。

在许多情况下，该计算密集型分析也将在数据中心进行。但是，许多因素是在网络边缘重新定义计算，带宽和功率需求的因素。对“永远关注”感知的需求继续增长。如今，相机用于24/7观看制造业线的异常，以监测汽车中的速度和车道合规性，或识别移动应用中的特定手势或面部特征。将此“始终开启”数据传输回数据中心，从安全性角度造成新的挑战。设计师不愿意将捕获的图像发送到云端。他们担心它会增加隐私风险并扩展系统延迟。相反，他们希望在本地执行这些任务，该任务推动了局部计算要求，并且在某些情况下也是电力消耗。反过来，对电池供电的移动产品构成了重大挑战。

设计人员如何为网络边缘带来更多的计算能力，而不会提高电源要求，增加带宽需求，或将用户暴露给隐私风险？解决这种困境的一种方法是通过点击FPGA的固有并行处理能力，特别是对于低功率操作优化的新一代低密度FPGA。这些器件在功率，足迹和成本方面结合了广泛的嵌入式DSP资源和具有竞争优势的高度平行架构。像格子这样的设备ICE40 UltraPlus.可以加速MW范围内的神经网络，而格子ECP5.FPGA可以在1 W以下运行。它们还通过允许它们进行更高的加工速度或更低的功率来进行高度设计灵活性，以便更高的设计灵活性。例如，格子的ECP5 FPGA中的DSP块可以在使用浮点数学的GPU上计算较低功率/ MHz的固定点数学。此外，这些器件有高度紧凑的封装，可帮助设计人员满足消费者和工业应用中常见的严格占用要求。bobappios下载地址

可能在Edge产品成功中发挥至关重要作用的另一个关键因素将是能够加速基于AI的Sub-1W解决方案的原型开发的发育生态系统的可用性。为了解决这一需求，我们最近宣布格子Sensai.该综合技术叠层推动，带来模块化硬件套件，神经网络IP核心，软件工具，参考设计和定制设计服务设计人员需要将超低功耗AI应用程序带到市场上。bob体育软件bobappios下载地址通过组合灵活的FPGA硬件和软件，Sensai加速了边缘设备中设备上传感器数据处理和分析的集成。此外，设计人员可以使用Sensai Demos和常见的AI用例，如物体检测和密钥短语检测，以在短开发周期中构建定制解决方案。

显然，对边缘的基于AI的解决方案的需求不断上升呈现了许多新的挑战。开发人员如何为这些产品带来更高层次的计算能力，而不会冒险，或者抵消带宽和功率限制？设计师如何快速带来新的AI的解决方案，而无需硬件套件，IP核心，软件工具，参考设计以及他们需要的定制设计服务？bob体育软件期望格子的低功耗，小足迹FPGA及其新的Sensai.技术堆栈在边缘AI的快速演变中发挥关键作用。