Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

耐能与新思科技合作,共同推广低功耗AI IP解决方案

耐能NPU具备领先业界的低功耗特性,能与新思科技ARC®处理器有效协同计算,以提升整体计算能力。

近日,终端人工智能解决方案厂商耐能(Kneron)和全球半导体设计制造软件与IP领导厂商新思科技(Synopsys)共同宣布,将结合耐能针对终端设备所设计的神经网络处理器(Neural Processing Unit , NPU)与新思科技ARC® 处理器,推出低功耗AI IP解决方案。双方将共同展开进一步的合作推广计划,携手拓展市场,以加速终端人工智能的开发与应用。

2018年9月,耐能发布新一代终端<mark data-type=technologies data-id=2d28aa9c-942d-471d-bd96-8bfefb7144e0>人工智能</mark>处理器系列NPU IP - KDP Series

2018年9月,耐能发布新一代终端人工智能处理器系列NPU IP - KDP Series

耐能创始人兼CEO刘峻诚表示:“耐能很荣幸与新思科技共同合作推出低功耗AI IP解决方案,结合耐能NPU 低功耗、体积小的特性与新思科技ARC® 处理器的优异性能,协助客户采用终端人工智能解决方案的进度。低功耗AI IP解决方案可应用于智能家居、3D人脸解锁以及对能耗和空间有高度要求的物联网设备,且能满足复杂的计算需求。”

新思科技全球副总裁兼台湾总经理李明哲表示:“新思科技的AI解决方案最近获得2018 世界电子成就奖(World Electronics Achievement Awards , WEAA2018)的肯定,当中的核心技术之一即是ARC®处理器解决方案,它可以有效协助设计工程师提升设计性能及整合实际软件应用。耐能NPU具备领先业界的低功耗特性,能与新思科技ARC®处理器有效协同计算,以提升整体计算能力。我们预期双方的合作将让终端人工智能应用更快速地普及。”

耐能终端人工智能处理器系列NPU IP - KDP Series具低功耗、体积小的特性,同时提供强大的计算能力与优异的能耗效率,可应用在智能手机、智能家居、智能安防,以及对能耗和空间有高度要求的可穿戴设备等。全系列产品的功耗为百毫瓦(mW)等级,针对特定的应用,甚至可降至5毫瓦以下峰值吞吐量(Peak Throughput)最高则可达5.8 TOPS(每秒万亿次计算)。

搭载新思ARC处理器的开发板

搭载新思科技ARC®处理器的开发板

新思科技是提供AI SoC设计与验证、AI相关软硬件及算法开发解决方案的领导厂商,并积极与耐能等全球AI解决方案领导厂商合作,共同推动AI技术优化与产业发展。新思科技的主要AI SoC解决方案包括Platform Architect™ Ultra,能有效执行多核心架构的动态模拟,在设计初期即能提供AI芯片优化的设计架构 ;  包括 ARC® 处理器在内的DesignWare® IP 系列产品组合,内建图像CPU核心以及可编程卷积神经网络(Convolution Neural Network ,CNN)引擎的嵌入式图像处理器,以及界面IP ; 还有因应AI SoC需求的Fusion Design Platform™, 从 RTL Synthesis、测试、实体设计实作、实体验证与签核到Verification Continuum™ 验证平台等流程,提供整合而无缝接轨的技术支持。

产业新思科技耐能
相关数据
人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

卷积神经网络技术

卷积神经网路(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。卷积神经网路由一个或多个卷积层和顶端的全连通层(对应经典的神经网路)组成,同时也包括关联权重和池化层(pooling layer)。这一结构使得卷积神经网路能够利用输入数据的二维结构。与其他深度学习结构相比,卷积神经网路在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网路,卷积神经网路需要考量的参数更少,使之成为一种颇具吸引力的深度学习结构。 卷积网络是一种专门用于处理具有已知的、网格状拓扑的数据的神经网络。例如时间序列数据,它可以被认为是以一定时间间隔采样的一维网格,又如图像数据,其可以被认为是二维像素网格。

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

推荐文章
暂无评论
暂无评论~