實時低功耗AI處理解決方案

瑞薩電子致力于為實現(xiàn)環(huán)保，智能型社會而貢獻力量，而僅通過使用云的大數(shù)據(jù)處理是無法實現(xiàn)更安全和健康的生活的。

憑借瑞薩電子靈活且可擴展的嵌入式人工智能（ｅ－ＡＩ）概念，瑞薩電子提供了面向未來的實時低功耗ＡＩ處理解決方案，該解決方案在業(yè)界是獨一無二的，它可在嵌入式端點設備中實現(xiàn)人工智能的特定需求。

瑞薩電子正在為瑞薩電子的智能工廠，智能家居，智能基礎設施和新業(yè)務部門，例如服務機器人等重點領域的客戶探索新的嵌入式人工智能解決方案。　瑞薩電子將繼續(xù)與客戶和合作伙伴展開合作。

通過使用由ＵＣ Ｂｅｒｋｅｌｅｙ開發(fā)的Ｃａｆｆｅ或Ｇｏｏｇｌｅ開發(fā)的ＴｅｎｓｏｒＦｌｏｗ，任何人都可以相對輕松地使用ＡＩ（人工智能）。

ＤＮＮ（深度神經(jīng)網(wǎng)絡）是在各種ＡＩ專業(yè)領域中最常用的算法之一。ＤＮＮ由兩個主要部分組成 ：學習和推理。

ＤＮＮ在學習和推理執(zhí)行所需的計算量方面存在很大差異，它的一個主要特征是它在推理階段可以以較低的計算能力執(zhí)行。瑞薩電子的ｅ－ＡＩ解決方案提議是在Ｃｌｏｕｄ方面繼續(xù)學習執(zhí)行，但推理執(zhí)行轉移到ＭＣＵ／ＭＰＵ。 優(yōu)點是它可以支持更安全，可靠，快速的ＡＩ系統(tǒng)。

為了在嵌入點中執(zhí)行推理階段，嵌入式ＡＩ　方案有兩個主要挑戰(zhàn)：

１．嵌入式系統(tǒng)實現(xiàn)ＡＩ的難點在于，ＡＩ系統(tǒng)和ＭＣＵ／ＭＰＵ的語言不同。將ＡＩ模型轉換到ＭＣＵ／ＭＰＵ并不容易。瑞薩電子需要有一個有效的工具來轉換模型，然后妥善適合ＭＣＵ／ＭＰＵ存儲區(qū)。備注：Ｐｙｔｈｏｎ是在許多ＡＩ模型中比較通用的語言，而ＭＣＵ的控制程序通常用Ｃ／Ｃ＋＋。

２．ＡＩ推理將遷移到邊緣和端點系統(tǒng)，作為新的硬件架構解決方案，　它必須真正平衡行業(yè)領域的要求，包括解決功率效率，市場靈活性，功能安全要求和實時響應。

瑞薩電子有相關的技術和開發(fā)環(huán)境來解決這兩個問題。

１．支持ｅ－ＡＩ開發(fā)環(huán)境

瑞薩電子ｅ－ＡＩ人工智能開發(fā)環(huán)境可以把學習后的ＡＩ模型輸入到ｅ－ＡＩ翻譯器，并將其轉換為ｅ2Ｓｔｕｄｉｏ?。茫茫?/span>項目的可用形式。它是一種方便易用的工具，把ＡＩ功能簡單地實現(xiàn)到ＭＣＵ／ＭＰＵ上。

２．ＤＲＰ技術實現(xiàn)低功耗ＡＩ處理。

動態(tài)可重配置處理器（ＤＲＰ）是一種可編程架構，可動態(tài)切換數(shù)據(jù)路徑，使高度復雜的加速器能夠在不增加功率要求的情況下運行并行指令。
　ＦＰＧＡ和ＤＲＰ在邏輯中使用類似的布線結構和并行技術，但ＤＲＰ由大型子組件組成，而不是像ＦＰＧＡ那樣的細粒度配置。這意味著ＤＲＰ重新配置所需的時間比包括ＦＰＧＡ在內(nèi)的其他架構要少。

ＤＲＰ的可配置性允許架構繼續(xù)適應和支持深度學習神經(jīng)網(wǎng)絡的變化。ＤＲＰ技術具有高速處理能力和消耗更少功率在嵌入式ＡＩ系統(tǒng)擁有明顯優(yōu)勢。

瑞薩電子（香港）產(chǎn)業(yè)解決方案中心工業(yè)和家電部高級專家 王志航