智能驾驶芯片哪家强?赛灵思:我们的reVISION让MPSoC完爆GPU

发布时间:2017-3-22 15:57    发布者:eechina
关键词: reVISION , 深度学习 , 机器学习 , 机器视觉 , 自动驾驶
智能驾驶,或者自动驾驶、无人驾驶,是当前最热门的研发领域,被公认为下一个巨大的经济增长点。各大汽车厂商无一例外在投入巨资研究智能驾驶技术。正如所有的技术经济一样,智能驾驶也离不开半导体芯片这个核心器件。那么,智能驾驶应该选用哪种芯片呢?哪家厂商的芯片最适合智能驾驶?

智能驾驶的核心技术是嵌入式机器视觉,加上善于深度学习的人工智能。实际上,智能驾驶代表的是一类应用,即位于终端的或者网络边缘的(相对于云端的)、视觉导向的机器学习应用。由于人工智能技术在很多领域的应用前景被普遍看好,相关的核心半导体器件厂商已经开始收益。其中,最典型的是以英伟达(Nvidia)为代表的GPU厂商,它们迎来了快速发展的黄金时期。

然而,可编程逻辑厂商赛灵思Xilinx)表示不服。赛灵思称,与英伟达的GPU相比,他们的Zynq芯片或MPSoC(处理器+FPGA芯片)的各项指标表现更好,更适合各种视觉导向的机器学习应用,包括无人驾驶车辆、智能无人机(如送货无人机、战地无人机等)和智能机器人(如仓库机器人、战地机器人、协作机器人和外科手术机器人)等诸多边缘应用。

不服,就来跑个分。下图给出了在第三方环境下赛灵思技术相对于英伟达技术的优势。在机器学习推断、计算机视觉和实时应用时延三个指标上,赛灵思技术都完胜英伟达。

1.jpg
图:Xilinx vs. 英伟达Tegra及典型SoC(来源:Xilinx)

Xilinx公司战略与市场营销部高级副总裁Steve Glaser先生说,以汽车自动驾驶应用为例,响应速度的快慢可能意味着安全或者事故的差别。那么,为什么赛灵思能实现响应速度最快的系统?Glaser解释说,这是因为赛灵思的Zynq和Zynq MPSoC拥有用于推断和控制的最低时延传感器,如下图所示。此外,基于FPGA的SoC具有可重配置特性,使得它能够跟上神经网络演进的速度,跟上传感器融合演进的速度。

2.jpg
图:Zynq与GPU架构对比

好吧,我们早就听说过FPGA的性能优势。但FPGA有一个天生的劣势,那就是编程困难,因为它需要硬件语言。为此,赛灵思公司做出了巨大努力,推出了一系列软件定义(software-designed,简称SD)的编程环境,如针对嵌入式应用的SDSoC、针对数据中心加速的SDAccel以及针对网络开发的SDNet。本文所讨论的终端人工智能系统属于嵌入式系统,也就是SDSoC所能发挥作用的范围。有了SDSoC,设计人员无需了解硬件编程语言就可以进行开发工作。

然而,对于视觉导向的机器学习应用开发,现有的SDSoC还不足以应付。因此,赛灵思特别推出了称作reVISION的堆栈,使得视觉系统的开发周期大大缩短。据介绍,reVISION兼容目前流行的各种机器学习和神经网络开发环境,如OpenVX、Caffe、OpenCV、DNN和CNN等。此外,赛灵思还推出了四款嵌入式视觉开发套件,帮助用户迅速启动开发进程。

3.jpg
图:赛灵思的嵌入式视觉开发套件

结论是,赛灵思认为,其最新推出的reVISION堆栈会让其强大的Zynq和MPSoC有用武之地,reVISION使得赛灵思技术更适合视觉导向的机器学习,例如如今最热门的汽车智能驾驶系统。最近,赛灵思发布了一系列关于reVISION的技术资料和视频介绍,感兴趣的朋友可以更深入地了解一下。

本文地址:https://www.eechina.com/thread-358064-1-1.html     【打印本页】

本站部分文章为转载或网友发布,目的在于传递和分享信息,并不代表本网赞同其观点和对其真实性负责;文章版权归原作者及原出处所有,如涉及作品内容、版权和其它问题,我们将根据著作权人的要求,第一时间更正或删除。
您需要登录后才可以发表评论 登录 | 立即注册

厂商推荐

相关视频

关于我们  -  服务条款  -  使用指南  -  站点地图  -  友情链接  -  联系我们
电子工程网 © 版权所有   京ICP备16069177号 | 京公网安备11010502021702
快速回复 返回顶部 返回列表