应科院成立“微电子技术联盟”共建微电子及半导体生态圈
06-06
Lattice 随着新年的临近，科技界似乎难以回避一个话题：人工智能。
事实上，各个公司把人工智能讲得如此之多，如果没有热情那就不正常了！在半导体领域，对AI的关注大部分集中在GPU或专用AI加速器芯片（如NPU和TPU）上。
但事实证明，有相当多的组件可以直接影响甚至运行人工智能工作负载。
FPGA就是其中之一。
对于那些了解 FPGA 灵活性和可编程性的人来说，这并不奇怪，但对于许多其他人来说，两者之间的联系可能并不明显。
问题的关键是利用软件让一些经典的AI开发工具（例如卷积神经网络（CNN））能够针对FPGA支持的可定制电路设计进行优化。
FPGA 还可以创建多个并行计算管道（在概念上与 GPU 提供的类似），这对于作为许多 AI 算法核心的矩阵乘法计算类型非常有用。
此外，FPGA架构设计的灵活性可用于分配芯片上的存储块以优化数据传输——这是AI软件的另一个关键要求。
莱迪思半导体多年来一直致力于开发实现这些类型功能的软件工具，并拥有一套全面的产品。
从将现有或新建的人工智能模型调整为在低功耗设计上最有效运行的格式，到创建最适合这些模型的电路和芯片设计，这些应用程序几乎可以做任何事情。
这个完整的闭环系统将极大地帮助企业将人工智能能力集成到他们的设备和其他硬件中。
在AI模型方面，莱迪思的sensAI解决方案可以使用在TensorFlow、Caffe和Keras等行业标准AI框架中训练的模型，并利用模型量化、剪枝和稀疏性利用等技术来更有效地利用FPGA资源。
运行。
然后，格子神经网络编译器可以分析模型，并根据电路和片上网络的类型提出建议，以最有效地运行。
在软件方面，莱迪思的Propel和Radiant芯片设计软件可用于创建正确的电路组合，以尽可能最节能的方式加速这些模型的运行。
在创建这些芯片设计时，公司无需从头开始，而是可以利用莱迪思专门构建的关键 IP 模块，例如其 CNN 加速器系列。
这些预构建的电路组为各种应用提供了核心基础，包括人员和物体检测、物体分类、关键字识别等。
此外，由于 FPGA 的可编程特性，可以编辑和添加这些 IP 模块以满足特定应用的要求。
这种预构建 IP 模块组合的一个被忽视但重要的好处是，它使更多开发人员能够创建定制 FPGA。
这一点至关重要，因为许多人承认 FPGA 尽管具有强大且灵活的功能，但很难编程。
为 FPGA 设计的核心开发专用 RTL 代码一直是一项只能由少数人完成的专门任务，因此有必要为芯片设计人员提供正确的工具，以将预构建的组件连接到乐高积木中。
类似的方式使开发更加高效。
简单的。
同样，莱迪思正在为许多软件开发人员已经熟悉的传统人工智能框架（例如 TensorFlow）提供支持，以帮助更广泛的人群创建在 FPGA 上运行的人工智能模型。
事实上，正是得益于这种简化，FPGA在AI应用中的应用潜力才能如此多样化。
随着各行各业的公司争先恐后地寻找如何在汽车、医疗、消费电子、工业等领域最好地应用人工智能，更广泛的潜在客户群将寻求半导体解决方案来实现这些功能。
虽然其中一些人过去可能已经意识到或认为 FPGA 是一种潜在的选择，但莱迪思半导体提供的产品可以使 FPGA 成为更多团体可以信赖的强大选择。
毫无疑问，年度会议将见证人工智能特性和功能与更广泛应用的集成激增。
令人兴奋的是，FPGA 最终可能成为这一浪潮的强大推动者。
Bob O’Donnell 是 TECHnaanalysis Research 的总裁兼首席分析师，该公司是一家市场研究公司，为技术行业和专业金融领域提供战略咨询和市场研究服务。
【全年计划】ACT国际商报旗下两本优秀杂志：《化合物半导体》 & 《半导体芯科技》 全年研讨会计划已出炉。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-18
06-18
06-17
06-17
最新文章
英特尔收购芯片制造商eASIC，进一步减少对CPU的依赖
西门子携手现代汽车、起亚公司，共同推动交通运输行业数字化转型
行业领导者制定 Open Eye MSA 来帮助实现高速光连接应用
三星电子和 NAVER 合作
意法半导体和 Leti 合作开发 GaN-on-Si 功率转换技术
青岛将大力发展高世代TFT-LCD和Micro LED项目
长电科技参加IMAPS器件封装大会
三星正式发布Exynos 990旗舰处理器