（文章來源：雷鋒網）

隨著AI算法的逐步成熟以及芯片算力的提升，歷經幾年的熱潮之后，AI技術只有落地應用才能獲得進一步的發展。不過，算法需求與芯片算力不匹配的需求成為了AI落地的一大障礙，AI軟硬一體化成為關鍵。但在軟硬一體化提高效率的同時，如何滿足多樣化的需求也非常關鍵，定制化成為了趨勢。

這一輪AI熱潮，不僅讓越來越多的人認識和了解了AI技術，AI也正在成為每臺智能設備日常工作的一部分。事實證明，深度神經網絡(DNN)非常有用，但是AI的進一步發展和落地仍有很多挑戰。比如，如何使得現有解決方案跟上發展趨勢？如何擴展解決方案？如何以成熟的工具鏈縮短TTM（Time to Market）和降低成本？

面對這些問題，需要整個產業鏈的協作，共同滿足市場的需求。根據市場研究機構的報告，到2022年，全球具有計算機視覺/機器視覺相繼的規模將超過15億個，包括智能手機、安防、消費電子、汽車圖像傳感器、工業等。這就意味著，定制化的AI加速器可以更好地滿足市場的不同需求，但與此同時，AI在邊緣端的落地也面臨挑戰。CEVA營銷副總裁Moshe Sheier認為，在邊緣AI中，AI的落地面臨的問題就是數據量太大且運算太復雜，芯片的算力非常關鍵。

Moshe Sheier近日接受雷鋒網采訪時表示，AI算法公司在做落地項目的時候，受困于硬件算力不足的問題，可能會犧牲很多特性。所以我們現在希望算法公司能夠向芯片公司提出更多的需求，讓芯片的設計能夠更好地滿足算法需求。只有算法的效率提高了，AI才能更好的落地。

提到效率，無法避開的問題就是AI到底需要專用還是通用的芯片，通用的芯片能夠更好適應算法的演進，但算力不及專用芯片。Moshe Sheier認為，AI加速器一定是一個趨勢，同時，視頻DSP在AI中非常重要，因為AI算法還有很多不確定性。如今算法公司不會只采用一種神經網絡，而是會進行組合。運行多個神經網絡模型就一定會涉及對結果進行CV的處理，這時候CPU可能會面臨一些瓶頸。我們的XM DSP針對了所有流行的神經網絡都進行了優化，能夠更好的滿足多神經網絡的算法。

基于對流行神經網絡特征的理解，CEVA在今年9月推出了第二代面向邊緣設備的AI推理處理器架構NeuPro-S，NeuPro-S系列包括NPS1000、NPS2000和NPS4000，它們是每個周期分別具有1000、2000和4000個8位MAC的預配置處理器。NPS4000具有最高的單核CNN性能，在1.5GHz時可達到12.5 TOPS，并且可完全擴展，最高可達到100 TOPS。

根據官方的說法，與CEVA第一代AI處理器相比，NeuPro-S的性能平均提升50%，內存帶寬和功耗分別降低了40%和30%。這種性能的提升主要來自硬件還是軟件的優化？Moshe Sheier表示主要是來自硬件，因為CEVA在NeuPro-S中增加了離線的權重壓縮和硬件的權重解壓縮。

之所以要這么做，是因為神經網絡與視頻編解碼不太一樣，即便很小的圖片，引入卷積后權重的數據量非常大，因此帶寬成為了AI處理器的瓶頸。而CEVA采用的多重權重壓縮，可分為兩種方式，一種是零值和非零值，可以用4bit或者8bit表示，另一種是通過查表的方式，通過共用權重，只傳一次數據，減少對帶寬的需求。

不僅如此，NeuPro-S還支持多級內存系統。具體而言，就是加入了L2內存的支持，用戶通過設置L2的大小，可以盡量把數據放在L2的緩存，減少使用外部SDRAM，降低傳輸成本。Moshe Sheier指出，硬件增加L2并不復雜，CEVA主要的工作是在我們CNDD軟件框架中加入對L2內存的支持。

因此，NeuPro-S相比上一代NeuPro非常重要的工作就是進行帶寬的優化，這樣才有可能達到理論設計的利用率。雷鋒網(公眾號：雷鋒網)了解到，CEVA設計神經網絡引擎時最關注的問題就是乘法利用率，CEVA借助DSP設計的豐富經驗，設計出的神經網絡引擎理論的乘法利用率在80%-90%、雖然實際利用率會低于理論值，但NeuPro-S帶寬的增大將能夠減少數據的等待，能提高乘法利用率。

最終，經設計優化NeuPro-S，能夠對邊緣設備中視頻和圖像中的物品進行分割、檢測和分類神經網絡，顯著提高系統感知性能。除了支持多級內存系統以減少使用外部SDRAM的高成本傳輸，并支持多重壓縮選項和異構可擴展性，提升算力滿足AI算法的需求。
（責任編輯：fqj）