根據v1版本使用記錄和市場評測進一步完善，以應用于更多的實際產品

2021年11月30日 – 日本東京 – 邊緣AI領域的領先標桿企業LeapMind有限公司今日公布了其正在開發和授權的超低功耗AI推理加速器IP “Efficiera” v2版本（以下簡稱“v2”）。LeapMind于2021年9月發布了Efficiera v2的測試版，并收到了許多公司的測試及反饋，包括SoC供應商和終端用戶產品設計師。

LeapMind首席執行官Soichi Matsuda表示：“去年，我們正式推出了v1的商用版本，許多公司對Efficiera進行了評測。截至2021年9月底，我們共與8家日本國內公司簽署了授權協議。‘向世界傳播采用機器學習的新設備’是我們根據企業理念所設定的座右銘，而我們正通過提供v1來穩步推進這一理念的落地。在未來，我們將進一步通過技術創新和產品陣容擴展，繼續努力實現人工智能的普及。”

Efficiera v2根據v1的使用記錄和市場評測，擴大了應用范圍，在保持最小配置的電路規模基礎上，可覆蓋更廣泛的性能范圍，并應用于更多的實際產品。產品由此得到了進一步的完善。

Efficiera v2概念

LeapMind董事兼首席技術官Hiroyuki Tokunaga博士表示：“自去年發布v1以來，我們強化了設計/驗證方法和開發流程，旨在‘開發世界上最節能的DNN加速器’。我們一直在開發v2，以使產品能夠適用于專用集成電路（ASIC）和專用標準產品（ASSP）。我們還在開發一個深度學習方面的推理學習模型，以便將超小量化技術的優勢最大化。LeapMind的最大優勢就在于我們可以提供一種技術來實現雙管齊下。”

Efficiera v2的主要規格與特性

A.在保持最小電路規模的同時，覆蓋更廣泛的性能范圍，從而擴大應用范圍。

硬件特性

● 通過多路復用MAC陣列+多核，性能可擴展至48倍

V2允許你將卷積管道中的MAC陣列數量增加到v1的3倍（可選擇x1、x4），并通過提供多達4個內核的選擇，進一步擴大性能的可擴展性。

● 除卷積和量化外，還可實現硬件執行跳過連接和像素嵌入

1. 跳過連接是多層卷積神經網絡（CNN）中常見的一種操作。（v1中由CPU執行）

2. 像素嵌入是一種對輸入數據進行量化的方法

● 資源使用方面，配置與Efficiera 1相同

1. 有些應用只因AI功能可在規模有限的FPGA器件上實現就能創造價值。

2. LeapMind分析了一個實用型深度學習模型的執行時間，并仔細選擇了額外的硬件功能。

集成到SoC中

● AMBA AXI接口

● AMBA AXI interface

AMBA AXI繼續被用作與外部的接口，并且當接口被視為一個黑盒子時與以前一樣，易于從當前設計中遷移。

● 單時鐘域

FPGA中的目標頻率

● FPGA的運行頻率與先前相同，雖然取決于具體設備，但預計約為150到250MHz。

1. 256 GOP/s @ 125MHz （單核）

2. 高達12 TOP/s @ 250MHz （雙核）

● 以加密RTL的形式提供

B. 通過改進設計/驗證方法并審查開發流程，我們確保質量不僅適用于FPGA，也適用于ASIC/ASSP。

C. 開始提供一個模型開發環境（NDK），使用戶能夠為Efficiera開發深度學習模型。目前為止只有LeapMind實現了這項工作。

● 為Efficiera創建超小型量化深度學習模型所需的代碼和信息包

● GPU深度學習模型的開發者可立即上手使用

● 支持PyTorch和TensorFlow 2的深度學習框架

● 學習環境為一個配備GPU的Linux服務器

● 推理環境為一個配備Efficiera的設備

● 來自LeapMind的技術支持