当前位置:首页 > 汽车电子 > 汽车电子
[导读]展会的四大主题是5G、人工智能、AR/VR和汽车技术,聚焦科技生态系统的一系列科技创新和成果在此发布。

CES ASIA 2019(亚洲消费电子展)在上海新国际博览中心正式开幕,本次展会的四大主题是5G、人工智能、AR/VR和汽车技术,聚焦科技生态系统的一系列科技创新和成果在此发布。

在人工智能领域,所属“初创企业展区”长江商学院(CKGSB)智造创业MBA项目,国内新兴的神经网络加速器开发公司雪湖科技发布的Yolo_V3 Tiny加速器,为实现目标检测功能提供硬件加速。其体现的低功耗、高速度和性价比,尤其以“GPU的两倍吞吐量(throughput),一半时延(latency)”的优势,为云计算、自动驾驶、安防检测、工业检测、机器视觉等高性能计算应用的落地提供的解决方案,吸引了许多厂商的目光。

雪湖科技COO王韵表示,因为FPGA的灵活性和加速高性能,越来越受到包括智能驾驶在内的人工智能领域的关注。但FPGA上实现神经网络的高门槛又限制了很多人工智能企业的使用。此次雪湖科技推出的神经网络加速器产品,可以避免繁琐的开发,实现即插即用,助力各类人工智能应用快速落地。

据介绍,Yolo_V3 Tiny加速器是雪湖科技深度学习加速器平台的一员,可实现112FPS,时延9 ms的性能,相较于价格昂贵的GPUTeslaV100,吞吐量增加一倍,时延减少一半。支持多框架设计(Tensorflow,Caffe,Pytorch,MXNet,Matlab等),可快速移植至多种FPGA芯片(包括Xilinx,Altera等),保证高计算能力的同时不失高灵活扩展性。

而YOLO v3是物体检测经典模型YOLO的第三代版本,因其速度“快如闪电”,被业内称为目标检测之光,它由物体检测领域的经典论文YOLO(You Only Look Once)的两位作者,华盛顿大学的Joseph Redmon和Ali Farhadi创作。2018年9月,YOLO v3正式发布,速度是v3最主要的提升,它比SSD速度提高3倍,比RetinaNet速度提高近4倍。而Yolo V3 Tiny,是为满足嵌入式应用的场景而发布,现已成为最流行的目标检测算法,据称目前在海康威视、百度、深兰科技等主流AI公司的产品中均有应用。在新兴的大众消费领域,主要应用于新零售、智能驾驶等场景。

在本次展会上,汽车技术展区面积扩大了一倍,随着5G时代的脚步临近,商用自动驾驶汽车的发展蒸蒸日上,对于自动驾驶的赋能成为了展会最受关注的议题,其中,目标检测无疑是智能驾驶的刚性需求。

当Yolo V3 Tiny应用于智能驾驶领域,在行车过程中,算法可将行人、汽车类型、交通灯等物体检测分类,便于智能驾驶系统结合车载雷达等距离信息做出判断,保障驾驶安全。

在智能驾驶领域,主流的神经网络算法的是GPU和FPGA。其中,新兴的FPGA优势是,如果计算机需要改变,它可以被重新装配。但是,最通用、最主流的方案仍旧是使用GPU,以并行处理大量数学运算。然而,随着智能驾驶从L1直奔L5,目标检测识别效率的要求快速提升,GPU因其体积大、吞吐量小、时延高、功耗大,不能满足算力需求逐渐被诟病,这一期间,高速度、低延时的FPGA开始受到关注,这也为国产FPGA成长和突围真正带来了机遇。

由于高技术门槛和相应开发人才的补给“掣肘”,尽管各大车厂、FPGA厂商多方尝试,此前,智能驾驶领域也尚未出现足够令人满意的FPGA解决方案,GPU长期占主要位置,雪湖科技的Yolo_V3 Tiny加速器的发布或将改善这一现状。

新时代证券电子首席分析师吴吉森表示,根据中国产业信息网数据,2018年全球FPGA芯片市场规模达到63.35亿美元,考虑到5G和AI的加速推进,全球FPGA市场规模将持续快速增长,2025年有望达到125亿美元,年复合增长率为10.22%。

按照下游应用拆分来看,2018年全球FPGA下游应用市场中,通讯领域市场份额最大,占比约为40%。FPGA具有低延时、高吞吐量等优势,正在受到智能驾驶领域的高度关注,在激光雷达,智能驾驶计算平台等都会用到FPGA加速,我们认为FPGA在汽车领域具有广阔的发展空间,根据中国产业信息网预测,到2025年汽车有望成为FPGA最大的应用领域,占比将达到29%。除芯片之外,FPGA的应用开发也一直是国内的瓶颈,我们相信像雪湖科技这样公司的出现将会加速FPGA在应用端落地。

相对传统算法的GPU,高效率、低成本的FPGA若得以普及,将为迭代迅速、需求巨大的智能驾驶等AI场景赋予新的势能,对于消费者而言,无人驾驶更快地到来,新零售无人货架灵敏度的提升,这些改变都将在更高效的算法、更优异的深度学习加速器普及中悄然发生。

深度学习加速器平台是雪湖科技自主研发的硬件加速器平台,采用深度学习网络&FPGA协同设计方案,针对各种人工智能应用的加速需求,使用自主架构优化FPGA以达到最佳硬件加速性能,并提供模型部署服务。在保证高计算能力、低功耗的同时,提高灵活可扩展性,应对多种市场应用及算法,大幅缩短产品研发周期。

雪湖科技是一家全球领先的深度学习加速器开发商,公司专注于深度学习网络&FPGA协同设计开发。创始人曾经参与包括美国NASA在内的顶尖的FPGA加速项目。公司成立于2017年9月,获得包括上市公司美图公司在内的2轮风险投资。2018年被人工智能领域的著名媒体《机器之心》评为“中国十大最具潜力AI创业公司”。公司拥有完全自主知识产权,累计申请软件著作权和专利20余项。其自主可控的底层FPGA加速技术和工具链所开发的神经网络加速性能远超行业平均水平。可为人工智能、金融计算、工业控制、军工航天、生物医药、气象研究等提供一站式FPGA加速技术解决方案。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

2024年4月12日,中国--服务多重电子应用领域、全球排名前列的半导体公司意法半导体(STMicroelectronics,简称ST;纽约证券交易所代码:STM)宣布,松下自行车科技有限公司(Panasonic)宣布采...

关键字: 人工智能 电动自行车

4月17日消息,斯坦福大学近日发布《2024年AI指数报告》(AI Index Report 2024),凭借AI在大规模胰腺癌早筛上的创新突破,阿里达摩院(湖畔实验室)医疗AI入选科学与医疗领域的年度亮点研究(High...

关键字: AI 人工智能 集成电路

4月17日消息,去年,中国大陆的半导体设备支出约占据了全球总额的三分之一。

关键字: 半导体 传感器 人工智能 电动汽车

该实验室的创新技术能够增强人工智能边缘解决方案,提高神经网络能力

关键字: 人工智能 神经网络

机器学习作为人工智能领域的重要组成部分,其过程涉及到多个核心环节。本文将详细阐述机器学习的四个主要步骤:数据准备、模型选择、模型训练与评估,以及模型部署与应用,以揭示机器学习从数据到应用的完整流程。

关键字: 数据 人工智能 机器学习

随着信息技术的迅猛发展和大数据时代的到来,机器学习成为了人工智能领域中的核心技术之一。机器学习是通过模拟人类学习行为,使计算机系统能够从数据中自动发现规律、提取特征并进行预测和决策的过程。它在诸多领域取得了广泛的应用,包...

关键字: 计算机 人工智能 机器学习

机器学习算法是人工智能领域中的核心技术之一,它通过对大量数据进行学习,自动发现数据中的规律和模式,从而实现对新数据的预测、分类、聚类等任务。本文将深入探讨机器学习算法的基本过程,包括数据准备、模型选择、训练与评估等关键步...

关键字: 数据 人工智能 机器学习

机器学习是人工智能领域的一个重要分支,它使用各种算法来使计算机系统能够从数据中学习和改进,而无需进行明确的编程。在机器学习的广阔领域中,有多种算法被广泛应用,每种算法都有其独特的适用场景和优势。本文将详细介绍机器学习中的...

关键字: 机器学习 人工智能 计算机

尼得科株式会社将扩大其位于泰国的服务器用水冷模块CDU(Coolant Distribution Unit)生产线,计划在目前的月产能200 台基础上于 2024 年 6 月增加到每月 2,000 台。

关键字: 人工智能 电源 电路板

随着大数据时代的到来和计算能力的不断提升,机器学习作为人工智能领域的重要分支,正逐渐改变我们的生活方式和工作模式。机器学习涉及多个学科的理论和技术,其应用广泛且深入,为各个领域的发展带来了前所未有的机遇。那么,机器学习具...

关键字: 大数据 机器学习 人工智能
关闭
关闭