Deep Vision推出新型AI處理器,可實現(xiàn)生物識別檢測

據(jù)外媒報道，初創(chuàng)公司Deep Vision推出了一款新型AI處理器，具備新型芯片設計，適合用于智能城市、智慧零售等需要能耗較低的邊緣生物識別應用。

雖然市場上其他芯片的目標市場也是智能攝像頭和邊緣網(wǎng)關等低功耗應用，Deep Vision表示，其結合芯片設計和軟件工具采取了一種不同的方法，能夠讓設備大大提升圖像識別、物體跟蹤能力以及具備更好的計算機視覺精度以及更低的延遲性等功能。例如，在零售銀行和雜貨店生物識別等應用中，攝像頭能夠以更高的準確度追蹤更多的人，其他應用還包括在自動駕駛車輛中，利用面部識別監(jiān)控座艙內(nèi)的乘客。

Deep Vision的芯片基于一個數(shù)據(jù)架構打造，該架構能夠處理各種數(shù)據(jù)流，以將芯片上的數(shù)據(jù)傳輸量降至最校該公司首席執(zhí)行官Ravi Annavajjhala表示，讓數(shù)據(jù)靠近計算引擎，可以最大限度地減少數(shù)據(jù)傳輸，確保實現(xiàn)高推理吞吐量、低延遲以及更高的功耗效率。

該公司的設計基于Rehan Hameed博士與Wajahat Qadeer博士的研究成果，這兩位于2015年創(chuàng)辦了Deep Vision。最終該設計是一種獲得專利的“多態(tài)數(shù)據(jù)流架構”（Polymorphic Dataflow Architecture），與英偉達GPU、谷歌TPU以及其他部署在云數(shù)據(jù)中心、專注于為單個AI模型提供高數(shù)據(jù)吞吐量的AI芯片相比，該芯片更專注于延遲性。據(jù)稱，與其他設計相比，Deep Vision的ARA-1芯片的系統(tǒng)功耗更低（通常為大約2瓦），而且其運行Resnet-50等深度模型，與谷歌Edge TPU相比，延遲性能提高了6倍；與英特爾MyriadX相比，延遲性能提升了4倍。

該芯片的編譯器能夠無縫移植行業(yè)標準的AI框架，包括Caffe、Tensor Flow、MXNET、PyTorch以及Deep Lab V3、Resnet-50、Resnet-152、MobileNet-SSD、YOLO V3、Pose Estimation和UNET等網(wǎng)絡。

除了可支持標準模型外，Deep Vision的軟件開發(fā)工具包（SDK）還提供了一個位精確模擬器和工具，可根據(jù)客戶的應用需求優(yōu)化功率與性能。Deep Vision表示，其SDK還可實現(xiàn)無摩擦工作流，讓訓練模型到量產(chǎn)應用程序都可實現(xiàn)低代碼、自動化的無縫遷移過程。

截至目前，Deep Vision公司已經(jīng)籌集了1900萬美元，并得到了Silicon Motion、Western Digital、斯坦福大學（Stanford）、Exfinity Ventures以及Sinovation Ventures等投資者的支持。
責任編輯：YYX