隨著以人工智能技術為代表的數字經濟浪潮的來臨，如今，AI 正越來越多地被部署于邊緣應用，這些應用要求以低時延、低功耗和小封裝尺寸執行大量數據處理。

要想實現這一綜合要求就必須為整體 AI 流程和非 AI 流程都進行提速，這也要求加速平臺必須具備靈活應變的能力。在此背景下，賽靈思推出自適應 SOM為 AI 賦能邊緣應用提供了更高效的解決方案。

自適應 SOM 的研發思路

在構建一款 AI 賦能邊緣應用的過程中可能會遇到大量可用的方案。在眾多行業中，通用方法是硬件設計團隊開展“芯片先定”的策略，盡管這種方法能切實提供高度優化的實現方案，但需要耗費大量開發時間與成本才能達到量產就緒狀態。 為節省研發支出和時間，賽靈思設計團隊采用了集成度更高的解決方案，即自適應系統模塊（SOM）。SOM 提供了一個完整的可量產化計算平臺，與“芯片先定”開發相比，可節省大量開發時間和成本。此外，SOM 還能插入更大型的邊緣應用中，既能為定制實現方案帶來靈活性與易用性，又縮短了現成解決方案的上市時間。

自適應計算為 SOM 提供技術支持

對于 AI 賦能的邊緣應用而言，自適應計算是最具前景的支持技術之一。自適應計算涵蓋了一套綜合全面的設計與運行時軟件集，這些軟件結合起來，造就了一款獨特的自適應平臺，在此之上可以開發高度靈活且高效的系統。 借助自適應計算，無需 ASIC 等定制芯片器件涉及的設計時間和前期成本就能實現 DSA，這便于為任何給定領域迅速開發靈活的、經優化的解決方案，包括 AI 賦能的邊緣應用。此外，自適應計算允許為應用專門開發硬件，而且如果工作負載或標準發生演進，仍能根據需要靈活適應。

自適應 SOM 為開發者賦能

自適應 SOM 是一種面向邊緣應用的理想平臺，不論是對于硬件開發者還是軟件開發者而言，它都擁有固定芯片技術的 SOM 所不能比擬的獨特優勢。 對于硬件開發者而言，適應 SOM 能夠支持開發者使用現成的、可量產化的解決方案，從而省去大量的開發成本和時間。與典型“芯片先定”方式相比，基于 SOM 的設計可助力嵌入式視覺應用提前 9 個月完成。此外，自適應 SOM 還支持設計流程后期的修改設計。 對于軟件開發者而言，自適應 SOM 可以在其熟悉的 Python、C++、TensorFlow 和 PyTorch 等環境下，為其提供易于使用、開箱即用的體驗。除了預構建平臺和 API ，綜合全面的軟件工具還能實現自適應硬件的完全定制，從而進一步提升靈活性和優化水平。

原文標題：開箱+研討會，深入了解 KRIA SOM

文章出處：【微信公眾號：賽靈思】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq