賽靈思人工智能平臺再次閃耀”紅毯”。 Lady Gaga在奧斯卡頒獎典禮上以其熱門電影A Star Is Born的歌曲“Shallow”獲得了巨大的勝利，賽靈思在德國嵌入式世界 （Embedded World ）大展上以其深度學習上的“Deep”，贏得了嵌入式計算設計最高獎項 —— 著名的嵌入式世界最佳展示獎。

這是繼賽靈思機器學習套件ML Suite 在嵌入式視覺峰會贏得“最佳云技術”大獎之后，賽靈思人工智能平臺產品再獲殊榮。在眾多企業提名的人工智能、機器學習 （AI / ML）類方案的激烈角逐中，賽靈思從中脫穎而出。

賽靈思人工智能平臺是業界首個雙硬件和軟件優化器。全面的軟件環境直接在Caffe，TensorFlow和MxNet等標準框架中編譯和量化經過訓練的神經網絡模型，并優化它們，以便在賽靈思 SoC和FPGA上實現。

賽靈思人工智能平臺

該平臺的網絡剪枝技術將AI計算要求降低了93％，且精度損失不到1％。此外，為了獲得最佳性能，它還根據網絡結構自定義了AI推斷的硬件IP和存儲器層次結構。

該獎項進一步肯定了賽靈思靈活應變的AI推斷加速方案，其從云到端為行業提供了無與倫比的低時延性能。我們的AI平臺和生態系統使開發人員能夠加速其整體應用，同時將網絡性能優化提高至5倍至50倍，并同時降低功耗。

下面就請跟隨小編一起來看看，2019 Embedded World（嵌入式世界）展會上所展示的一大波賽靈思人工智能平臺吧。

0 1 RFSoC 軟件定義無線電

該軟件定義無線電演示主要展示 Zynq UltraScale + RFSoC 數十億采樣 RF 數據轉換器和軟判決前向糾錯 (SD-FEC)，其集成在一個 SoC 架構中。此產品系列在一款 Zynq UltraScale+ 器件中提供 ARM Cortex-A53 處理子系統、UltraScale+ 可編程邏輯和最高信號處理帶寬，能夠提供綜合 RF 信號鏈，滿足無線、有線電視接入、測量測試、早期預警／雷達以及其它高性能 RF 應用需求。

0 2 多流低時延視頻編解碼器

許多實時視頻編碼應用都需要低時延，比如視覺醫療手術設備、監控攝像頭或嚴重依賴視頻數據實時處理的高級駕駛員輔助系統 (ADAS)。實時視頻應用的關鍵指標是玻璃時延。該低時延視頻編解碼器演示采用子幀時延模式展示了其對多流場景的支持，該模式最適合實時視頻流類型的應用。

0 3 FPGA設計入門 — Cortex-M1

在 Arm Cortex-M1 內核的賽靈思器件上演示軟硬件啟動，這是 Arm DesignStart FPGA 程序的一部分。MDK/Keil 開發工具，直接連接至基于 Cortex-M1 的子系統，該子系統在一個基于 FPGA 的 Arty-S7 評估板上實例化。實時選項可針對主機筆記本電腦上的應用設計進行更新，并下載到該電路板上。針對 RTOS 運行的 ThreadX。將加載支持 Cortex-M1 設計的 Vivado，其可用來說明賽靈思 DesignStart FPGA 流程。

0 4 八通道視頻監控分析設備

視頻分析設備可通過從現有攝像頭獲取輸入信息并在網絡中添加智能性，為現有的安全系統注入新的活力。該演示將展示賽靈思如何實現不同攝像頭 8 個 H.264/H.265 視頻通道的同時解碼以及如何在單個 Zynq UltraScale+ MPSoC 中應用靈活響應的 AI。8 個 IP 攝像頭（Xilinx 或第三方）使用 RTSP 客戶端向設備發送壓縮的比特流。

0 5 將機器學習推斷從云轉移至端

本演示展示了一個支持 Xilinx + AWS 物聯網的分布式控制應用如何利用 AWS 云分析、機器學習模型構建、應用供應及系統儀表板的比例。我們基于油氣行業場景展示了工業控制器和智能 I/O 模塊如何通過 Zynq Ultrascale+ 上的 AWS Greengrass 和 Xilinx Zynq-7000 平臺上的亞馬遜 FreeRTOS 與 AWS 云服務協作。 該演示展示了如何通過將機器學習應用從云端轉移至端點（這可縮短時延響應時間并降低帶寬要求），為使用壽命很長的系統實現漸進的應用功能。

0 6 基于Python的預測維護功能

SPYN 是 Xilinx 新一代簡單易用的馬達控制及分析套件。SPYN 采用 Zynq-7000 SoC，帶有一個可用于在 FPGA 架構中創建加速電機控制算法的 C 語言界面以及支持傳感器數據采集及處理的 PYNQ 框架，可為普及的 Python 庫提供幫助。查看和控制片上分析和預測性維護算法是通過一個由片上 Ubuntu 網絡服務器驅動的 Jupyter 筆記本界面實現的。

0 7 采用機器學習加速器的攝像頭

IDS NXT 平臺是一系列基于視覺應用的工業攝像頭，主要用于在 Xilinx Zynq UltraScale+ MPSoC 中嵌入了 Kortiq 的 AIScale 機器學習加速器的機器視覺應用。演示的特點是各種旋轉的目標，這些目標由在 FPGA 邏輯中實現的低時延、低功耗 Kortiq AIScale 加速器在幾十毫秒內檢測識別。此外，Zynq UltraScale+ MPSoC 還安裝在 Kortiq 的 SOMIQ 系統級模塊上，以便輕松實現人工智能部署。

0 8 DRIVE-XA 自動駕駛開發平臺

DRIVE-XA 是 Xilinx 最新的自動駕駛開發及路線規劃平臺。該平臺為客戶提供了一個模塊化的可定制異構處理環境，具有廣泛的傳感器接口選項。該演示將展示平臺的數據聚合、預處理和分配 (DAPD) 功能，以及 Xylon 的 6 攝像頭 BSP 框架，該框架可為用戶提供一個高效執行 IP 開發的起點。

0 9 針對ADAS圖像識別的深度學習

多通道神經網絡處理用于目標檢測，支持完整的車道場景分割和目標檢測識別。演示如何使用 CNN 加速器進行深度學習，以獲得性能優化的 ADAS 解決方案。本演示使用基于 Zynq Ultrascale+ 的 ZCU102 平臺，該平臺運行支持四個外部攝像頭和加載的視頻流的多神經網絡。

1 0 為ADAS實現動態功能eXchange

DFX 可幫助系統開發人員將系統運行時過程中互相排斥的函數納入單個器件中。由于設備資源的限制，這些功能不能一起使用。這些資源限制可通過部分重配置來解決，其中通過 DFX 激活各種功能。前置攝像頭視圖、后置攝像頭視圖、生物特征識別以及其它相互排斥的功能現在可通過加載急需事件觸發在單個設備中有效提供。這些功能相結合，所需的資源將超過單個設備所能提供的資源。使用 System View VSI 來分區和實現 DFX，可以在運行時為系統工作提供這些功能。該演示將為演示 DFX 的前后攝像頭展示一款 ADAS 解決方案。

1 1 Alveo加速卡上的端點分析

端點設備產生的數據量呈指數級增長。Xelera 分析軟件為實時分析端點服務器上的數據提供一個實時解決方案。采用 Xilinx Alveo 加速器卡的 Xelera 分析庫包含高速分析和機器學習算法，其使用無需改變應用層面的代碼。

1 2 Alveo上的自適應比特率轉碼

當前的視頻服務提供商使用新一代壓縮標準和自適應比特率 (ABR) 流媒體協議來管理帶寬并確保高效的視頻分發。這兩種方法都能帶來有效的結果，但也會增加計算復雜性。Xilinx 看到了這一挑戰，開始與 NGCodec 和 VYUsync 合作，構建一個在無需客戶對現有基礎架構進行大幅修改的情況下即可提供必要性能的解決方案。 我們一起向 HEVC 或 VP9 ABR 轉碼器提供 Alveo 加速的實時 H.264。