安富利让视觉AI应用开发化繁为简

随着人工智能（AI）应用的高速发展，视觉AI成了各家技术公司逐鹿的主战场。基于机器学习，网络边缘的视觉AI设备可以根据AI推理，完成物体探测、人脸识别、图像分析等多种智能视觉任务，为用户带来全新的体验。

不过如果置身视觉AI这个[战场]，企业你就会深切地体会到，这是一场艰难的[战斗]。主要的挑战来自于以下几个方面：

•  在边缘设备中完成AI推理，既需要充足的算力，同时还要满足成本、体积、功耗、安全等诸多约束条件，产品和方案的设计难度不小。

•   视觉AI市场总量虽然不小，但是[碎片化]现象严重，据不完全统计，目前市场上有70多种相关视觉用例，但是无法用统一的方案去应对。

•   快速演进的AI 技术也是一个烦恼，不断变化的算法、传感器技术和视觉处理流程，使得开发者不得不亦步亦趋，对自己的设计进行不断地优化。

因此想要在这样的竞争中胜出，企业你不仅要有敢打敢拼的勇气，还需要具有更高的[智慧]，能够找到更为高效的技术路径，确立自身的技术优势，与别人拉开差距。

自适应计算平台
边缘设备中的视觉AI应用一般包括AI推理以及非AI的预处理和后处理功能，而所有这些功能都需要相应的高性能算力做支持。如果能够针对特定的视觉AI应用专门设计一颗芯片，单从性能上考虑，当然是最佳的加速方案。但这样的固定芯片方案，其局限性也十分明显：首先，专用芯片的研发成本及所需的时间成本会非常高；而这与视觉AI应用的碎片化市场和快速迭代的技术之间，显然是一对难以调和的矛盾。

为了解决这一难题，在硬件方面，采用整合了可编程逻辑（PL）和Arm嵌入式处理系统（PS）的FPGA SoC是不错的选择，如赛灵思的Zynq UltraScale+ MPSoC。这样，方便开发者使用一颗器件即可满足视觉AI处理全流程的计算任务；利用PL子系统，开发者可以根据特定的用例，并基于最新的AI算法和处理流程，去实现最优的深度学习处理单元、视频处理和可扩展的传感器融合，在高性能和灵活性之间找到一个最佳的平衡。

查看更多关于安富利让视觉AI应用开发化繁为简的详细内容...