赛灵思异构计算点亮自动驾驶之路

Xilinx在自动驾驶领域扮演着重要的角色。昨天(12月3日)，自适应智能计算公司Xilinx在北京举办了2019 Xilinx开发者大会。会上，Xilinx正式发布了面向亚洲开发者的Salil和面向亚洲开发者的Vitis统一软件平台，并宣布面向人工智能和机器学习推理的Vitis AI即日起开放免费下载。

Xilinx总裁兼首席执行官Victor Peng表示:“自适应计算的时代已经到来。作为自适应和智能计算领域的领先企业，Xilinx致力于与亚洲和中国的工业伙伴合作，不断推动各领域的工业发展和创新。随着Xilinx从设备到平台公司的不断转型，以及公司三大战略的不断推进，我们将继续以高度灵活的自适应产品和平台，赋能更多开发者进行持续创新。”2018年初，赛灵思宣布启动公司三大战略，即优先发展数据中心、加速发展核心市场、推动灵活计算。经过一年半的发展，Xilinx以其独特的高性能和灵活的适应性不断拓展市场，在数据中心、人工智能、5G等行业大趋势的应用领域日益发挥重要的引领作用。面向数据中心领域，赛灵思去年在XDF推出了全球最快的数据中心加速卡Alveo加速卡系列。在一年多的时间里，为了满足用户对计算能力、尺寸、内存带宽、成本的不同需求，U50、U200、U250、U280四大产品系列相继推出，大幅提升云端和本地数据中心服务器的性能。在Alveo加速卡的帮助下，客户可以在运行实时机器学习推理、视频处理、基因组分析、数据分析和其他关键数据中心应用时，以更低的延迟实现突破性的性能提升。此外，最值得一提的是，赛灵思在短短一年多的时间里，围绕Alveo培训了7500多家企业和学术机构，发布了800多个加速器项目和近100个应用。

最新的Vitis统一软件平台将使软件工程师和人工智能科学家等更广泛的开发人员受益于Xilinx灵活的硬件加速优势。这是Xilinx首次推出软硬件设计的“统一”开发工具平台，也是公司从设备到平台战略转型的里程碑产品之一。Vitis可以根据软件或算法代码自动适应和使用Xilinx硬件架构，将用户从复杂的硬件专业知识中解放出来。有了Vitis平台，软件工程师和AI科学家都将受益于Xilinx灵活的硬件优势。对于硬件开发人员来说，Vitis可以通过软件和硬件工程师在同一个工具平台上的协作，显著提高工作效率。在自动驾驶领域，Xilinx汽车战略和客户营销总监Dan Isaacs表示，“过去几年，Xilinx FPGA在汽车领域的出货量为1.7亿片，ADAS的出货量为7000万片。”这是一个突出的成绩，也是最终的结果。灵思产品具有非常高的质量和可靠性。最新消息显示，Xilinx推出了两款新品，都是汽车级器件，具有更高的可编程性、I/O和更好的性能。这是Xilinx汽车级SA产品线的最新产品。Dan Isaacs表示，“这主要是基于ADAS和自动驾驶的需求。比如现在我们对边缘探测器和中央预控器的要求更高了。”这里需要强调的是Xilinx的数据采集、预处理、分发功能，因为现在车内需要更多的传感器，需要更多的可编程能力，整个系统可以放更多的加速器。为此，Xilinx拥有一系列可扩展的产品线，从这里可以看出，Xilinx的产品和设备涵盖了客户从小到大的所有可能需求……现在我们已经重新定义了汽车行业，我们已经看到了汽车行业的几个非常重要的趋势。第一个趋势与ADAS有关，即我们已经逐渐从计算机视觉过渡到神经网络AI，我们希望通过可变的逻辑来优化我们的驾驶。目前实现自动驾驶有两种路径:传统路径，传统厂商先做全景环形探测器，从车外搬到车内，再做ADAS前置控制器。非传统路径，如互联网公司，直接做集中处理模块，实现自动驾驶。Xilinx的产品和解决方案涵盖了这两条路径的所有内容，无论是边缘传感器还是集中处理的前置控制器。所有相关数据被收集、统一、整合、预处理，然后通过产品分发。目前，Xilinx产品正在用于前置摄像头、激光雷达、全景摄像头、全屏后视镜等新技术。其中，在摄像头方面，一直在从机器视觉向机器学习、人工智能、神经网络过渡，实现自动驾驶。Dan Isaacs表示，“许多客户都在使用我们自动驾驶中央模块的功能和技术。无论是数据集成还是传感器集成，我们都再次证明了我们的产品和技术非常具有可扩展性，从非常小的设备到非常大的设备。”丹·艾萨克斯举了一个集中处理模块的例子。DAPD数据经过汇总、预处理和分发后，Xilinx会将这些数据发送到计算加速器，用Versal对其进行加速，然后这些数据会被发送到安全处理器，以确保驾驶室完全安全。当然，这只是建筑的一种。事实上，Xilinx在自动驾驶中还有很多其他的架构，这就是为什么Xilinx必须具有可扩展性和灵活性，这也是为什么Xilinx的自适应和可扩展产品被用在很多汽车上。在上午的论坛中，Victor Peng提到Xilinx有双重优化，这里他指的是机器学习和神经网络的优化，实现和实现硬件模型的优化。可以说，这样才能实现工业AI的推理性能、低延迟、高性能。延迟对于自动驾驶非常重要，反应速度必须非常快，才能真正做到安全。通常传统的CPU、GPU或者DSP都可以做到高吞吐量，但是没有办法做到低延迟，因为处理时间会比较长，响应时间会比较长。在自动驾驶初创公司马骁智行进行的自动驾驶测试中，使用Xilinx FPGA的方案延迟可提高12倍，能耗仅为通用计算架构的1/10。需要强调的是，还有一些东西是通用计算架构永远无法提供的，比如非常强的计时。Xilinx FPGA还可以实现芯片内的运行配置，也叫适应性。丹·艾萨克斯(Dan Isaacs)表示，“欧洲新车测试和评估的安全标准在不断变化。随着这些标准的不断变化，我们的产品和技术可以在运行中重新配置，而无需引入新的设备。在MIPI协议中，数据速率在不断提高。我们不需要改变原有的设备，但我们可以通过改变可编程逻辑来支持高数据速率。”最后，Xilinx设备的特点是与DFX进行动态功能交换的性能。此时，无需重启或关闭这些设备，即可实现设备之间的功能交换。在I/O或者传感器上，不需要改变太多，用一部分可编程逻辑来改变。比如我开车换倒档的时候，这个时候启动后置摄像头。在这个过程中，我不需要关闭整个系统并重新打开它。这样做的好处是节约成本，增加汽车的可靠性。总的来说，Xilinx的所有产品和技术都可以提供功耗最低、扩展性高的AI推理，可以帮助企业根据传感器信息I/O的要求，实现动态功能交换或更新远程硬件即芯片，还具有加速的能力。同时加入ADAS可以实现异构计算，帮助矢量引擎、AI引擎以及各种引擎实现异构计算。

Xilinx在自动驾驶领域扮演着重要的角色。是的……rday(12月3日)，自适应和智能计算公司Xilinx在北京举办了2019 Xilinx开发者大会。会上，Xilinx正式发布了面向亚洲开发者的Salil和面向亚洲开发者的Vitis统一软件平台，并宣布面向人工智能和机器学习推理的Vitis AI即日起开放免费下载。

Xilinx总裁兼首席执行官Victor Peng表示:“自适应计算的时代已经到来。作为自适应和智能计算领域的领先企业，Xilinx致力于与亚洲和中国的工业伙伴合作，不断推动各领域的工业发展和创新。随着Xilinx从设备到平台公司的不断转型，以及公司三大战略的不断推进，我们将继续以高度灵活的自适应产品和平台，赋能更多开发者进行持续创新。”2018年初，赛灵思宣布启动公司三大战略，即优先发展数据中心、加速发展核心市场、推动灵活计算。经过一年半的发展，Xilinx以其独特的高性能和灵活的适应性不断拓展市场，在数据中心、人工智能、5G等行业大趋势的应用领域日益发挥重要的引领作用。面向数据中心领域，赛灵思去年在XDF推出了全球最快的数据中心加速卡Alveo加速卡系列。在一年多的时间里，为了满足用户对计算能力、尺寸、内存带宽、成本的不同需求，U50、U200、U250、U280四大产品系列相继推出，大幅提升云端和本地数据中心服务器的性能。在Alveo加速卡的帮助下，客户可以在运行实时机器学习推理、视频处理、基因组分析、数据分析和其他关键数据中心应用时，以更低的延迟实现突破性的性能提升。此外，最值得一提的是，赛灵思在短短一年多的时间里，围绕Alveo培训了7500多家企业和学术机构，发布了800多个加速器项目和近100个应用。

最新的Vitis统一软件平台将使软件工程师和人工智能科学家等更广泛的开发人员受益于Xilinx灵活的硬件加速优势。这是Xilinx首次推出软硬件设计的“统一”开发工具平台，也是公司从设备到平台战略转型的里程碑产品之一。Vitis可以根据软件或算法代码自动适应和使用Xilinx硬件架构，将用户从复杂的硬件专业知识中解放出来。有了Vitis平台，软件工程师和AI科学家都将受益于Xilinx灵活的硬件优势。对于硬件开发人员来说，Vitis可以通过软件和硬件工程师在同一个工具平台上的协作，显著提高工作效率。在自动驾驶领域，Xilinx汽车战略和客户营销总监Dan Isaacs表示，“过去几年，Xilinx FPGA在汽车领域的出货量为1.7亿片，ADAS的出货量为7000万片。”这是一个突出的成绩，也是最终的结果。灵思产品具有非常高的质量和可靠性。最新消息显示，Xilinx推出了两款新品，都是汽车级器件，具有更高的可编程性、I/O和更好的性能。这是Xilinx汽车级SA产品线的最新产品。Dan Isaacs表示，“这主要是基于ADAS和自动驾驶的需求。比如现在我们对边缘探测器和中央预控器的要求更高了。”这里需要强调的是Xilinx的数据采集、预处理、分发功能，因为现在车内需要更多的传感器，需要更多的可编程能力，整个系统可以放更多的加速器。对于这一点，Xilinx有一系列可扩展的产品线，在这里可以看到，Xilinx的产品和设备涵盖了客户从小到大所有可能的需求。现在我们已经重新定义了汽车行业，我们已经看到了汽车行业的几个非常重要的趋势。第一个趋势与ADAS有关……也就是我们已经逐渐从计算机视觉过渡到神经网络AI，我们希望通过多变的逻辑来优化我们的驾驶。目前实现自动驾驶有两种路径:传统路径，传统厂商先做全景环形探测器，从车外搬到车内，再做ADAS前置控制器。非传统路径，如互联网公司，直接做集中处理模块，实现自动驾驶。Xilinx的产品和解决方案涵盖了这两条路径的所有内容，无论是边缘传感器还是集中处理的前置控制器。所有相关数据被收集、统一、整合、预处理，然后通过产品分发。目前，Xilinx产品正在用于前置摄像头、激光雷达、全景摄像头、全屏后视镜等新技术。其中，在摄像头方面，一直在从机器视觉向机器学习、人工智能、神经网络过渡，实现自动驾驶。Dan Isaacs表示，“许多客户都在使用我们自动驾驶中央模块的功能和技术。无论是数据集成还是传感器集成，我们都再次证明了我们的产品和技术非常具有可扩展性，从非常小的设备到非常大的设备。”丹·艾萨克斯举了一个集中处理模块的例子。DAPD数据经过汇总、预处理和分发后，Xilinx会将这些数据发送到计算加速器，用Versal对其进行加速，然后这些数据会被发送到安全处理器，以确保驾驶室完全安全。当然，这只是建筑的一种。事实上，Xilinx在自动驾驶中还有很多其他的架构，这就是为什么Xilinx必须具有可扩展性和灵活性，这也是为什么Xilinx的自适应和可扩展产品被用在很多汽车上。在上午的论坛中，Victor Peng提到Xilinx有双重优化，这里他指的是机器学习和神经网络的优化，实现和实现硬件模型的优化。可以说，这样才能实现工业AI的推理性能、低延迟、高性能。延迟对于自动驾驶非常重要，反应速度必须非常快，才能真正做到安全。通常传统的CPU、GPU或者DSP都可以做到高吞吐量，但是没有办法做到低延迟，因为处理时间会比较长，响应时间会比较长。在自动驾驶初创公司马骁智行进行的自动驾驶测试中，使用Xilinx FPGA的方案延迟可提高12倍，能耗仅为通用计算架构的1/10。需要强调的是，还有一些东西是通用计算架构永远无法提供的，比如非常强的计时。Xilinx FPGA还可以实现芯片内的运行配置，也叫适应性。丹·艾萨克斯(Dan Isaacs)表示，“欧洲新车测试和评估的安全标准在不断变化。随着这些标准的不断变化，我们的产品和技术可以在运行中重新配置，而无需引入新的设备。在MIPI协议中，数据速率在不断提高。我们不需要改变原有的设备，但我们可以通过改变可编程逻辑来支持高数据速率。”最后，Xilinx设备的特点是与DFX进行动态功能交换的性能。此时，无需重启或关闭这些设备，即可实现设备之间的功能交换。在I/O或者传感器上，不需要改变太多，用一部分可编程逻辑来改变。比如我开车换倒档的时候，这个时候启动后置摄像头。在这个过程中，我不需要关闭整个系统并重新打开它。这样做的好处是节约成本，增加汽车的可靠性。总的来说，Xilinx的所有产品和技术都可以提供功耗最低、扩展性高的AI推理，可以帮助企业根据传感器信息I/O的要求，实现动态的功能交换或更新远程硬件，即芯片，还具有加速的能力。同时加入ADAS可以实现异构计算，帮助矢量引擎、AI引擎以及各种引擎实现异构计算。

标签：北京DS远程

汽车资讯热门资讯