为下一代智能PC优化，莱迪思怎么将网络边缘AI融入FPGA设计

文︱郭紫文

图︱莱迪思

据ABI Research预计，截至2024年，设备端的AI推理功能将覆盖近60％的设备。网络边缘计算正迅速掀起热潮，越来越多新的应用延伸至边缘。近日，莱迪思（Lattice）发布了全新的针对客户端计算设备的低功耗AI／ML应用路线图，全面更新了感知和瞬时启动、电池寿命、隐私保护及视频会议体验等。此外，莱迪思还发布了最新一代Lattice sensAI解决方案集合。

本次推出的莱迪思sensAI 4．1将增加支持CertusPro－NX器件，并在此基础上支持相应声音和视觉机器学习开发板、CNN Plus加速器以及相对应的sensAI Studio。同时，莱迪思新增了人员侦测、注意力追踪和目标分类等参考设计，为智能家居、智能城市、智能工厂、智能汽车等领域提供定制化设计服务。

将网络边缘AI融入FPGA设计

“边缘端对功耗的敏感度和尺寸大小有着较为严格的要求，而小封装和低功耗恰好是Lattice FPGA的核心竞争力。”莱迪思半导体亚太区资深市场开发经理林国松表示，莱迪思将网络边缘AI融入FPGA的设计，配合AI技术为用户提供更优质的使用体验。

在结合了AI技术之后，莱迪思的FPGA芯片的功耗可以控制在一毫瓦至一瓦范围之内，与ASIC相比也毫不逊色。其次，该系列芯片承袭了FPGA本身的优势特点，包括灵活的计算资源和性能可拓展特性，能够实现预处理、后处理、图像处理、滤波等功能，还能进行性能扩展。此外，莱迪思FPGA内嵌安全功能区域，为多种使用场景提供更高的安全性能。林国松表示，AI算法灵活多变，不断更新迭代，较之ASIC，FPGA具备硬件可编程、低成本、低功耗等优势，能够更快适应快速变化的机器学习算法。

突破硬件与算法优化瓶颈

“优化的算法如果纯粹只是停留在软件上，或者大型CPU的计算方法上，对于实际落地，尤其边缘端部署，是一个比较大的挑战。”在林国松看来，AI技术持续创新，产生了新的实现方式，从而需要更快的硬件来实现，硬件优化和算法优化的结合才是企业的最佳选择。

莱迪思硬件优化方案通过Lattice Radiant与DIAMOND结合，产生FPGA位流。同时，将神经网络模型、训练数据集、训练脚本等通过Caffe训练之后，经由神经网络编译器量化，最终将量化的权重和指令与FPGA位流相结合。软件优化方案则专门提供了PROPEL软件，为方便初学者提供更易上手的C代码指令控制。

据林国松介绍，莱迪思将能够提供的网络预安装到Container中，客户只需将Container移植到边缘端执行相应训练，便可以对硬件与算法进行优化设计，大幅节省了配置的精力和时间。

以智能感知优势切入PC产业链

“下一代PC将朝着智能感知、协作能力和轻薄化方向发展。”林国松表示，莱迪思sensAI凭借智能感知优势，为智能PC提供用户检测、注意力追踪、旁观者检测以及面部取景等功能，能够将电池寿命延长28％，更好地保护用户隐私数据，提升协作式会议效率。

莱迪思sensAI方案符合道德和合理的AI设计考量，能够直接在硬件上处理人脸图像等信息，而不会上传给电脑，从而保护用户隐私安全。面向智能PC领域，莱迪思产品能够实现实时在线感知，包括瞬时启动、感知用户、声音和手势控制、视频音频体验，以及给用户提供身体健康情况通知等。

莱迪思拥有丰富的FPGA芯片设计经验，致力于将方案的体验感做到最佳，同时持续探索更多场景延伸。过去四年FPGA总出货量超过10亿颗。就出货量而言，莱迪思已然做到了全球第一的水平。未来，莱迪思将与OEM以及其他芯片厂商、操作系统厂商紧密合作，保证客户的产品能够迅速落地，走向市场。