AI应用正在加速向边缘和终端渗透，高性能AI推断推动着智慧城市与智能工厂从愿景走向现实。智能零售领域也开始拥抱高度自动化的购物体验，变得愈发精巧。这些场景对系统提出了极高要求：既要保持高可靠性、高性能，还得在紧凑的空间内实现高效运行。这背后，边缘处理能力的挑战首当其冲。

边缘处理难题

在边缘部署系统，功耗、占板面积和成本是三道硬门槛。处理需求持续攀升，但受限于这些制约，想要提供足够的性能变得愈发吃力。CPU虽然在边缘计算中有所发展，但近年来增速明显放缓。面对新一代AI边缘应用所需的性能，尤其是严苛的时延要求，未加速的CPU已显得力不从心。

当要在边缘落地前沿AI应用时，领域专用架构（DSA）就成了关键。不仅如此，DSA还能提供确定性的低时延。合适的DSA，是专门为高效处理目标数据而设计的——既涵盖AI推断部分，也包括非AI部分的应用，即实现整体应用的加速。这一点很重要：AI推断离不开非AI的预处理和后处理，这些环节同样需要更高的性能。从根本上说，要在边缘（以及其他地方）打造高效的AI应用，必须实现整体应用的加速。

当然，如同任何固定功能芯片一样，为AI边缘应用开发的应用专用标准产品（ASSP）也有自己的局限性。最大的挑战在于AI创新的速度异乎寻常。相比非AI技术，AI模型的过时速度要快得多。用固定功能的芯片去实现AI，一旦更新更高效的模型出现，现有方案就迅速过时。而固定功能芯片从设计到流片往往需要花费数年时间，到那时AI模型的前沿早已向前跃进。此外，边缘应用对安全和功能安全的要求越来越高，可能经常需要成本高昂的现场更新。

自适应计算的前景

自适应计算，指的是硬件能够针对具体应用进行优化——现场可编程门阵列（FPGA）就是典型代表，它为基于AI的边缘应用提供了一个功能强大的解决方案。近年来，新的自适应硬件层出不穷，比如将FPGA架构与一个或多个嵌入式CPU子系统耦合的自适应片上系统（SoC）。但自适应计算远不止“纯硬件”，它还整合了一套完整的设计软件和运行时软件。将这些结合起来，就形成了一种独特的自适应平台，可以在其上构建非常灵活且高效的系统。

用自适应计算来实现DSA，避免了像ASIC这类定制芯片所需的漫长设计周期和前期成本。这样就能针对任何特定领域应用——包括基于AI的边缘应用——快速部署经过优化的灵活解决方案。自适应SoC是此类领域专用处理的理想选择，因为它兼具嵌入式CPU子系统的灵活性与自适应硬件优异的数据处理能力。

推出自适应模块化系统 — SOM

模块化系统（SOM）提供了完整、可量产的计算平台。相比从芯片级从头开发的模式，这种方式能节省大量开发时间与成本。SOM可以插入到较大的边缘应用系统中，既保留了定制实现的灵活性，又享有现成方案的易用性和更快的上市速度。这些优势让SOM成为边缘AI应用的理想平台。不过，要实现现代AI应用所需的性能，加速必不可少。

某些应用需要定制硬件组件与自适应SoC接口连接，这就意味着还得从芯片级从头设计。然而，越来越多基于AI的边缘应用，即便终端应用千差万别，所需的硬件组件和接口却趋于相似。随着企业转向标准化接口和通信协议，尽管处理需求差异显著，但同一套组件往往能适用于多种应用。

面向AI边缘应用的自适应SOM，将自适应SoC与行业标准接口和组件相结合，使得硬件经验有限甚至没有硬件经验的开发者也能受益于自适应计算技术。自适应SoC既能处理AI任务，也能处理非AI任务，从而满足整体应用的处理需求。更重要的是，自适应SOM上的自适应SoC支持高度定制化，它被设计成可以集成到更大型系统中，使用预定义的外形尺寸。使用自适应SOM，能全面发挥自适应计算的优势，同时避开从芯片级从头设计的繁琐。当然，SOM只是解决方案的一部分，软件才是关键。

采用自适应SOM的企业，能获得性能、灵活性和快速开发时间的独特组合。他们无需自己构建电路板，就能享受自适应计算的各种优势——这一优势，直到赛灵思推出Kria™自适应SOM产品组合，才在边缘得以实现。

Kria K26 SOM

Kria K26 SOM基于Zynq® UltraScale+™ MPSoC架构，搭载四核Arm® Cortex™-A53处理器，超过25万个逻辑单元，以及一个H.264/265视频编解码器。此外，它还配备了4GB DDR4存储器、69个3.3V I/O和116个1.8V I/O，使之能适配几乎任何处理器或接口。凭借1.4TOPS的AI算力，与基于GPU的SOM相比，Kria K26 SOM能帮助开发者开发出时延和功耗更低、性能高3倍的视觉AI应用。这对安保、交通与市政摄像头、零售分析、机器视觉和视觉引导机器人等智能视觉应用，可谓是重大福音。通过标准化系统核心部分，开发者得以将更多精力放在开发自己的专属特性上，从而在市场中实现技术差异化。

与软件可以更新但受固定翻跟斗限制的其他边缘AI产品不同，Kria SOM在两方面提供了灵活性：软件和硬件都能在今后更新。用户能够适配I/O接口、视觉处理和AI翻跟斗，为以下部分或全部应用提供支持：MIPI、LVDS和SLVS-EC接口；适用于日间或夜间的高质量专用高动态范围成像算法；8位深度学习处理单元；或者未来的4位甚至2位深度神经网络方法。多模传感器融合与实时AI处理的结合，如今已变得相当容易——可以从赛灵思KV260视觉AI入门套件开始设计，再通过Kria K26 SOM部署到生产环境中。

Kria KV260 视觉AI入门套件

面向软硬件开发者提供的优势

自适应SOM让硬件开发者和软件开发者都能受益。对于硬件开发者，自适应SOM提供了现成的、可量产的解决方案，从而节省了大量开发成本与时间。此外，这些器件还允许硬件团队在流程后期变更设计，而基于固定功能芯片技术的SOM则无法做到这一点。

对于AI开发者和软件开发者来说，自适应计算比过去更容易上手。赛灵思为确保自适应计算的易用性，对工具流进行了大量投资。通过将软硬件平台与可量产的视觉加速应用相结合，Kria SOM产品组合的推出将这种易用性提升到了全新水平。这些交钥匙应用取消了所有FPGA硬件设计工作，软件开发者只需集成自己的定制AI模型、应用代码，并有选择地修改视觉流水线。在Vitis™统一软件开发平台和库的支持下，他们可以使用熟悉的设计环境，如TensorFlow、Pytorch或Caffe框架，以及C、C++、OpenCL™和Python编程语言。

通过这种面向软件设计的加速应用新范式，赛灵思还面向边缘应用推出了首个嵌入式应用商店，为客户提供来自赛灵思及其生态系统合作伙伴的丰富多样的Kria SOM应用选择。赛灵思解决方案属于免费提供的开源加速应用，涵盖智能摄像头、人脸检测、带有智能视觉辅助的自然语言处理等多种应用。

灵活应变的未来

AI模型将继续以高速步伐向前演进。这意味着加速平台必须能够灵活应变，才能在现在和未来以最佳方式实现AI技术。事实上，SOM提供了理想的边缘处理平台。与自适应SoC相结合，SOM为AI支持的应用提供了综合全面、可量产的平台。采用这类器件的企业能广泛受益于性能、灵活性和快速开发时间的独特组合，并从自适应计算中收获丰厚的回报。