惊叹！没有硬件能力也能玩转人工智能

岁末年初时，AlphaGo披上“Master”的马甲，横扫中日韩围棋界高手，将人工智能（Artificial Intelligence，英文缩写“AI”）的关注度推上新高峰。同时，人工智能和人类之间的关系也成为大众讨论的焦点，AI超越人类、取代人类等言论愈加甚嚣尘上，不过这都不能阻挡人工智能应用强势且迅猛地席卷各大行业。应用的高速发展必然离不开半导体厂商的支持，去年以来半导体厂商们纷纷推出各具特色的产品，征战这一潜力市场，而赛灵思凭借多年针对嵌入式视觉应用的技术积累，成为了众多热门市场应用背后的支持者。

3月13日，赛灵思公司面向广大工程师推出面向嵌入式视觉视觉导向机器学习广泛应用的“reVISION 堆栈”，将业务拓展至视觉导向的机器学习应用蓝海。赛灵思战略与市场营销部高级副总裁Steve Glaser对OFweek电子工程网等到场媒体表示：“reVISION主要服务于终端（edge）应用，配合我们之前发布的可重配置加速堆栈，将为我们完成从终端到云端的广泛覆盖和布局，推动下一代的机器学习应用。”

赛灵思战略与市场营销部高级副总裁 Steve Glaser

趋势：从嵌入式视觉向视觉导向的自主系统转型

去年以来人工智能发展的浪潮一波高过一波，从专业领域到大众领域，都在密切关注AI应用的一举一动，市场上涌现出大量的人工智能企业及应用，而赛灵思就是站在这些热门应用背后的支持者之一，其推出的reVISION 堆栈重点关注终端及嵌入式应用，能够帮助缺乏甚至没有硬件方面能力的软件工程师更好的开发视觉导向的智能系统。那么在向视觉导向的自动系统转变过程中，reVISION能够完成哪些使命呢？

图1：左侧一列是嵌入式视觉系统应用，右侧一列是相应领域的视觉导向的自主系统应用

嵌入式视觉系统应用通常用简单的传感器的配置（如各式各样的摄像头），搭配计算机视觉处理技术来识别整个框架环境中的物体。视觉导向的自主系统则是利用各种不同类型的传感器和图像传感器配合机器学习实现智能融合。图1展示了视觉导向系统在专业级消费电子、汽车、工业、医疗及航空航天与军用等市场，从嵌入式视觉系统向视觉导向的自主系统转型过程中的应用案例，如：

1.过去在工厂中，机器人在笼子中完成它们的工作。而现在可移动的新一代协作机器人，可与人类肩并肩工作。

2.在高级驾驶员辅助系统ADAS中，从前使用的是前视汽车摄像头，现在可支持自动驾驶汽车，让车辆能够在行驶过程中自己做出决策，使用的摄像头更为多样化，会采用像长程的雷达、短程的雷达、激光雷达、超声波技术等等各式各样不同类型的传感器与机器学习融合。

……

像上述这样大规模的转型，在实施过程中自然会遇到很多要求，赛灵思根据客户反馈总结出，转向自主系统应用道路上的三个必须要完成的使命：

1.智能性及快速响应：机器学习智能性提高的同时系统须实现快速响应以应对一切外部事件，如行人从车前经过。另外，低成本、低功耗是广泛性需求，以高效率使用先进算法运行应用也是不可缺少的。

2.灵活性：由于神经网络、算法及传感器的类型、配置和组合在不停的变化，只有能够便捷升级的系统，才能保证每个应用是最佳方案。

3.任意互联：在一个万物互联的物联网世界，当然需要实现对所有网络、所有新兴网络的机器甚至是云的连接。

Steve对OFweek电子工程网等媒体表示，在上述的三个方面赛灵思都能够提供非常独特的应用优势。

reVISION堆栈为何诞生？

Steve讲述到，大约在6年以前，赛灵思推出了提高产率的工具，即基于RTL的硬件设计工作流程，使得应用开发过程大大加速。但采用这种方法仍需要投入较多的精力，所以为了进一步提高产率，大约在一年半之前，赛灵思推出了首个软件定义的编程环境，也就是SDSoC 系列，主要服务于嵌入式的应用。但这仍不能满足广泛机器学习应用推广与部署的要求。所以reVISION堆栈应运而生，通过这一产品不仅可以缩短开发时间，而且还可以服务于那些并没有掌握硬件方面知识的工程师，快速地开发出智能嵌入式视觉系统。

图2：纵轴表示开发应用所需要的时间和精力，横轴上表示的是开发这些应用所使用的方法