依靠自适应模块化系统(SOM)加快边缘自主创新
SoC这是这类行业特殊解决方案的理想选择，因为它们都有全面的嵌入式CPU具有自适应硬件的优秀数据处理能力的子系统的灵活性。SOM它可以插入到较大的边缘软件系统中，这不仅可以提供定制实现方案的灵活性，还可以提供现有解决方案的便利性和更快的上市速度。
由AI提供支持的应用程序越来越广泛地分布在边缘和终端，高性能AI推断正在推动更智能的城市和高度自动化的智能工厂进入现实。随着极其精致的自动购物体验在智能零售中的引入，零售体验变得更加精致细致。这些应用程序需要高度可靠性和高性能，以及高效和紧凑的尺寸。
边缘处理难题
在边缘部署系统时，功耗、面积和成本都是限制因素。在边缘处理的各种限制下，需求的不断改善意味着提供所需的特征水平将面临更大的挑战。CPU边缘计算也有发展，但近年来增速有所放缓。为了新一代AI当适用的边缘应用程序交付所需的特性时，不会加速CPU考虑到严格的延迟规定，表现得很勉强。
在边缘实现前沿AI应用时，行业专用框架（DSA）这是关键。DSA还提供确定性和低延迟。
合适的DSA专门设计用于有效解决所需的数据AI推断，也有错AI部分应用，也就是整体应用的加速。AI推断必须非AI预处理和后处理需要更高的特性，这一点非常重要。从源头上看，需要在边缘(和其他地方)完成AI提供支持的高效应用，必须加快整体应用。
就像任何具有固定功能的ADT7461ARMZ芯片解决方案一样，AI边缘软件开发的应用标准商品（ASSP）还是有自己的局限性。关键挑战在于AI创新的速度令人惊讶。AI技术相比，AI模型的过时率会快很多。应用具有固定功能的芯片器件完成AI，会因为更新，更高效AI模型的发生很快就过时了。固定芯片设备的流式芯片需要多年的时间，然后到那个时候，到那个时候AI该模型的尖端技术将长期向前发展。此外，对于边缘应用，还需要提高安全性和功能安全要求，这往往需要高成本的现场升级。
自适应计算的前景
自适应计算包括可以优化特定应用的硬件，例如现场可编门阵列（FPGA），它是一种功能强大的解决方案，专门用于基于AI边缘应用。
此外，新的自适应硬件也层出不穷，包括FPGA一个或多个嵌入式框架CPU系统的自适应系统（SoC）。然而，自适应计算远不止这些“纯硬件”。它集成了一个全面的绘图软件和运行软件。结合它们，形成一个独特的自适应平台，可以构建一个非常灵活和高效的系统。
用自适应计算完成DSA，可避免使用ASIC定制芯片设备所需的设计时间和初始成本。这可以用于任何特定的行业，包括基于AI边缘应用，通过优化快速部署灵便解决方案。SoC这是这类行业特殊解决方案的理想选择，因为它们都有全面的嵌入式CPU具有自适应硬件的优秀数据处理能力的子系统的灵活性。
自适应模块化系统的发布—SOM
模块化系统（SOM）提供一个完整的、可批量生产的计算平台。从芯片级开始（chip-downdevelopment）相比之下，这种方法可以节省时间和成本。SOM它可以插入到较大的边缘软件系统中，这不仅可以提供定制实现方案的灵活性，还可以提供现有解决方案的便利性和更快的上市速度。这些优势使SOM变成边沿AI理想的应用平台。然而，要实现现代化AI应用所需的特性，加速是必不可少的。
有些应用必须定制硬件组件和自适应SoC接口连接代表了从零开始设计芯片级的需要（Chip-downdesign）。然而，越来越多的基础AI边缘应用程序必须是类似的硬件组件和接口，即使在不同的终端应用程序中也是如此。随着企业转向标准化接口和通信协议，虽然解决方案要求明显不同，但同一组组件可以应用于各种类型。
面向基于AI自适应的边缘应用SOM，结合自适应SoC具有行业标准接口和零部件的开发人员也可以从自适应计算技术中获益，因为他们的硬件经验有限，甚至没有硬件经验。SoC既能实现AI解决，也可以实现非AI解决方案，换句话说，它可以满足整体应用的处理要求。
另外，自适应SOM里的自适应SoC适用于高度定制。它旨在将其集成到更大的系统中，并使用预定义的尺寸。应用自适应SOM，它可以充分发挥自适应计算的优势，避免从芯片级重新开始ic设计。自适应SOM只是解决方案的一部分。软件也是关键。
选用自适应SOM企业一般可以从特色、灵活性和快速开发时间的独特组合中获益。他们可以享受自适应计算提供的各种优势，而不需要建立自己的电路板——这种优势最近一直伴随着赛灵思Kria?自适应SOM边缘可以实现产品组合的发布。
KriaK26SOM搭建在Zynq?UltraScale+?MPSoC搭载四核的架子顶部Arm?Cortex?-A53Cpu，超过25万个逻辑单元和一个H.视频编解码器264/265。SOM还搭载4GB的DDR4储存器，69个3.3VI/O和116个1.8VI/O，它几乎可以适应Cpu或接口.4TOPS的AI基于计算率GPU的SOM相比，KriaK26SOM推动开发人员开发出延迟和更低的功耗，视觉特征高3倍AI使用。这对智能视觉使用，如安全、交通和市政摄像头、零售分析、机器视觉和视觉引导机器人，是一大福音。根据标准化系统的核心部分，开发人员有更多的时间专注于开发自己的专属特征，从而在市场竞争中实现技术多样化。
其他边缘与软件可以升级，但受到固定加速器的限制AI商品不同，KriaSOM在两个方面提供灵活性，即未来可以升级软硬件。客户可以适应I/O接口，视觉处理和AI为以下部分或全部应用提供加速器支持：MIPI，LVDS和SLVS-EC接口；适用于白天或晚上的高质量特殊高动态范围图像算法；8个深度学习控制组件；或未来的4个甚至2个深度神经网络模式。多模传感器集成和即时AI解决方案的组合现在很容易完成，可以从赛灵思中完成KV260视觉AI根据入门模块开始设计，KriaK26SOM在生产中部署。
为硬件和软件开发人员提供的优势
自适应SOM同时，让硬件开发人员和软件开发人员受益。对于硬件开发人员，自适应SOM它带来了现成的大规模生产解决方案，从而节省了大量的项目成本和开发时间。此外，这些设备还允许硬件团队在基于固定作用芯片技术的步骤后期改变设计SOM无法实现。
针对AI对于开发人员和软件开发人员来说，自适应计算比过去更容易使用。为了确保自适应计算的便利性，赛灵思在工具流上投入了大量资金。通过将软硬件平台与可批量生产的视觉应用相结合，KriaSOM产品组合的发布将这种便利性提升到了一个新的水平。所有这些交钥匙都被取消了FPGA硬件开发只需要软件开发人员集成他的定制AI模型，使用代码，有选择地修改视觉流水线。Vitis?在统一的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，比如TensorFlow，Pytorch或Caffe框架及其C，C++，OpenCL?和Python编程语言。
通过这种新的面向软件开发的加速应用范式，赛灵思还推出了第一个面向边缘应用的嵌入式应用商店，为客户提供来自赛灵思和生态系统合作伙伴的丰富多样性KriaSOM使用选择。赛灵思解决方案属于开源加速应用，包括智能摄像头、人脸检测、智能视觉辅助的自然语言处理等。
未来的随机应变
AI该模型将继续以高速发展。这意味着加速平台必须能够随机应变，以便在现在和未来以最佳方式完成AI技术。事实上，SOM带来理想的边缘处理平台。与自适应SoC相结合，SOM为由AI提供支持的应用程序带来了一个全面和可批量生产的平台。选择此类设备的公司通常可以从特性、灵活性和快速开发时间的独特组合中获益，并从自适应计算中获得丰厚的收益。
