【導讀】當人工智能工作負載向邊緣遷移,實時響應、低功耗運行、數(shù)據(jù)安全保障及規(guī)?;渴鸬纫幌盗刑魬?zhàn)隨之而來。通用AI模型的低效性在此場景下愈發(fā)凸顯,而智能、定制化的AI方案成為破局關(guān)鍵。萊迪思sensAI?解決方案套件8.0版應勢而來,以專用預訓練模型為核心,憑借高效、靈活且易擴展的特性,精準破解邊緣AI落地難題,為各行業(yè)邊緣智能升級提供全新路徑。
隨著人工智能工作負載從云中心轉(zhuǎn)移到邊緣,各行業(yè)面臨著新的挑戰(zhàn):
當每一毫秒都至關(guān)重要時,如何獲得實時結(jié)果?
如何讓設備僅靠一次電池充電就能全天運行?
當數(shù)據(jù)從不離開設備時,如何保護敏感數(shù)據(jù)?
如何為數(shù)百萬次獨特的部署擴展和適配人工智能?
答案并不是用龐大、通用的AI模型來解決所有問題,這就像用大錘去拍蒼蠅。相反,未來屬于智能、依據(jù)目標定制化的AI,它高效、適應性強且可以在數(shù)百萬臺設備上擴展。
為何依據(jù)目標定制化的AI在邊緣領(lǐng)域勝出
邊緣設備通常需要即時處理數(shù)據(jù)并做出決策,而無需依賴云連接。對于這些場景,通用AI模型通常效率低下。
最新版萊迪思sensAI?解決方案套件(8.0版)通過提供一系列用于缺陷檢測、駕駛員監(jiān)控和手勢識別等任務的專用預訓練模型庫來解決這一問題。這些模型高效、易于組合,并且可以根據(jù)需求變化快速調(diào)整。而且,處理過程在本地進行,因此數(shù)據(jù)保持私密,延遲也較低。

萊迪思sensAI 8.0 全新特性
擴展的模型庫與拓撲結(jié)構(gòu)支持
依據(jù)目標定制化的預訓練模型:最新版本為人機界面(HMI)、多目標檢測和質(zhì)量控制等任務新增了更多預訓練模型。每個模型都附帶訓練腳本和模型說明卡,助您快速上手。
更廣泛的人工智能兼容性:新增人工智能層和拓撲結(jié)構(gòu)支持,讓您更輕松地將前沿研究成果應用于邊緣設備。
增強易用性
優(yōu)化推理流程:通過改進機器學習編譯器和推理流水線,而非更改硬件加速器IP,實現(xiàn)了更高的性能和更優(yōu)的功耗效率。
集成化開發(fā)流程:全新的GUI和Python API集成,讓您在真實的FPGA硬件上驗證模型變得更加簡便。
自動化的FPGA兼容:對于支持模型,開箱即可部署。
靈活部署與快速原型開發(fā)
精簡的RISC-V?集成:針對RISC-V控制邏輯,優(yōu)化了對應的API和參考固件,讓您無需大量手動編碼,即可輕松連接FPGA資源和定制系統(tǒng)級行為。
基于YAML的自動化:快速定義和制作新模型原型,支持快速迭代。
參考設計:提供目標檢測、多目標檢測等端到端的實操指南,并附有性能基準測試,您可以親身體驗。
在最新的發(fā)布中,萊迪思sensAI推出了全新的萊迪思CrossLink?-NX、CertusPro?-NX和載板SoM開發(fā)板,這些開發(fā)板提供高帶寬連接和靈活的擴展選項,是快速原型開發(fā)和部署的理想選擇。集成化工作流程允許開發(fā)者使用TensorFlow、Keras或ONNX等框架訓練模型,然后統(tǒng)一將這些模型量化、編譯并部署到萊迪思低功耗FPGA上。

將先進的人工智能引入邊緣領(lǐng)域
萊迪思sensAI解決方案套件為工廠提供可靠、實時的智能支持,提升車輛的安全性和性能,并為智能家居和智慧城市帶來即時、安全的人工智能體驗。這種多功能性在各種邊緣環(huán)境中均有所體現(xiàn),例如Mitsubishi Electric等行業(yè)領(lǐng)導者將基于萊迪思FPGA的人工智能加速與可擴展、安全的自動化解決方案相結(jié)合,應用于下一代工業(yè)設備。
在此基礎上,萊迪思sensAI旨在滿足邊緣人工智能不斷變化的需求,無論是打造更智能的工廠、更安全的車輛,還是構(gòu)建響應更快的城市。最新版sensAI通過專用模型、靈活的硬件以及簡化的開發(fā)流程,使得在這些需求最為迫切的地方部署高效、安全且可擴展的人工智能解決方案變得更加容易。
從擴展的模型庫、優(yōu)化的開發(fā)流程到靈活的部署方案,萊迪思sensAI 8.0版以全方位升級的能力,實現(xiàn)先進AI技術(shù)向邊緣領(lǐng)域的高效落地。該解決方案不僅滿足了工廠、車輛、智能家居等多元場景的實時、安全、低功耗需求,更通過與行業(yè)領(lǐng)導者的深度合作驗證了自身價值。未來,萊迪思sensAI將持續(xù)賦能邊緣AI創(chuàng)新,助力打造更智能的工廠、更安全的車輛與更具響應力的城市,推動邊緣智能生態(tài)不斷向前發(fā)展。






