新闻中心

澳门银河网站 > 业界动态 > 智能音箱、VR/AR、AI等是Lattice发力的重点 

智能音箱、VR/AR、AI等是Lattice发力的重点 

作者:王莹时间:2017-11-28来源:电子产品世界

澳门银河网站 www.fzgouma.com 作者 / 王莹

本文引用地址:http://www.fzgouma.com/article/201711/372179.htm

  不久前,(莱迪思公司)在上海研发中心大楼举办新闻发布会,首席运营官先生介绍了为时下热门应用——等做的创新方案及规划。

关注网络边缘的控制、互联和计算

  物联网或网络边缘是的关注重点。该公司可编程产品的特点是中小型、低功耗、低成本。在过去30年里,主要业绩是在控制领域,营收每年稳定在2亿美元左右。大约从2006-2010年开始,互联、传感上的应用增多。2010年之后,Lattice陆续收购了两家公司——SiliconBlue和Silicon Image,以拓展连接和计算业务。这几年,用Lattice产品做计算处理的案例渐渐涌现,因为物联网/网络边缘需要微计算与处理的需求增加。

  例如Lattice收购SiliconBlue后,SiliconBlue的iCE40让Lattice可以进入到手机等移动装置,诸如三星的部分旗舰机和苹果iPhone7上。iCE40也用于及HTC的VR装置——VIVE。ICE40在上可以让多个麦克风/麦克风阵列接到主芯片,以达到“原厂语音控制”,Amazon Dot、中国叮咚音箱一代和二代、小雅音箱等采用。Lattice还与TPCast(北京传送科技公司)合作了无线VR连接装置,采用了Lattice的全部三大类产品(控制、互联和计算),其中FPGA是iCE和ECP3,无线是WiHD接收和发送模块,影像处理采用了Sil9396。

组合创新开辟新应用

  物联网/网络边缘的创新,并不是有一款核心芯片就够了,很多时候更是把多种不同的产品聚合在一起做组合创新。例如TPCast的无线VR装置,其中的“无线毫米波”技术是Silicon Image被Lattice收购之前,Silicon Image曾收购的Sibeam公司的产品。其在毫米波方面花费了近十年时间、2.5亿美元的投资,才慢慢把“毫米波”技术及无线HDMI技术培养起来。

  但无线VR不止要高速传输和低延迟,而且追踪能力要非常强大。当初Silicon Image/Sibeam团队并不认为这些无线技术可在VR上实现,因为无论是无线还是Sil9396影像处理芯片都有一些限制。Lattice上海FPGA团队通过深入客户,分析无线模组、影像处理器等的短板,与客户共同探讨如何用FPGA去弥补,最终研发出完整的无线方案。

  可见,传统芯片厂商往往是提供芯片和开发板等。而Lattice会去主动了解市场,然后更早地去做出相关设计。例如,Lattice现在花很多心思在VR/AR上,所以在VR/AR市场的前瞻性、产业布局等方面,甚至比一些客户还了解。只有这样才能掌握先机,更早一步提供参考设计。

  具体地,Lattice十分看好双摄像头合一产品,例如安卓之父安迪·鲁宾创立的公司所做的Essential PH-1手机,特点是附送了一个360°无线全景相机。其中采用了Lattice的FPGA——Crosslink。因为Lattice早已预见,随着AR/VR对片源的需求,会出现360°全景摄影/摄像的需求。此外,无人机、AR/VR装置上未来都将会有这种摄像头二合一的360°相机。Lattice接下来还会考虑四合一、五合一等的需求。

神经网络计算

  大部分神经网络模型用卷积神经网络(CNN)计算。CNN计算基本上是在云端上做大数据分析,相对复杂,是用16位元去代表结果的几率与强度。随着网络模型的优化,人们发觉其实不需要那么复杂,可以8位元、4位元,甚至到1位元这样的二值神经网络(BNN)。BNN优化包括了二值或者三值的神经网络,对于Lattice小而巧的FPGA非常合适。

  图1所示为部分算法与功耗的比较,可见面部侦测、语音识别、车牌识别和故障侦测比较适合低功耗、低成本的小型FPGA,“碰撞规避”则比较合适在更大型的FPGA等算法芯片。

  根据多方研究报告,在网络边缘/物联网上的处理需求通常是在10~1000 BOPS运算能力,可是功耗必须要低于1W,这是Lattice有优势的地方(如图2)。当然,也有可能有企业去开一个IC,采用ASIC的方式,的确性能/功耗比更理想。但是IoT(物联网)上的应用非常宽泛,要开一颗IC去符合物联网的多元化是有一定难度的。

  Lattice iCE40 UltraPlus可以运行二值神经网络算法,用于人脸侦测,功耗只有5mW,该芯片只有2mm×2mm,和几粒盐差不多大。Lattice比较复杂的FPGA——ECP5,可以做到人脸跟踪及不同物品的识别,相比同类方案,价格低了一个数量级,功耗也低了一个数量级以上。

  当然不一定用神经网络算法,可以用视觉的方式去做很多运算(包括360°环绕视野)。Lattice在上海有一客户Microsharp,不仅做到车牌侦测,还可以做到车牌检测。

  本文来源于《电子产品世界》2017年第12期第75页,欢迎您写论文时引用,并注明出处。



评论

技术专区

关闭