智能驾驶芯片哪家强？赛灵思：我们的reVISION让MPSoC完爆GPU

智能驾驶，或者自动驾驶、无人驾驶，是当前最热门的研发领域，被公认为下一个巨大的经济增长点。各大汽车厂商无一例外在投入巨资研究智能驾驶技术。正如所有的技术经济一样，智能驾驶也离不开半导体芯片这个核心器件。那么，智能驾驶应该选用哪种芯片呢？哪家厂商的芯片最适合智能驾驶？

智能驾驶的核心技术是嵌入式的机器视觉，加上善于深度学习的人工智能。实际上，智能驾驶代表的是一类应用，即位于终端的或者网络边缘的（相对于云端的）、视觉导向的机器学习应用。由于人工智能技术在很多领域的应用前景被普遍看好，相关的核心半导体器件厂商已经开始收益。其中，最典型的是以英伟达（Nvidia）为代表的GPU厂商，它们迎来了快速发展的黄金时期。

然而，可编程逻辑厂商赛灵思（Xilinx）表示不服。赛灵思称，与英伟达的GPU相比，他们的Zynq芯片或MPSoC（处理器+FPGA芯片）的各项指标表现更好，更适合各种视觉导向的机器学习应用，包括无人驾驶车辆、智能无人机（如送货无人机、战地无人机等）和智能机器人（如仓库机器人、战地机器人、协作机器人和外科手术机器人）等诸多边缘应用。

不服，就来跑个分。下图给出了在第三方环境下赛灵思技术相对于英伟达技术的优势。在机器学习推断、计算机视觉和实时应用时延三个指标上，赛灵思技术都完胜英伟达。


图：Xilinx vs. 英伟达Tegra及典型SoC（来源：Xilinx）

Xilinx公司战略与市场营销部高级副总裁Steve Glaser先生说，以汽车自动驾驶应用为例，响应速度的快慢可能意味着安全或者事故的差别。那么，为什么赛灵思能实现响应速度最快的系统？Glaser解释说，这是因为赛灵思的Zynq和Zynq MPSoC拥有用于推断和控制的最低时延传感器，如下图所示。此外，基于FPGA的SoC具有可重配置特性，使得它能够跟上神经网络演进的速度，跟上传感器融合演进的速度。


图：Zynq与GPU架构对比

好吧，我们早就听说过FPGA的性能优势。但FPGA有一个天生的劣势，那就是编程困难，因为它需要硬件语言。为此，赛灵思公司做出了巨大努力，推出了一系列软件定义（software-designed，简称SD）的编程环境，如针对嵌入式应用的SDSoC、针对数据中心加速的SDAccel以及针对网络开发的SDNet。本文所讨论的终端人工智能系统属于嵌入式系统，也就是SDSoC所能发挥作用的范围。有了SDSoC，设计人员无需了解硬件编程语言就可以进行开发工作。

然而，对于视觉导向的机器学习应用开发，现有的SDSoC还不足以应付。因此，赛灵思特别推出了称作reVISION的堆栈，使得视觉系统的开发周期大大缩短。据介绍，reVISION兼容目前流行的各种机器学习和神经网络开发环境，如OpenVX、Caffe、OpenCV、DNN和CNN等。此外，赛灵思还推出了四款嵌入式视觉开发套件，帮助用户迅速启动开发进程。


图：赛灵思的嵌入式视觉开发套件

结论是，赛灵思认为，其最新推出的reVISION堆栈会让其强大的Zynq和MPSoC有用武之地，reVISION使得赛灵思技术更适合视觉导向的机器学习，例如如今最热门的汽车智能驾驶系统。最近，赛灵思发布了一系列关于reVISION的技术资料和视频介绍，感兴趣的朋友可以更深入地了解一下。