基于FPGA的人工智能 | 深度学习

 十余年在可编程芯片与系统领域的沉淀和积累，面向深度学习应用领域，首次提出了融合FPGA并行处理架构，集成高运算效率可塑神经单元，采用粗细颗粒度灵活重组和存储多元层次化的思想，构建高能效可重构类脑计算芯片。可重构类脑计算芯片的计算能效可达到接近ASIC水平，同时保留FPGA并行处理和运算可重构的特点，在处理典型神经网络运算上，相比传统CPU平台，其运算核性能功耗比可提升2个数量级。

基于FPGA解决行业难题加上V好 | xinpianxiehui

可重构类脑计算芯片与指令集处理器对比
指令集处理器
可重构类脑计算芯片
处理器体系框架
融合FPGA架构框架
指令译码软件配置
SRAM硬件电路配置
取指译码调配运算核
硬件直接加速计算
运算核内部连接可调整
全芯片硬件资源可重构
串行处理为基础,并行度受限于集成核数
全并行处理，硬件资源条件下并行度可配置
片上运算资源
存在大量控制、译码模块，运算模块所占比例较小
无需译码模块，运算模块占主要比例
可重构类脑计算芯片应用领域
可重构类脑计算芯片可为基于智能识别与认知的教育、医疗、养老助残、智能家居、可穿戴等智能设备制造厂商，提供数据智能理解处理的硬件载体，并推动类脑智能系统与智能终端、无人驾驶汽车、机器人和无人机等各类产品的深度融合，促进相关产业关键技术与产品的革新，同时可应用于公共安全监控预警、大数据情报分析等领域，更加可靠高效地保障国家与公共安全。

便携智能设备