莱迪思博客

在当今竞争激烈的技术行业中，成败的关键可能就在于能否率先上市。然而，快速上市也带来了挑战，尤其是系统和应用设计方面的挑战。随着人工智能、网络边缘计算和自动化的日益发展以及网络安全威胁的激增，设计师现在比以往任何时候都更需要在整个开发周期中自由更改和微调他们的设计。 系统架构师为其设计选择的组件在开发和推出最终产品的速度方面发挥着越来越重要的作用，尤其是在选择不同类型的处理器时。 以前产品的上市周期较长，设计人员经常使用ASIC组件。然而，这类处理器成本高，功能固定，难以跟上当今快速变化的技术格局。相比之下，FPGA在设计中实现后，可以在现场重新编程，满足快速更改的需要。此外，FPGA的并行处理能力可以分担系统CPU的负载，使开发人员能够在设备中集成更多的处理能力，释放高功耗的CPU的算力执行其他计算任务。 中端FPGA市场的创新 根据FPGA的尺寸、功耗和性能等因素可以将市场分为小型、中端和大型FPGA市场，这些因素也决定了它们可以处理的系统和应用类型。多年来，中端FPGA市场的创新一直停滞不前。这种创新的停滞使得系统架构师难以寻求突破。随着莱迪思Avant™ FPGA平台...

ABI公司的研究表明，截至2024年，具备设备端AI推理能力的设备比例预计将达到60%。印证了过去几年里AI的快速创新，这就要求在从云端向网络边缘转变的过程中，工程师需要开发更加灵活的设计模型。这一趋势的驱动力包括对超低延迟、安全性能的需求以及带宽限制和隐私保护等。 莱迪思FPGA和软件解决方案能够帮助设计人员使用现有的芯片加速实现面向未来的模型。本文将探索莱迪思FPGA和软件解决方案在计算机视觉和网络边缘AI设计中的一些应用示例。 为何FPGA是网络边缘计算和AI应用的最佳选择 FPGA本身具有灵活性和适应性，是网络边缘计算和AI应用的理想之选。 FPGA是一种并行计算引擎，能够以较低的时钟频率运行，因此功耗较低。此外整个架构还拥有灵活的资源，包括DSP、存储器、分散且互连的可编程逻辑单元，与那些AI专用的新型ASIC有诸多相似之处。然而，与ASIC和其他处理器不同的是，FPGA的灵活性能够持续优化系统内现有的用例，并且还能引入全新的用例，而无需使用新的硬件。 当我们将FPGA与ASIC的设计周期进行比较时，可以看到系统设计人员可以使用FPGA进行多次迭代，快速引入新应用并推向市场。...

根据市场研究公司Transparency Market Research的报告，截至2026年，全球智能玩具市场规模预计将增长到近700亿美元。智能玩具形态多样，如电子宠物、机器人、智能火车套件等。听到玩具一词，你可能立刻想到儿童玩具，但有些玩具是专门针对成年人开发的。当前的高级玩具市场包含的产品用途广泛，包括提供陪伴、提高认知能力以及促进交流等。 智能玩具为人们提供了一种技术增强环境，便于交互完成各种任务，不断顺应用户的行为模式。这些玩具的传感器通常嵌入了图像识别芯片，利用人工智能来识别各种图像。为了提供优质全面的用户服务，这些AI解决方案需要低功耗、易于使用、实时反应。其中低功耗这一要求尤为重要，因为大多数玩具都使用电池供电。 日本多美玩具公司（TOMY COMPANY, LTD.）于2021年推出了首款基于AI的智能玩具Ami-Chan。多美选择了莱迪思为其提供完整的AI解决方案，该方案包含了我们的FPGA和sensAITM解决方案集合，加速和简化了AI开发和设计流程。 图片来源：TOMY 多美公司设计Ami-Chan的初衷是让它作为老年人的交流伙伴。该玩偶的设计词汇量约为16...

随着新年到来以及2022年CES的成功举办，很多人都想知道今年我们有望看到那些重要的技术趋势。可以预料的是，过去几年里涌现的一些重要的技术进展会在今年变得越来越重要，影响力也将越来越大，例如5G、AI和云计算等。与此同时，我认为还有一些相对较新的领域将在2022年收获大量关注。 汽车技术迅速崛起 例如汽车相关的技术是今年CES的重头戏之一，颇有蓄势卷土重来之势。之所以说卷土重来，是因为约五年前人们大力投入汽车技术，最后却发现短期内实现无人驾驶汽车的期望完全不切实际。如今来到2022年，我相信人们对于实现相关技术进步的能力和进度抱着更加脚踏实地的态度。 首先，尽管还有一些预测高调地表示能在2025年之前实现全面的自动驾驶，人们还是更加关注汽车技术的实际应用方面。例如ADAS（高级驾驶辅助系统）能为司机带来重要而切实的好处，如检测到目标或其他车辆时自动刹车；检测司机是否困倦或注意力是否集中；自动保持车道以及其他能够保障生命安全和减少伤亡的功能。这些看起来可能不如全自动驾驶汽车那般美好，但却非常实用，并且研究表明这些正是消费者实际上想要的功能。人们对于那些能够实现或者强化ADAS的技术越来越...

人工智能和机器学习革命持续席卷多个应用领域，尤其是网络边缘应用。安全摄像头、机器人、工业设备、客户端PC甚至玩具等网络边缘设备现在都可以支持AI/ML功能，为用户带来了新的功能和体验。行业分析公司ABI Research表示，网络边缘AI 芯片组市场“过去经历了强劲增长，预计到2024年将继续增长至710亿美元规模，而2019年至2024年的复合年增长率高达31%。如此强劲的增长是因为AI推理工作负载由云端向网络边缘迁移，尤其是在智能手机、智能家居、汽车、可穿戴设备和机器人行业。” 然而，让客户端计算设备具备“智能”给产品设计带来了新的挑战。AI/ML作为一项新兴技术，许多OEM没有足够的团队经验或时间来从头开始设计解决方案。另一方面，用于训练客户端计算设备的算法正快速发展，因此开发人员也在寻找可现场升级的AI/ML解决方案。但对于许多网络边缘AI/ML应用的开发人员来说，最关键的问题在于如何在使用电池供电的设备中提供足够的处理性能来实现AI/ML功能？ 为了解决这些问题，应用开发人员和OEM需要使用灵活的硬件和软件解决方案，实现低功耗下...