人工智慧以往需要非常龐大的運算量才能實現，因此必須在雲端資料中心由伺服器執行。但隨著人工智慧走向專用化，加上開發工具跟環境漸趨成熟，以及半導體元件技術的效能不斷精進，現在已有部分人工智慧應用可直接內建在各類終端裝置上，或採取某種混合架構。
人工智慧(AI)從雲端伺服器走向網路邊緣，直接內建到各類物聯網(IoT)裝置，已經成為擋不住的發展趨勢。不過，由於這個趨勢才剛開始成形，因此絕大多數的人工智慧應用開發都得從零開始，即便是具備相當規模跟資源的團隊，都顯得有些吃力，規模較小的開發團隊，則普遍面臨開發進度緩慢的挑戰。
有鑑於此，現場可編程閘陣列(FPGA)供應商賽靈思(Xilinx)宣布，將在其現有的嵌入式視覺解決方案基礎上，強化對機器學習(Machine Learning)等人工智慧功能的支援，並推出reVISION軟體堆疊。
現成元件庫加快產品開發流程
賽靈思工業、科學、醫療(ISM)行銷資深技術經理羅霖(圖1)表示，人工智慧已經成為科技產業發展的重要趨勢，而且從核心(資料中心)往邊緣(各類聯網裝置)擴散的態勢十分明顯。不過，由於缺乏對應的函式庫(Library)等軟體堆疊輔助，應用開發者經常必須從頭到尾靠自己的力量進行開發，因此專案開發的時程很長，而且需要耗費大量人力。
 |
| 圖1 賽靈思ISM行銷資深技術經理羅霖指出，人工智慧 從雲端朝網路邊緣擴散，將是未來科技產業發展的一大趨勢。 |
事實上，在整個人工智慧應用開發的過程中，現有的軟硬體解決方案供應商，大概只能協助開發者解決其所遇到的少部分問題，絕大多數的演算法撰寫、訓練工作，都得靠開發者自己想辦法解決。常有人工智慧應用開發者打趣地說，人工智慧應該改名叫「工人智慧」，因為所謂的人工智慧應用，往往是他們這些開發者辛苦奮戰大半年，耗盡腦力才開發出來的心血結晶。
為了解決這個問題，進而加速人工智慧應用的普及，賽靈思宣布推出reVISION軟體堆疊解決方案。全新reVISION堆疊可讓對硬體設計不熟悉的軟體及系統工程師，也能夠更容易、更快速地開發支援人工智慧的嵌入式視覺應用。這類應用涵蓋高階消費類產品、汽車、工業、醫療、以及航太與國防等領域，以及新一代的應用包含協作機器人、具備感測與碰撞規避功能的無人機、擴增實境、自動駕駛車、自動監視與醫學診斷等領域。
在這些應用上，除了差異化至關重要外，其系統亦必須具備極快的反應能力，並快速部署最新的演算法與感測器，大約三分之二的視覺導向半導體應用都屬於此類市場。
透過reVISION元件庫與開發環境，許多人工智慧開發、寫程式的過程，將可簡化成參數設定，讓開發者省下不少心力跟時間，專注在更能創造差異化的功能開發上。而賽靈思也會定期更新reVISION版本，以便支援最新的深度學習算法。
FPGA龍頭向英特爾/NVIDIA叫陣
reVISION為反應最快速的視覺系統鋪建了最快的發展途徑，同時也是身為FPGA龍頭的賽靈思，向NVIDIA、英特爾(Intel)叫陣的宣言。在產品簡報中，賽靈思直接點名NVIDIA、英特爾和其旗下的Altera，將自家產品與上述競爭對手的產品做效能評比對照。與NVIDIA的Jetson TX1嵌入式GPU相比，以賽靈思FPGA方案為基礎的機器學習推論，其每秒每瓦影像效能提升了高達6倍、電腦視覺每秒每瓦每幀處理速度則提升了42倍，而延遲卻只有五分之一。若是與同為FPGA的Altera解決方案相比，則在每瓦效能(Performance/Watt)上領先2∼4倍。
事實上，以FPGA來實現人工智慧應用，具有非常大的優勢。人工智慧領域的演進非常快速，具備可重組以及支援所有形式連結等優勢的FPGA，可以很輕鬆地進行各種修改或升級，以便在最短時間內支援新的人工智慧算法。類神經網路、演算法、感測器技術與介面標準都會持續加速演進，可重組特性對於「支援未來需求」的智慧視覺系統至關重要。
因此，在賽靈思正式宣布推出reVISION元件庫與相關套件之前，業界就不斷在猜測，賽靈思究竟何時會大動作進軍人工智慧領域。畢竟，FPGA在這個領域具有相當大的性能優勢，只是開發門檻也較高，因為FPGA傳統上是硬體工程師作晶片原型開發的工具，懂得如何使用FPGA的工程師，通常是IC設計工程師，而非一般的軟體工程師。
但reVISION與相關套件也解決了這個問題。即使是對硬體不熟悉的開發者，在reVISION平台上也能利用C、C++或OpenCL語言，搭配Caffe與OpenCV這類業界標準框架與函式庫，在Zynq SoC或MPSoC等晶片平台上開發各種嵌入式視覺應用。
賽靈思reVISION堆疊集眾多研發資源在平台、演算法、以及應用等領域的開發。其中包括支援最歡迎的類神經網路如AlexNet、GoogLeNet、SqueezeNet、SSD、以及FCN。除此之外，堆疊提供了函式庫元素，包含針對卷積神經網路(CNN)分層預先定義和作業最佳化，用來建立客制化類神經網路(DNN/CNN)。
機器學習元件佐以眾多運算加速OpenCV功能，用以執行電腦視覺處理作業。在應用層級開發方面，賽靈思支援業界標準框架，包括專為機器學習的Caffe以及電腦視覺方面的OpenVX。此外reVISION堆疊還包含賽靈思自己與第三方的開發平台，內含眾多種類的感測器。
