隨著物聯網的出現和互聯嵌入式設備的普及，開發具有競爭力的物聯網解決方案的最大挑戰之一是在物聯網網絡邊緣帶來智能的能力。邊緣計算在物聯網應用中至關重要，因為它通過將計算能力嵌入到本地基礎設施中，從而為更快的實時推理鋪平了道路，從而顯著提高了整體系統的可靠性和性能。

隨著邊緣計算日益成為下一代安全和連接設備的基礎，強調硬件加速器在確定系統性能和效率方面的重要性非常重要，因此在開發邊緣網關解決方案時應予以考慮。

多年來，FPGA 技術的重大進步使 FPGAS 成為開發智能邊緣平臺的主流。FPGA 先進的性能和適應性，以及以最低延遲提供最高吞吐量的能力，使其成為在邊緣實現高響應性實時推理的理想選擇。

在位于班加羅爾的領先 FPGA 設計公司 iWave Systems，我們擴展了最先進的 Xilinx Zynq? UltraScale+?MPSoC FPGA 模塊，以使用先進的 AI/ML 加速在邊緣設備中實現智能。iWave 的 Zynq? UltraScale+?MPSoC FPGA SOM 提供通用硬件加速，可直觀地部署圖像/語音識別、對象/姿勢檢測等功能，并提供靈活的平臺，使開發人員能夠不斷完善功能并提高競爭優勢。在 FPGA 中實施人工神經網絡提供了使應用程序適應不斷變化的標準和最終用戶需求的靈活性，這反過來又為您的設計提供了未來的證明。

iWave 還提供全面的 Zynq? UltraScale+?MPSoC 開發平臺，用于立即評估 AI/ML 應用。

Xilinx/DeePhi 核心平臺用于 iWave 的 Zynq? UltraScale+?MPSoC SOM 中的 AI/ML 推理

Zynq UltraScale+ MPSoC SOM 在 ARM? + Xilinx FPGA 架構中智能融合了 MPSoC 和 FPGA 功能，為邊緣應用形成了一個高度集成且功能強大的嵌入式平臺。異構 ARM? 多核處理器通過系統啟動、外設管理、服務器通信等高性能非實時處理來補充邊緣應用，同時使用 Deephi 算法卸載 FPGA 以執行關鍵實時任務。

Deephi 核心平臺集成了硬件和軟件組件，在人臉識別、實時監控、圖像/姿勢檢測等應用中提供了一個全面的 AI/ML 加速框架。憑借其行業領先的 AI/ML 能力，Xilinx / Deephi 核心平臺允許對各種工作負載特征進行高級自適應，并通過超低延遲實時推理補充邊緣應用程序。

憑借對各種神經網絡的支持，Xilinx/Deephi 核心平臺不斷發展，集成了新的先進算法，以提高 AI/ML 應用的確定性和推理能力。iWave 支持龐大的 Deephi 內核組合，使客戶能夠根據其應用需求從各種算法中進行選擇，從而在邊緣應用中實現出色的推理。

工業邊緣應用的 AI/ML 加速：（少數用例）

智能視頻監控系統：智能平臺結合使用 FPGA 加速和神經網絡在設備上執行智能推理的實時監控和檢測。

直觀的 ADAS：實時計算平臺能夠通過車載 AI/ML 算法生成準確及時的推理，以幫助駕駛員獲取信息以做出適當的決策。

工業自動化：自適應智能設備可以感知、連接和計算大量涌入的數據，執行預測性維護并生成智能直觀的決策。

智能醫療：人工智能/機器學習加速設備，可實時監測和診斷健康狀況，以便及早發現問題或疾病，并為患者提供個性化治療。

毋庸置疑，邊緣計算繼續通過具有競爭力的應用程序徹底改變物聯網生態系統，從而實現最佳消費者體驗。iWave 的 Xilinx/Deephi 平臺提供高性能自適應硬件加速，以最大的靈活性和易用性在邊緣應用中實施 AI/ML 加速，使開發人員能夠以優化的成本和交貨時間加速創新并快速實現設計。

審核編輯：郭婷