现在人工智能（AI）它已经成为技术领域最时尚的术语之一，通常用来描述互连的智能ECS代理”技术。但是，考虑一下AI可以实现的各种功能，以及AI解决方案产出的结果，AI格局及其开发可以说是非常复杂的。事实上，AI该技术的具体应用不仅区别于许多技术，还决定了其开发方法、开发标准和要求以及需要进行的测试。所以，与其说AI它是一种用于解决复杂技术挑战的定制解决方案网络，包括万象技术。

芯片采购网专注于整合国内外授权IC代理商现货资源，芯片库存实时查询，行业价格合理，采购方便IC芯片，国内专业芯片采购平台。

最近，莱迪思市场营销副总裁Matt Dobrodziej和TECHnalysis Research总裁兼首席分析师Bob O'Donnell在圆桌会议上讨论了特定应用程序的开发AI解决方案的流程问题。本文将回顾会议的主要内容，并决定如何决定具体的应用程序AI开发和创建模型AI模型的挑战，以及如何利用市场上的一些领先技术。

AI成为网络边缘计算的主流和崛起

通过智能手机，曾经难以想象的技术，PC、汽车等各种互联设备进入消费领域，从工厂车间到医疗保健设备的各种商业领域。因为人们是对的AI和机器学习（ML）带着极大的热情，这些技术的创新步伐通常远远超过实现水平。

设计师面临的创造性挑战和机遇在于如何匹配或划分应用模式，使莱迪思目前的设备更加智能和广泛。在过去，操作AI推理应用程序需要大型数据中心强大的计算能力和功能。现在，同样的应用程序可以在本地运行，功耗要低得多，精度只能在服务器上达到。

这种转变的驱动因素主要包括用户安全、隐私和延迟要求以及高效运行AI新模型硬件的出现（其效率与基于服务器的云实现相当）。当地设备越来越多地实现人工智能和数据处理，这对系统开发有很大的影响。

AI问题和解决方案框架

希望进入AI和ML该领域的开发人员正在了解具体情况AI应用和设计目标后，必须识别并采用适当的基础技术。这一过程通常遵循三个步骤：

1. 构思-选择应用和确定相关要求

构建AI应用程序需要了解应用程序的要求，包括性能。应用程序需要多少处理能力？可用的功率预算是多少？电池的大小和效率是多少？请记住，从全局的角度检查正在构建的系统。哪些传感器可以用来获取数据以使应用程序智能化？

2. 设计-构建模型或使用预设模型进行训练

定义参数后，下一个任务是选择合适的模型。模型本质上决定了设计师想要的应用类型和支持所需功能所需的硬件。根据目前的问题，可以选择各种模型，包括开源社区提供的各种模型，如音频处理模型或视觉模型。

3. 测试-确保设计正常工作

从概念到实际解决方案的产品需要大量的测试，以确保其在不同的环境和特定的使用场景中运行。例如，在不同的使用场景和环境条件下，跟踪用户注意力的应用程序需要为所有用户正常工作。测试可以通过不同的方式完成；使用模型验证Tensor Board为了初步了解模型的工作情况，将许多具有代表性的样本引入到模型中。其过回归测试完成其他测试，最好在目标硬件上进行。最后，系统用户体验（UX）在现实生活中，极端案例可以在场景进行测试，发现模型的不足。

FPGA为网络边缘AI创造独特的价值

现场可编程门阵列（FPGA）可以是网络边缘AI带来各种各样的机会。这种灵活的集成电路支持的工作流程开发和最终系统设计，有助于应对AI开发中的许多挑战。

设计师通常必须对硬件的选择做出困难的决定。这些选择可能会限制他们在基本组件的功能上进行额外的工作，而这些选择可能会限制他们在后期的特定设计。FPGA它自身的灵活性使它成为网络边缘计算的理想选择，因为它们可以通过软件更新快速适应，即使它们部署到最终系统中。

随着人工智能的不断变化，其发展和创新往往超过系统设计。在AI和ML在该领域，适应性强、可重新编程的硬件解决方案是跟上创新速度的关键。由于FPGA可编程，可缩短产品上市时间，不限于固定功能，延长系统或应用的生命周期。同样重要的是，它们具有并行处理能力，这对高性能人工智能应用至关重要，可以降低功耗，同时提供更高的性能。

莱迪思Nexus FPGA在配置和运行过程中，平台可以提供低功耗、高性能、小尺寸和安全特性AI和ML解决方案脱颖而出。FPGA根据FPGA对支持的应用类型进行分类：

? 通用型-满足广泛的应用需求

? 嵌入式视觉-视频桥接和处理

? 超低功耗-功耗和设计空间有限的应用

? 系统控制与安全-平台管理与安全应用

除网络边缘外AI解决方案的FPGA外，莱迪思sensAI集合解决方案可以为设计师提供评估、开发和部署FPGA的AI和ML解决方案所需的所有资源都可以加速网络边缘灵活、低功耗推理的集成。莱迪思集成解决方案可以帮助开发人员快速、轻松地部署各种应用程序设备AI功能。

如果您想了解更多关于这个主题的信息，请查看前面提到的圆桌会议。此外，请关注更多关于莱迪思最新半导体和技术趋势的圆桌讨论。