在汽车领域的人工智能应用中，尤其是涉及数据密集型或传感器驱动的应用，专业的人工智能硬件至关重要。
这些人工智能加速器不仅提供了强大的计算性能，胜过传统的 GPU, FPGA，而且也显著地降低了功耗。
“人工智能的涌现，伴随着专用的硬件加速器，大大增强了汽车对周围环境的感知。随着软件和硬件的不断更新，汽车可获得越来越多的自动驾驶能力。”
《汽车人工智能计算》报告，2020年5月Ambarella 的人工智能加速器，简称为CVflow®，为汽车应用中的高性能计算机视觉、神经网络计算和机器学习量身打造。这将带来怎样的变革呢？基于 CVflow® 加速的解决方案因此可同时运行多个神经网络，每个神经网络都经过事先训练，可在各种交通场景中检测不同类别的对象，以及执行复杂的场景分割——所有这些都通过低功耗系统设计以及成熟可靠的技术完成。
我们基于 CVflow® 加速引擎的 Soc 芯片拥有 ARM Cortex-A53 CPU，在运行传统的计算任务外，还允许并执行智能任务，如目标跟踪或决策。
基于 CVflow® 加速的案例研究：前视 ADAS 解决方案为了帮助大家了解 CVflow® 架构的优越型之处，我们来看看已快速成为新潮汽车的标准配置——前视的 ADAS 摄像头。作为一个独立的设备，此类摄像头需要在设备上实现高速而复杂的计算机视觉处理，而且其功耗必须限定在严格范围内——通常整个系统的功耗在 5 瓦以下。由于它在汽车上所处的位置（汽车前面挡风玻璃的顶部），决定了 ADAS 前置摄像头必需相对紧凑和时尚，在不牺牲性能的前提下占用最少的空间。
该设备需要检测大量的物体，并应用复杂的行为模型来评估和预测物体在动态场景中的运动轨迹，并精确而且及时地向驾驶员发出警告，甚至触发紧急制动等关键干预措施。
目前已经量产的前视 ADAS 解决方案标配单摄像头，分辨率通常在 100 万到 200 万像素之间，这是一个相对适中的技术要求。但是，下一代前视 ADAS 摄像头有望实现 800 万像素的分辨率，从而使得 ADAS 可以支持更远的工作距离，而且在近距离也可以获得更广视角。 通过 CVflow® 加速，我们的计算机视觉 SoC 芯片完全能够满足这一艰巨的挑战——低功耗，高性能, 通过高分辨率的视觉感知给汽车边缘计算赋能。
“我们选择 Ambarella 的带有 CVflow® 架构的 SoC 芯片，是因为它们能够在极低功耗的情况下提供非常强大的计算机视觉处理性能。”
HELLA Aglaia表示。CVflow® 的关键特性是什么? 灵活的神经网络加速引擎设计，可直接支持各种常见的深度学习框架，如 TensorFlow, PyTorch, Caffe，或ONNX覆盖从低到高不同性能，不同价位的全系列产品灵活支持各种常见的神经网络架构更低的 DRAM 带宽占用，低延迟，低功耗成熟稳定的配套软件工具
CV2FS 视觉感知处理器的框图。
注：本文出自公众号【 Ambarella安霸半导体】，版权归原作者所有。
