0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

集成芯原神经网络处理器IP的AI类芯片已在全球范围出货超1亿颗

芯原VeriSilicon 来源:芯原VeriSilicon 2024-02-29 09:30 次阅读

2024年2月29日,中国上海——芯原股份 (芯原,股票代码:688521.SH) 今日宣布集成了芯原神经网络处理器 (NPU) IP的人工智能 (AI) 类芯片已在全球范围内出货超过1亿颗,主要应用于物联网、可穿戴设备、智慧电视、智慧家居、安防监控、服务器、汽车电子智能手机、平板电脑、智慧医疗等10个市场领域。在过去七年里,芯原在嵌入式AI/NPU领域全球领先,其NPU IP已被72家客户用于上述市场领域的128款AI芯片中。

芯原的NPU IP是一款高性能的AI处理器IP,采用了低功耗、可编程和可扩展的架构设计。它可以灵活配置,以满足客户对芯片尺寸和功耗的不同要求,使之成为具有成本效益的神经网络加速引擎。该IP还配备了广泛且成熟的软件开发工具包 (SDK),支持所有主流的深度学习框架,以确保客户产品能够快速投放市场。

芯原最新推出的VIP9000系列NPU IP提供了可扩展和高性能的处理能力,适用于Transformer和卷积神经网络 (CNN)。结合芯原的Acuity工具包,这款强大的IP支持含PyTorch、ONNX和TensorFlow在内的所有主流框架。此外,它还具备4位量化和压缩技术,以解决带宽限制问题,便于在嵌入式设备上部署生成式人工智能 (AIGC) 和大型语言模型 (LLM) 算法,如Stable Diffusion和Llama 2。

通过利用芯原的FLEXA技术,VIP9000还能与芯原的图像信号处理器 (ISP) 及视频编码器无缝集成,实现低延迟的AI-ISP和AI-Video子系统,且无需DDR内存。它还可以针对特定需求进行定制,以平衡成本和灵活性,从而适应对功耗和空间有严格限制的深度嵌入式应用环境。

“从微控制器到高性能应用处理器,AI功能已成为各类智能设备不可或缺的一部分。基于在图形处理器 (GPU) 领域的深厚技术积累,我们设计出了低功耗、可编程且可扩展的NPU处理器IP,它能高效地处理各类神经网络和计算任务,最小化数据传输,而这些都是推动嵌入式智能设备发展的关键要素。”芯原执行副总裁、IP事业部总经理戴伟进表示,“随着AI技术的快速演进,我们已经达到了类似人类的推理水平,为智能助手的发展提供了坚实的技术基础。芯原正利用自有的高效AI计算能力,以及在超过1亿颗AI类芯片中的部署经验,为嵌入式设备带来服务器级别的AIGC功能。”





审核编辑:刘清

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 处理器
    +关注

    关注

    68

    文章

    18283

    浏览量

    222166
  • 神经网络
    +关注

    关注

    42

    文章

    4574

    浏览量

    98749
  • 人工智能
    +关注

    关注

    1776

    文章

    43863

    浏览量

    230614
  • 芯原
    +关注

    关注

    0

    文章

    62

    浏览量

    11436
  • AI芯片
    +关注

    关注

    17

    文章

    1654

    浏览量

    34383

原文标题:采用芯原NPU IP的AI类芯片已在全球出货超过1亿颗

文章出处:【微信号:VeriSilicon,微信公众号:芯原VeriSilicon】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    用STM32CubeMX导入神经网络,aiRun的indata应该定义成什么格式呢?

    我用STM32CubeMX中的X-Cube-AI, 导入了一个处理时间序列的神经网络网络input是2维数据,如(10,256,2) 在Generate code之后,在main.
    发表于 03-13 07:38

    采用芯原NPU IP的人工智能(AI)类芯片已在全球出货超过1亿颗

    2024年2月29日,中国上海——芯原股份(芯原,股票代码:688521.SH)今日宣布集成了芯原神经网络处理器(NPU)IP的人工智能(AI
    的头像 发表于 03-06 17:10 285次阅读

    采用芯原NPU IPAI芯片已在全球出货超过1亿颗

    芯原股份发布重要消息,其集成了芯原神经网络处理器(NPU)IP的人工智能(AI)类芯片
    的头像 发表于 03-06 10:54 427次阅读

    AI加速架构设计与实现》+第一章卷积神经网络观后感

    AI加速架构设计与实现》+第一章卷积神经网络观感    在本书的引言中也提到“一图胜千言”,读完第一章节后,对其进行了一些归纳(如图1),第一章对常见的
    发表于 09-11 20:34

    基于IDE构建用于STM32微处理器的完整人工智能项目

    本用户手册指导了基于 IDE 逐步构建用于 STM32 微处理器的完整人工智能(AI)项目,自动转换预训练好的神经网络(NN)并集成所生成的优化库。本手册还介绍了 X-CUBE-
    发表于 09-07 06:15

    RISC-V芯片出货量崛起,专利联盟在上海成立

    终端产品需求可定制、安全可靠、低功耗等特点,因此在全球范围内快速崛起。2022年全球采用RISC-V架构的芯片出货量已
    发表于 08-30 23:06

    人工神经网络和bp神经网络的区别

    人工神经网络和bp神经网络的区别  人工神经网络(Artificial Neural Network, ANN)是一种模仿人脑神经元网络结构和功能的计算模型,也被称为
    的头像 发表于 08-22 16:45 3436次阅读

    卷积神经网络和深度神经网络的优缺点 卷积神经网络和深度神经网络的区别

    深度神经网络是一种基于神经网络的机器学习算法,其主要特点是由多层神经元构成,可以根据数据自动调整神经元之间的权重,从而实现对大规模数据进行预测和分类。卷积
    发表于 08-21 17:07 2340次阅读

    卷积神经网络的介绍 什么是卷积神经网络算法

    的深度学习算法。CNN模型最早被提出是为了处理图像,其模型结构中包含卷积层、池化层和全连接层等关键技术,经过多个卷积层和池化层的处理,CNN可以提取出图像中的特征信息,从而对图像进行分类。 一、卷积神经网络算法 卷积
    的头像 发表于 08-21 16:49 1428次阅读

    卷积神经网络的基本原理 卷积神经网络发展 卷积神经网络三大特点

    中最重要的神经网络之一。它是一种由多个卷积层和池化层(也可称为下采样层)组成的神经网络。CNN 的基本思想是以图像为输入,通过网络的卷积、下采样和全连接等多个层次的处理,将图像的高层抽
    的头像 发表于 08-21 16:49 1449次阅读

    卷积神经网络三大特点

    是一种基于图像处理神经网络,它模仿人类视觉结构中的神经元组成,对图像进行处理和学习。在图像处理中,通常将图像看作是二维矩阵,即每个像素点都
    的头像 发表于 08-21 16:49 3620次阅读

    卷积神经网络模型有哪些?卷积神经网络包括哪几层内容?

    、视频等信号数据的处理和分析。卷积神经网络就是一种处理具有类似网格结构的数据的神经网络,其中每个单元只处理与之直接相连的
    的头像 发表于 08-21 16:41 1512次阅读

    卷积神经网络概述 卷积神经网络的特点 cnn卷积神经网络的优点

    卷积神经网络概述 卷积神经网络的特点 cnn卷积神经网络的优点  卷积神经网络(Convolutional neural network,CNN)是一种基于深度学习技术的
    的头像 发表于 08-21 16:41 1939次阅读

    卷积神经网络的应用 卷积神经网络通常用来处理什么

    卷积神经网络的应用 卷积神经网络通常用来处理什么 卷积神经网络(Convolutional Neural Network,简称CNN)是一种在神经网
    的头像 发表于 08-21 16:41 3999次阅读

    卷积神经网络原理:卷积神经网络模型和卷积神经网络算法

    一。其主要应用领域在计算机视觉和自然语言处理中,最初是由Yann LeCun等人在20世纪80年代末和90年代初提出的。随着近年来计算机硬件性能的提升和深度学习技术的发展,CNN在很多领域取得了重大的进展和应用。 一、卷积神经网络模型 (一)卷积层(Convolution
    的头像 发表于 08-17 16:30 919次阅读