AI算力加速担当—AIM16T，充分展示其优秀的AI性能

AI技术发展已进入高速时代，企业纷纷探索利用人工智能技术为其行业赋能；因此，我们需要一款能够将高性能AI技术集成到设备的AI模组，从而提供智能化的解决方案，更高效地加速各种基于深度学习的算法框架搭建–以实现行业快速智能化升级。

寒武纪联合英码科技发布的 AIM16T AI模组 就是一款为加速提升智能化而推出的产品，采用寒武纪MLU220 AI处理器，具有高算力、强性能、低功耗以及兼容性好等特点，支持caffe/tensorflow/pytorch/mxnet多种主流算法框架，轻松部署推理环境，可对计算资源做直接定制，非常适合于高要求的算法应用，如姿态识别、热区分析、行人重识别等算法框架，以满足多样化AI定制要求；另外，针对企业的算法平台切换、场景算法定制等需求，英码AI软件服务提供一对一的技术咨询、Demo程序、开发文档以及相关技术支持，以最大程度降低切换与开发的难度及成本，使企业在更短时间内实现应用升级，加快智能产品上市。

AIM16T 平台架构   

AIM16T 常规模型性能 

AIM16T 性能测试    

1、USB3.0测试

写测试：dd if=/dev/zero of=/cambricon/app/test1 bs=1M count=1000 conv=fsync

读测试：dd if=/cambricon/app/test1 of=/dev/null bs=1M

2、TF卡读写测试

写测试：ddif=/dev/zero of=/cambricon/app/test1 bs=1M count=1000 conv=fsync

读测试：ddif=/cambricon/app/test1 of=/dev/null bs=1M

3、TCP网络吞吐测试

网口0吞吐测试：

网口1吞吐测试：

4、EMMC读写测试

写测试：

dd if=/dev/zero of=/cambricon/test1 bs=1M count=100conv=fsync

读测试：

dd if=/cambricon/test1 of=/dev/null bs=1M

AIM16T 参数对比     

AIM16T 算力&功耗对比 

AIM16T 人脸检测演示 

人脸检测DEMO，由4路IPC视频流输入，经过视频流处理，然后进入芯片的NPU运行YOLO人脸检测算法，最后4路同时通过HDMI输出显示，模型的检测流程如下：

模型在AIM16T AI模组上处理过程流畅，充分展示其优秀的AI性能。

fqj