神经网络处理器将提升雷达、视觉应用的性能

据外媒报道，自动驾驶需要极为强大的计算能力。然而，目前亟待讨论的话题依然是：何种处理器架构*适合运行目标识别及传感器融合演算法(sen*** fusion algorithms)，以便实现计算机驱动车辆。

铿腾(Cadence)现已通过旗下的泰思立达(Tensilica)推出了一款基于数字信号处理器(DSP)架构的处理器。泰思立达的Vision C5产品旨在运行人工智能引擎的所有神经网络层。

谈及运行人工智能系统，*普遍的方法是利用图形处理器(GPU)，其优点如下：常规计算机的标准图形控制器通常包含许多并联运行的GPU。选用适用的算法后，该类图形设备可被人工智能引擎重复应用，以提供**的性能优势。目前，英伟达(Nvidia)等芯片厂商们在这方面做得很成功，但并非所有人都认为这是*佳的方法。

Tensilica Vision DSP产品系列的产品营销总监普林·迪赛(Pulin Desai)评论道：“该方法需要非常**的GPU，因而其能耗极大。”据Desai表示：“该方法可能适用于**服务器群，对于该类设备而言，能源并非关键因素。若将其应用于车内，就务必要考量嵌入式系统的空间受限、电量受限等问题。”

凭借Tensilica Vision C5 DSP，铿腾采用了截然不同的方式。C5提供了高度集中的计算能力——其尺寸只有不足1平方毫米，其运算性能却达到1 TeraMAC(乘积累加计算步骤，Multiply-Accumulate computing steps)，其高性能主要得益于其超长指令字(VLIW)向量处理指令组(借助128-way，8-bit或64-way，16-bit单指令多数据结构(SIMD)的执行)。该设备还针对可用性要求较高的视觉、雷达、激光雷达和传感器融合应用进行了优化。