根据v1版本使用记录和市场评测进一步完善，以应用于更多的实际产品

　　边缘AI领域的领先标杆企业LeapMind有限公司今日公布了其正在开发和授权的超低功耗AI推理加速器IP “Efficiera” v2版本（以下简称“v2”）。LeapMind于2021年9月发布了Efficiera v2的测试版，并收到了许多公司的测试及反馈，包括SoC供应商和终端用户产品设计师。Efficiera v2预计2021年12月开始发售，如有意向获取，请通过此邮箱垂询：business@leapmind.io。

　　LeapMind首席执行官Soichi Matsuda表示：“去年，我们正式推出了v1的商用版本，许多公司对Efficiera进行了评测。截至2021年9月底，我们共与8家日本国内公司签署了授权协议。‘向世界传播采用机器学习的新设备’是我们根据企业理念所设定的座右铭，而我们正通过提供v1来稳步推进这一理念的落地。在未来，我们将进一步通过技术创新和产品阵容扩展，继续努力实现人工智能的普及。”

　　Efficiera v2根据v1的使用记录和市场评测，扩大了应用范围，在保持最小配置的电路规模基础上，可覆盖更广泛的性能范围，并应用于更多的实际产品。产品由此得到了进一步的完善。

　　Efficiera v2概念

　　LeapMind董事兼首席技术官Hiroyuki Tokunaga博士表示：“自去年发布v1以来，我们强化了设计/验证方法和开发流程，旨在‘开发世界上最节能的DNN加速器’。我们一直在开发v2，以使产品能够适用于专用集成电路（ASIC）和专用标准产品（ASSP）。我们还在开发一个深度学习方面的推理学习模型，以便将超小量化技术的优势最大化。LeapMind的最大优势就在于我们可以提供一种技术来实现双管齐下。”

　　Efficiera v2的主要规格与特性

　　A.在保持最小电路规模的同时，覆盖更广泛的性能范围，从而扩大应用范围。

　　硬件特性

　　● 通过多路复用MAC阵列+多核，性能可扩展至48倍

　　V2允许你将卷积管道中的MAC阵列数量增加到v1的3倍（可选择x1、x4），并通过提供多达4个内核的选择，进一步扩大性能的可扩展性。

　　● 除卷积和量化外，还可实现硬件执行跳过连接和像素嵌入

　　1. 跳过连接是多层卷积神经网络（CNN）中常见的一种操作。（v1中由CPU执行）

　　2. 像素嵌入是一种对输入数据进行量化的方法

　　● 资源使用方面，配置与Efficiera 1相同

　　1. 有些应用只因AI功能可在规模有限的FPGA器件上实现就能创造价值。

　　2. LeapMind分析了一个实用型深度学习模型的执行时间，并仔细选择了额外的硬件功能。

　　集成到SoC中

　　● AMBA AXI接口

　　● AMBA AXI interface

　　AMBA AXI继续被用作与外部的接口，并且当接口被视为一个黑盒子时与以前一样，易于从当前设计中迁移。

　　● 单时钟域

　　FPGA中的目标频率

　　● FPGA的运行频率与先前相同，虽然取决于具体设备，但预计约为150到250MHz。

　　1. 256 GOP/s @ 125MHz （单核）

　　2. 高达12 TOP/s @ 250MHz （双核）

　　● 以加密RTL的形式提供

　　B. 通过改进设计/验证方法并审查开发流程，我们确保质量不仅适用于FPGA，也适用于ASIC/ASSP。

　　C. 开始提供一个模型开发环境（NDK），使用户能够为Efficiera开发深度学习模型。目前为止只有LeapMind实现了这项工作。

　　● 为Efficiera创建超小型量化深度学习模型所需的代码和信息包

　　● GPU深度学习模型的开发者可立即上手使用

　　● 支持PyTorch和TensorFlow 2的深度学习框架

　　● 学习环境为一个配备GPU的Linux服务器

　　● 推理环境为一个配备Efficiera的设备

　　● 来自LeapMind的技术支持