瑞薩電子致力于為實現(xiàn)環(huán)保，智能型社會而貢獻(xiàn)力量，而僅通過使用云的大數(shù)據(jù)處理是無法實現(xiàn)更安全和健康的生活的。

憑借瑞薩電子靈活且可擴(kuò)展的嵌入式人工智能（ｅ－ＡＩ）概念，瑞薩電子提供了面向未來的實時低功耗ＡＩ處理解決方案，該解決方案在業(yè)界是獨一無二的，它可在嵌入式端點設(shè)備中實現(xiàn)人工智能的特定需求。

瑞薩電子正在為瑞薩電子的智能工廠，智能家居，智能基礎(chǔ)設(shè)施和新業(yè)務(wù)部門，例如服務(wù)機(jī)器人等重點領(lǐng)域的客戶探索新的嵌入式人工智能解決方案。　瑞薩電子將繼續(xù)與客戶和合作伙伴展開合作。

通過使用由ＵＣ Ｂｅｒｋｅｌｅｙ開發(fā)的Ｃａｆｆｅ或Ｇｏｏｇｌｅ開發(fā)的ＴｅｎｓｏｒＦｌｏｗ，任何人都可以相對輕松地使用ＡＩ（人工智能）。

ＤＮＮ（深度神經(jīng)網(wǎng)絡(luò)）是在各種ＡＩ專業(yè)領(lǐng)域中最常用的算法之一。ＤＮＮ由兩個主要部分組成 ：學(xué)習(xí)和推理。

ＤＮＮ在學(xué)習(xí)和推理執(zhí)行所需的計算量方面存在很大差異，它的一個主要特征是它在推理階段可以以較低的計算能力執(zhí)行。瑞薩電子的ｅ－ＡＩ解決方案提議是在Ｃｌｏｕｄ方面繼續(xù)學(xué)習(xí)執(zhí)行，但推理執(zhí)行轉(zhuǎn)移到ＭＣＵ／ＭＰＵ。 優(yōu)點是它可以支持更安全，可靠，快速的ＡＩ系統(tǒng)。

為了在嵌入點中執(zhí)行推理階段，嵌入式ＡＩ　方案有兩個主要挑戰(zhàn)：

１．嵌入式系統(tǒng)實現(xiàn)ＡＩ的難點在于，ＡＩ系統(tǒng)和ＭＣＵ／ＭＰＵ的語言不同。將ＡＩ模型轉(zhuǎn)換到ＭＣＵ／ＭＰＵ并不容易。瑞薩電子需要有一個有效的工具來轉(zhuǎn)換模型，然后妥善適合ＭＣＵ／ＭＰＵ存儲區(qū)。備注：Ｐｙｔｈｏｎ是在許多ＡＩ模型中比較通用的語言，而ＭＣＵ的控制程序通常用Ｃ／Ｃ＋＋。

２．ＡＩ推理將遷移到邊緣和端點系統(tǒng)，作為新的硬件架構(gòu)解決方案，　它必須真正平衡行業(yè)領(lǐng)域的要求，包括解決功率效率，市場靈活性，功能安全要求和實時響應(yīng)。

瑞薩電子有相關(guān)的技術(shù)和開發(fā)環(huán)境來解決這兩個問題。

１．支持ｅ－ＡＩ開發(fā)環(huán)境

瑞薩電子ｅ－ＡＩ人工智能開發(fā)環(huán)境可以把學(xué)習(xí)后的ＡＩ模型輸入到ｅ－ＡＩ翻譯器，并將其轉(zhuǎn)換為ｅ2Ｓｔｕｄｉｏ　Ｃ／Ｃ＋＋項目的可用形式。它是一種方便易用的工具，把ＡＩ功能簡單地實現(xiàn)到ＭＣＵ／ＭＰＵ上。

２．ＤＲＰ技術(shù)實現(xiàn)低功耗ＡＩ處理。

動態(tài)可重配置處理器（ＤＲＰ）是一種可編程架構(gòu)，可動態(tài)切換數(shù)據(jù)路徑，使高度復(fù)雜的加速器能夠在不增加功率要求的情況下運(yùn)行并行指令。
?。疲校牵?/span>和ＤＲＰ在邏輯中使用類似的布線結(jié)構(gòu)和并行技術(shù)，但ＤＲＰ由大型子組件組成，而不是像ＦＰＧＡ那樣的細(xì)粒度配置。這意味著ＤＲＰ重新配置所需的時間比包括ＦＰＧＡ在內(nèi)的其他架構(gòu)要少。

ＤＲＰ的可配置性允許架構(gòu)繼續(xù)適應(yīng)和支持深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的變化。ＤＲＰ技術(shù)具有高速處理能力和消耗更少功率在嵌入式ＡＩ系統(tǒng)擁有明顯優(yōu)勢。

瑞薩電子（香港）產(chǎn)業(yè)解決方案中心工業(yè)和家電部高級專家 王志航