“软硬”结合丨深思考“芯片+算法”助力临港海、陆、空无人系统

5月8日，由上海临港管委会主办，临港科技城公司、临港海洋高新、通航联盟承办的“临港地区陆、海、空无人系统综合示范区启动暨集中签约仪式”在临港成功举办。上海市经信委、上海市科委、临港管委会、临港地区各开发公司相关领导及人工智能领域相关企业代表参加了此次活动。

此次活动发布了《临港地区人工智能与实体经济融合方案》、《临港地区陆、海、空无人系统综合示范区规划方案》，并与参与建设的相关企业进行集中签约，囊括了中国移动、华为、地平线、深思考等一批人工智能领域中的标志性企业。其中，深思考人工智能凭借深度学习算法+深度学习处理器的软硬件一体化方案，作为无人机企业中的芯片算法技术支持同奥科赛、曜宇航空、祺步智能、华为等无人机企业与临港科技城和通航联盟签约，引发各界关注。

深度学习AI芯片

以往的深度学习技术研究，往往基于CPU或GPU。但一方面云端服务网络带宽小功耗大，两者不适于频繁的内存读取，继而更不适于规模大层数多的神经网络。另一方面，实际应用中遇到的落地难、渠道难、成本过高等问题也成为芯片研发路上的绊脚石。

深思考人工智能研发的iDeepWise M-DPU深度学习AI芯片，其体积小、功耗低、计算实时性高且价格低，相比于构建集群处理的云服务模式，M-DPU芯片具有更智能、成本低、计算实时性强等优势。为专用领域（如智能视频处理、安防监控、ADAS、医疗图像处理等）的人工智能与深度学习计算提供高性能硬件加速，赋予智能终端高性能、高可靠、实时的深度学习计算能力。M-DPU芯片的加入为无人机产业的研发，临港地区无人系统的建设提供了加速剂。

深度学习算法压缩技术

深度学习算法的参数量一般很大，大量的参数传递使得系统带宽紧张并制约了深度学习计算的速度。iDeepWise具备特有的深度学习算法压缩技术（DeePress Tech.），可对深度学习算法的参数进行10X~50X的压缩，在精度损失不超过1%的情况下，大大提高了计算速度。深思考的这项算法压缩技术，让深度学习算法更小更快，使得其更加适合于无人系统的嵌入式计算，让临港地区无人系统的建设如虎添翼。

深度学习片上系统设计服务

基于行业应用，iDeepWise将深度学习核心芯片、深度学习算法压缩进行了软硬一体化的垂直整合与深度优化，为企业客户提供深度学习计算SoC（System on Chip，片上系统）的设计整合方案，在65nm / 45nm / 40nm / 28nm / 16nm等先进工艺节点为客户提供独特的深度学习芯片设计支持，将人工智能体验提升至运算性能巅峰，为人工智能的各领域提供算力支持。