AI技术

<strong>本期导读</strong>
在 AI 领域，图像理解是一个重要分支，而图像语义分割，是计算机视觉技术中关于图像理解的重要环节。《用于语义分割的双重超分辨率学习》这篇论文针对的就是计算机视觉中的语义分割算法进行的创新研究。此次研究中的工作主要集中在语义分割领域，我们希望通过提出新的算法思路，促进语义分割领域的研究发展，启发语义分割乃至其他领域的后续研究。

在6月14日-19日举行的 2020 年 CVPR 年度大会上，赛灵思人工智能研发团队的一篇名为《Dual Super-Resolution Learning for Semantic Segmentation（用于语义分割的双重超分辨率学习）》的学术论文成功入选 Oral Paper！此次“语义分割” 研究成果获得 CVPR 这样顶会的支持，再次证明了赛灵思 AI 研发团队在全球计算机视觉与人工智能研究领域的前沿地位。

本周，IBM声称，其神经计算机系统达到了每秒120万帧的训练时间，创下了最新记录。IBM在AI模型训练上实现了大突破，可与最先进的技术相匹敌。网友对此表示简直不敢相信！

全球范围内，每年会安装数千万个 IP 摄像头。如果我们假设全球已经安装了1亿个 IP 摄像头（保守估计），且每台摄像机都在 7x24x365 （当然也有可能上是366）的工作频率下以 30fps 的速度采用非智能方式传输 H.264 编码高清视频，那么，每年所需的总带宽将为约 859Tbps 或 3.4ZB

EdgeBoard是基于FPGA打造的嵌入式AI解决方案，能够提供强大的算力，并支持定制化模型，适配各种不同的场景，并大幅提高设备的AI推理能力，具有高性能、高通用、易集成等特点

Vitis/Vitis AI 入门线上研讨会，开始报名啦！四节中文讲解，快速了解Xilinx统一软件平台，带您解锁全新开发体验！

Vitis AI库是一组高级库和API，旨在通过深度学习处理器单元（DPU）进行有效的AI推理。 它基于具有统一API的Vitis AI Runtime构建，并且完全支持XRT 2019.2。

今天，赛灵思开发者大会（XDF）亚洲站终于在北京拉开帷幕了，与往届 XDF 一样，每次大会我们都会为全球开发者带来一个重磅的消息。今天，赛灵思便宣布了其人工智能推断开发软件平台Vitis™ AI即日起开放免费下载，更多开发者将体验并受益于赛灵思所提供的从边缘到云的人工智能和深度学习推断加速度。

<center><img src="http://xilinx.eetrend.com/files/2019-12/wen_zhang_/100046372-85865-1.jp…; alt=“” width="600"></center><center><i>图：赛灵思执行副总裁兼 DCG 总经理 Salil Raje 宣布了 Vitis/Vitis AI 免费下载的消息</i></center>

卷积神经网络 (CNN) 推断计算成本极高，每次推断都需要数十亿次运算。此外，许多关键应用还需要极低的时延，而且还必须支持极高的帧速率。 鉴于这些限制以及对不足 10W 功耗、高可靠性、安全性和长时间产品使用寿命的需求，我们怎样才能设计出能够提供所需 ML 推断性能的集成式摄像头？

本文是关于Hot Chips 31大会观察与思考的系列文章的最后部分。在这一部分中，我想结合Philip Wong老师的Keynote，一起讨论一下集成电路制造工艺演进的问题，也想谈一下我自己关于制造工艺对于AI芯片创业企业的影响。