在數(shù)字化工業(yè)的新浪潮中，西門子數(shù)字化工業(yè)軟件再次引領潮流，日前推出了名為Catapult? AI NN的革新性軟件，旨在為神經(jīng)網(wǎng)絡加速器在專用集成電路（ASIC）和芯片級系統(tǒng)（SoC）上實現(xiàn)高層次綜合（HLS）提供強有力的支持。Catapult AI NN的推出，標志著西門子在人工智能（AI）與硬件設計融合領域邁出了堅實的一步。

Catapult AI NN不僅僅是一個軟件工具，它更是一個綜合性解決方案的集合體。它擁有獨特的能力，可以從AI框架中捕獲神經(jīng)網(wǎng)絡的詳細描述，隨后將這些描述轉化為高效的C++代碼，并進一步合成為Verilog或VHDL語言的RTL加速器。這樣的流程確保了神經(jīng)網(wǎng)絡能夠順利地在芯片中得以實現(xiàn)，為開發(fā)者帶來了前所未有的便利和靈活性。

值得一提的是，Catapult AI NN集成了兩大開源技術：hls4ml和西門子Catapult? HLS軟件。hls4ml是一個專門用于機器學習硬件加速的開源軟件包，而Catapult? HLS軟件則是西門子在高層次綜合領域的杰出代表。兩者的結合，使得Catapult AI NN在神經(jīng)網(wǎng)絡加速器設計方面具備了極高的定制性和優(yōu)化能力。

這一創(chuàng)新性的解決方案背后，是西門子與美國能源部費米實驗室以及其他為hls4ml做出貢獻的機構的緊密合作。他們共同面對的挑戰(zhàn)是，如何滿足機器學習加速器設計在功耗、性能和面積（PPA）方面的獨特要求。Catapult AI NN的推出，正是對這一挑戰(zhàn)的積極回應。

西門子數(shù)字化工業(yè)軟件副總裁兼高層次設計、驗證和功耗總經(jīng)理Mo Movahed表示：“在神經(jīng)網(wǎng)絡模型的交接過程，以及將其手動轉換為硬件實現(xiàn)的過程中，效率往往非常低下，耗時且容易出錯。特別是在針對特定性能、功耗和面積定制的硬件加速器變體時，這一問題尤為突出。Catapult AI NN的推出，將極大地提升AI/ML軟件工程師的開發(fā)效率，實現(xiàn)加速創(chuàng)新?！?/p>

隨著AI和機器學習任務的日益普及，從數(shù)據(jù)中心到消費電器、醫(yī)療設備等領域，對于合適大小的AI硬件的需求也在快速增長。Catapult AI NN的推出，正是為了滿足這一市場需求。與傳統(tǒng)的C++、Verilog或VHDL相比，多數(shù)機器學習專家更習慣于使用TensorFlow、PyTorch或Keras等工具。而Catapult AI NN的出現(xiàn)，為他們提供了一個無縫銜接的橋梁，使得他們能夠在不改變原有工作流程的前提下，將神經(jīng)網(wǎng)絡模型高效地轉換為ASIC或SoC設計。

hls4ml的原始目標是將AI框架中的神經(jīng)網(wǎng)絡描述轉化為C++代碼，以便在FPGA、ASIC或SoC上實現(xiàn)。而Catapult AI NN則將hls4ml的功能擴展到了ASIC和SoC設計領域，提供了針對ASIC設計的專用C++機器學習功能資源庫。這使得設計人員能夠在不同的C++代碼實現(xiàn)之間進行延時和資源方面的權衡，從而實現(xiàn)PPA的優(yōu)化。

費米實驗室的新興技術主管Panagiotis Spentzouris表示：“粒子探測器對邊緣AI有著嚴格的約束條件。我們與西門子合作開發(fā)的Catapult AI NN，為我們提供了一個綜合性框架，使得我們的科學家和AI專家能夠充分利用他們的專業(yè)知識，即便他們并不是ASIC設計人員。這種框架同樣適用于經(jīng)驗豐富的硬件專家。”

目前，Catapult AI NN已經(jīng)向早期采用者提供，并計劃于2024年第4季度全面推向市場。這一創(chuàng)新的解決方案將極大地推動神經(jīng)網(wǎng)絡加速器設計的發(fā)展，為AI技術的廣泛應用提供強有力的支持。