最近，Imagination參加了在底特律密歇根科學(xué)中心舉辦的AutoSens大會(huì)，本次大會(huì)主要面向汽車傳感器行業(yè)的工程師和相關(guān)人士，Imagination在會(huì)議中展示了公司在汽車領(lǐng)域的持續(xù)投入。

會(huì)議期間Imagination展臺(tái)上重點(diǎn)展示的是我們的神經(jīng)網(wǎng)絡(luò)加速器，包括在我們GPU平臺(tái)以及最近推出的PowerVR Series 2NX FPGA平臺(tái)上的運(yùn)行效果。

首先我們?cè)贑hromebook筆記本上運(yùn)行一個(gè)實(shí)時(shí)Demo，展示了用單鏡頭監(jiān)測(cè)器（SSD）快速檢測(cè)和分類諸如人臉等對(duì)象的能力，令人印象深刻的是即使采用的GPU已經(jīng)有幾年的歷史了，但是仍然取得了出色的性能。

我們還展示了一段視頻，介紹的是相似的Demo運(yùn)行在我們最新的PowerVR Series2NX FPGA系統(tǒng)平臺(tái)上的運(yùn)行效果，包括對(duì)象檢測(cè)以及對(duì)象分類等操作。

另一個(gè)Demo主要介紹的是GPU，運(yùn)行在宏碁（Acer）Iconia平板電腦上。我們已經(jīng)寫了一篇博客來向大家介紹體積相對(duì)較小的Series8XE內(nèi)核，并且性能足夠處理汽車應(yīng)用內(nèi)環(huán)繞圖像所用到的3D模型。

汽車模型會(huì)以不同等級(jí)的復(fù)雜度進(jìn)行顯示，從100萬(wàn)個(gè)三角形降低到50萬(wàn)然后是25萬(wàn)個(gè)，我們能夠明顯的看出低計(jì)數(shù)模型相比高計(jì)數(shù)模型在視覺逼真度上效果差一些，這其實(shí)就是幀率的好處。

會(huì)議本身涉及了很多主題，第二天主要集中探討傳感器技術(shù)的最新發(fā)展，第三天的議題則是AI（人工智能）和神經(jīng)網(wǎng)絡(luò)，討論它們是如何工作的以及它們?cè)谳o助和自動(dòng)駕駛方面應(yīng)用的有效性。

深度學(xué)習(xí)領(lǐng)域一個(gè)共同的主題是需要有大量的數(shù)據(jù)集來訓(xùn)練這些網(wǎng)絡(luò)，這樣汽車才可以盡可能多的體驗(yàn)不同的場(chǎng)景。根據(jù)這份報(bào)告，一輛自動(dòng)駕駛汽車需要行駛數(shù)十億英里才能夠顯示出它的可靠性，但是這十億英里的路程在哪里也很重要——絕不可能在附近的街區(qū)來回行駛。

現(xiàn)在人們還一致的認(rèn)為自動(dòng)駕駛汽車用的服務(wù)器實(shí)際上并不實(shí)用，你可以在汽車系統(tǒng)內(nèi)集成一個(gè)高端的桌面或服務(wù)器級(jí)別的GPU來完成所有自動(dòng)駕駛所需要處理操作，但是消耗的功率會(huì)非常的高以至于續(xù)航很短，這樣的話行駛的里程也不實(shí)用。此外你可能也不會(huì)有額外的空間用于購(gòu)物（是的，我們知道大家會(huì)在車上放很多的雜物，而且還想要更多的空間來安放東西）。

在本次展會(huì)上對(duì)于高性能神經(jīng)網(wǎng)絡(luò)加速器的需求是明確的，我們的PowerVR NNA具有非常高的性能參數(shù)，它是解決當(dāng)前市場(chǎng)需求的完美選擇。

我們期待參加更多的汽車技術(shù)展會(huì)，比如AutoSens，這樣我們才能夠親自向業(yè)界展示為什么Imagination推出的IP資源非常適合汽車領(lǐng)域。

最后也要感謝史蒂芬·艾爾德曼（Stephen Alderman）對(duì)這份報(bào)告所作出的貢獻(xiàn)。