自駕車商機誘人，驅動傳統(tǒng)車廠與物聯(lián)網(wǎng)廠商跨界搶進，更加速人工智能(AI)、先進駕駛輔助系統(tǒng)(ADAS)發(fā)展愈趨白熱化。而嵌入式視覺也搭上AI與ADAS發(fā)展的順風車，成為實現(xiàn)自駕車發(fā)展不可或缺的關鍵技術，為了要滿足嵌入式視覺技術的靈活度，低延遲、低功耗與低成本的要素缺一不可。

賽靈思(Xilinx)機器學習資深產(chǎn)品營銷經(jīng)理羅霖談到，在AI高速發(fā)展狀況下，對嵌入式視覺的ASIC芯片開發(fā)帶來巨大挑戰(zhàn)，從傳感器搜集道路行駛資料、基于深度學習感知執(zhí)行路徑規(guī)畫，甚至是提供自動煞車的過程，所需的延遲必須小于100ms，且其中牽涉到許多散熱挑戰(zhàn)，要求芯片功耗需小于5W。此外，該技術對于成本相對敏感，要求主芯片價位范圍介于10~40美元之間。

賽靈思機器學習資深產(chǎn)品營銷經(jīng)理羅霖認為，低延遲、低功耗與低成本是打造嵌入式視覺不可或缺的關鍵要素。

相較之下，采用FPGA支持嵌入式視覺技術，更具可編程的彈性。羅霖分析，雖然采用ASIC開發(fā)嵌入式視覺具備成本與功耗優(yōu)勢，但在AI與深度學習時代，創(chuàng)新的技術或應用不斷發(fā)生，每天都有新的深度神經(jīng)網(wǎng)絡(DNN)出現(xiàn)，而這些神經(jīng)網(wǎng)絡本身是變種、無標準性，也沒有標準化的算法。在此前提下，車廠會要求每個月升級一次神經(jīng)網(wǎng)絡，升級的神經(jīng)網(wǎng)絡不僅改變權重，還包含整體網(wǎng)絡結構與網(wǎng)絡計算顆粒度，變更范圍非常廣。

此外，由于DNN的趨勢發(fā)展下，相機對于分辨率要求的規(guī)格也快速改變，為了因應不同分辨率，提供不同接口支持也成為嵌入式視覺關注的一大重點，相比于ASIC固定式的設計，F(xiàn)PGA可提供彈性化的I/O接口，也成為嵌入式視覺開發(fā)的一大賣點。

雖然FPGA具備彈性、可擴充性的優(yōu)勢，但一直以來為人詬病的地方就在于復雜的軟件定義編程、函式庫與架構上的挑戰(zhàn)。為了解決這項痛點，賽靈思發(fā)布reVISION Stack平臺，提供驗證過并定義完成的基礎平臺，開發(fā)工程師僅須選用開發(fā)工具、架構與函式庫，即可快速進入機器學習應用，有效降低FPGA開發(fā)門坎。

整體而言，賽靈思汽車產(chǎn)品營銷經(jīng)理孫蕾蕾表示，賽靈思FPGA與SoC優(yōu)點是可以用到汽車不同應用，包含前端、雷達與光達應用，其延遲相較于CPU和GPU都還來得低。憑借著Xilinx本身FPGA具備的低延遲、低功耗的性能條件，近期在車用領域已與許多車廠及物聯(lián)網(wǎng)廠商合作，包含戴姆勒、Mobilieye和百度等公司，主要透過AI技術提供前置攝影機、駕駛偵測與自動停車等應用。