在高度連接的 5G 世界中，高速、低時延的無線通信必不可少。5G 網(wǎng)絡生成了海量數(shù)據(jù)，這些數(shù)據(jù)必須通過光纖電纜，在射頻和基帶之間同步傳輸。因此需要一個具有光連接能力的龐大網(wǎng)絡，這將大幅增加企業(yè)在網(wǎng)絡上的資本支出。

在 5G 無線接入網(wǎng) (RAN) 中，使用人工智能 (AI) 技術(shù)壓縮射頻和基站之間交換的數(shù)據(jù)。英特爾和 MathWorks 使用基于 AI 的自動編碼器壓縮信道狀態(tài)信息數(shù)據(jù)，以減少前傳流量。

基于 AI 的壓縮不僅能保證用戶數(shù)據(jù)完整性，這些壓縮算法還能維持通信系統(tǒng)的可靠性和性能標準。此外，實施 CSI 壓縮和自動編碼器還會帶來其他優(yōu)勢，包括減少數(shù)據(jù)和降低誤塊率。這有利于移動網(wǎng)絡運營商減少前傳流量，降低總體前傳帶寬要求，最終節(jié)省成本。

MathWorks 和英特爾使用 MathWorks MATLAB* 和 Simulink*、面向英特爾 FPGA 的 DSP Builder、英特爾 Quartus Prime 設(shè)計軟件、英特爾 FPGA 人工智能套件和針對英特爾 SoC FPGA 的 OpenVINO 工具箱來支持基于 AI 的前傳壓縮技術(shù)。

借助領(lǐng)先的英特爾工具和技術(shù)，硬件開發(fā)者可以使用英特爾 FPGA、MathWorks 5G 工具箱* 和深度學習工具箱，將 AI 無縫集成至 5G RAN 中。

MathWorks：簡化英特爾 FPGA 的無線和 AI 開發(fā)

MathWorks 深度學習工具箱提供用于設(shè)計和實施深度神經(jīng)網(wǎng)絡的算法、預訓練模型和應用。您可以使用面向英特爾 FPGA 的 DSP Builder，將 MATLAB 函數(shù)和 Simulink 模塊直接轉(zhuǎn)化為 HDL 或 Verilog，并將其用于 5G 無線應用。Simulink 包括用于模擬和硬件部署的多個庫，您可以在 Simulink 中利用 DSP Builder 模塊生成針對英特爾 FPGA 優(yōu)化的 HDL 代碼。

英特爾 FPGA 人工智能套件：簡單易用

英特爾 FPGA 人工智能套件的目標是幫助用戶在英特爾 FPGA 上實現(xiàn)易于使用的 AI 推理應用。套件的工具流將 MathWorks 深度學習工具箱和英特爾 FPGA 人工智能套件結(jié)合在一起，以支持 FPGA 設(shè)計人員、機器學習工程師和軟件開發(fā)者設(shè)計與實施經(jīng)過優(yōu)化的 FPGA AI 應用。

英特爾 FPGA 人工智能套件中的庫使用流行的行業(yè)框架（例如 TensorFlow* 和 PyTorch*）和 OpenVINO 工具套件加快基于 FPGA 的 AI 推理應用的開發(fā)速度，同時在英特爾 Quartus Prime 設(shè)計軟件 IDE 中構(gòu)建強大且業(yè)經(jīng)驗證的 FPGA 開發(fā)流程。

英特爾 FPGA 人工智能套件與開源項目 OpenVINO 工具套件協(xié)同運行，從而優(yōu)化各種硬件架構(gòu)上的推理。OpenVINO 工具套件對來自所有主流深度學習框架（例如 TensorFlow、PyTorch 和 Keras*）的深度學習模型進行優(yōu)化，以便在 CPU、CPU+GPU 和 FPGA 等各種硬件架構(gòu)上執(zhí)行推理。




審核編輯：劉清