視覺應(yīng)用與人工智能（AI）正朝著精細(xì)化的方向發(fā)展，其背后的多種推動(dòng)力中，最重要的兩種是高端智能手機(jī)的先進(jìn)功能以及ADAS（高級駕駛輔助系統(tǒng)）/自動(dòng)駕駛技術(shù)。

智能手機(jī)的面部識別功能需要同時(shí)調(diào)用視覺與AI處理兩種技術(shù)，而且技術(shù)難度不斷增加。最難的部分在于非理想狀態(tài)下的面部識別，如側(cè)臉、戴帽子、部分臉被圍巾遮蓋等。為此，智能手機(jī)的攝像頭變得越來越精細(xì)，采用多種傳感器實(shí)現(xiàn)高動(dòng)態(tài)范圍圖像（HDR）、雙攝變焦、圖像穩(wěn)定等功能。

第二個(gè)推動(dòng)力，即ADAS，它的設(shè)計(jì)需要滿足兩大需求。第一個(gè)是面向特定功能的性能要求，比如行人偵測、駕駛員注意力監(jiān)控、道路偏離預(yù)警；第二個(gè)是降低功耗。大多數(shù)芯片都安裝在空氣流通較差的環(huán)境（沒有風(fēng)扇），甚至極端溫度環(huán)境，如前擋風(fēng)玻璃上后視鏡的背面。

還有一些其他驅(qū)動(dòng)因素，如虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、機(jī)器人、無人機(jī)、監(jiān)控?cái)z像頭等技術(shù)的發(fā)展，它們的需求與上述場景大同小異。

上述功能、視覺和AI技術(shù)通常被集成到單獨(dú)的攝像頭管道，從降噪、視覺后處理等任務(wù)開始，再到圖像分類和分割。有時(shí)候，AI需要先完成場景分類，然后再執(zhí)行HDR或Bokeh焦外成像（模糊處理在日語里被稱作 boke）等精細(xì)圖像處理任務(wù)。

總體看來，目前有以下三種技術(shù)需求：

將視覺和AI處理集成在單一DSP

提升性能

極低功耗的限制

為了滿足這三種技術(shù)需求，新一代Tensilica Vision處理器應(yīng)運(yùn)而生。

全新Tensilica Vision Q6簡介

提高性能，我們考慮了下面幾套可選方案：

增加SIMD寬度或VLIW槽的數(shù)量。但是這樣會(huì)增加編程難度，因?yàn)楹芏嚅e散資源無法有效利用。簡單地增加算力比有效地利用算力要簡單。

多核?？梢粤ⅠR將可用處理能力提高一倍（或更多），但是需要兩倍的本地內(nèi)存，而且很難做到每個(gè)核計(jì)算負(fù)載的平衡

升頻。顯而易見的提高性能的方法，但代價(jià)是面積（成本）和功耗的增加

打造更高性能的新架構(gòu)

Cadence決定采取第四種方案。全新Vision Q6 DSP是第五代產(chǎn)品，面向視覺和AI 應(yīng)用量身打造，采用13級流水線，16nm工藝下可實(shí)現(xiàn)1.5GHz處理器頻率。較上一代P5，相同版圖面積條件下的頻率提升達(dá)50%。峰值性能的效率提高1.25倍。采用標(biāo)準(zhǔn)圖像處理內(nèi)核時(shí)，性能提升可達(dá)2倍。

流水線構(gòu)成如下：

指令前端（3級）

指令解碼與分派（2級）

AR/標(biāo)量整數(shù)管道（5標(biāo)量寄存器/標(biāo)量流水線）

矢量DSP（3級）

讀取和寫入會(huì)在指令解碼一級完成后分別進(jìn)行。同時(shí)，矢量執(zhí)行和標(biāo)量執(zhí)行也分開進(jìn)行，這樣可以提高標(biāo)量性能，并提供了增加標(biāo)量cache的機(jī)會(huì)。該cache可以提高標(biāo)量處理能力50%，而且存儲器速度越慢，cache優(yōu)勢就越明顯（與沒有cache的情況相比）。

Q6的另一個(gè)新特色是添加了一個(gè)分支預(yù)測。流水線越深，這個(gè)功能就越重要，因?yàn)橐坏╁e(cuò)過就必須清空并重新填充流水線。

Q6與P6向上兼容，為P6寫的任何代碼都可以無需修改在Q6上運(yùn)行。但是Q6有一些新指令無法在P6上運(yùn)行。

憑借AXI4互聯(lián)技術(shù)，Q6可以在多處理器環(huán)境中運(yùn)行。用戶不僅可以使用多個(gè)Q6 核，在VQ6的系統(tǒng)中增加VisionC5來分擔(dān)AI的處理。

Q6編程

在芯片上設(shè)計(jì)一大堆高性能處理資源是很容易的，但程序員可能最終無法從高層軟件開發(fā)中獲得這些處理資源。AI采用多種框架，Q6可以實(shí)現(xiàn)以下功能：

安卓神經(jīng)網(wǎng)絡(luò)：在安卓平臺（即非蘋果智能機(jī)）上實(shí)現(xiàn)本地AI應(yīng)用

TensorFlow、TensorFlow Lite、Caffe

定制層支持：用戶可以在標(biāo)準(zhǔn)網(wǎng)絡(luò)基礎(chǔ)上自行添加特殊功能

支持多種標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)（MobileNet、Inception、Resnet、VGG、Segnet、FCN、YOLO、RCNN、SSD等）

安卓神經(jīng)網(wǎng)絡(luò)（ANN）相對比較新，去年10月剛剛發(fā)布，到現(xiàn)在也就半年的時(shí)間。ANN提供的神經(jīng)網(wǎng)絡(luò)API可以讓開發(fā)者無需關(guān)注具體AI處理是在應(yīng)用處理器（通常是高端ARM處理器）還是在專有的AI DSP上執(zhí)行。。Q6支持運(yùn)行在安卓8.1系統(tǒng)（Oreo）的ANN，可實(shí)現(xiàn)實(shí)時(shí)的優(yōu)化執(zhí)行。右圖顯示的是ANN各組件的協(xié)作方式。作為專用處理器（也可稱DSP，術(shù)語不同而已）的Q6位于流程的中心。

上圖中顯示的是現(xiàn)有Tensilica AI工具鏈，也稱為XNNC（Xtensa神經(jīng)網(wǎng)絡(luò)編譯器）。該工具鏈需要一個(gè)神經(jīng)網(wǎng)絡(luò)描述符（在Caffe或Tensorflow框架下）將其編譯成可以在Q6（或P6、C5）上運(yùn)行的代碼。它可以自動(dòng)處理許多管理工作，如DMA和tile管理。Tensilica AI處理技術(shù)采用8位定點(diǎn)權(quán)重，但經(jīng)過幾年的發(fā)展，32位浮點(diǎn)和8位定點(diǎn)也能實(shí)現(xiàn)同樣的精度了（約0.5%量子化誤差），其好處就是可以節(jié)省大量的功耗和面積。

對于HDR、語音身份認(rèn)證、圖像穩(wěn)定等特殊算法，Cadence正與相關(guān)領(lǐng)域的合作伙伴展開廣泛合作。我們還是Khronos公司OpenVX工作組的負(fù)責(zé)人，推動(dòng)視覺處理分流標(biāo)準(zhǔn)的開發(fā)。