Socionext Inc. 宣布已开发出一种新的神经网路加速器（NNA, Neural Network Accelerator）引擎，可优化边缘运算装置的AI处理。

传统VPU与具备NNA的VPU之差异。

这项体型轻巧、极低功耗的引擎是专为深度学习推论处理而设计，与传统影像辨识所用的电脑视觉处理器相比，性能可提升达100 倍。

Socionext 将从 2018 年第三季开始提供软体开发套组（SDK），未来并计画推出结合NNA的SoC产品。

Socionext 目前提供的图像显示控制器「SC1810」内建专属的视觉处理器（VPU，Vision Processor Unit），与标准化组织Khronos Group开发的电脑视觉API「OpenVX」相容。

NNA在设计上正是要做为扩展下一代图像显示控制器的VPU能力的加速器，应用范围包括汽车和数位看板，透过深度学习及传统的影像辨识执行多种电脑视觉处理功能，以便在较低功耗下提供更高的性能。

Socionext的NNA是基於独家开发的专属架构与量子化技术，将深度学习处理的演算叁数低位元化，以最少量的资源执行大量的计算任务，在大幅减少数据量的同时降低系统记忆频宽；此外，新开发的晶片内建记忆体电路，因此能以极小的封装展现最隹性能。相比於传统的VPU产品，这款搭载NNA的VPU在影像辨识处理速度上提升达100倍。

Socionext将从2018年第三季起提供软体开发套组（SDK）供 FPGA 实现 NNA。此SDK支援TensorFlow，并提供专用的量化技术库，以及从学习模型到推论处理的数据转换工具。

随着NNA的学习环境优化，使用者即使不具备深度学习位元缩减所需的模型压缩或学习调整知识，依然能够有效建构出自己的模型。Socionext正规划提供开发环境供各种应用广泛使用，透过支持各种学习架构，让使用者开发出他们的深度学习应用产品。

Socionext将继续推出结合NNA的SoC产品；应用对象如：从汽车摄影机拍到的高精度物体侦测影像，例如行人和自行车，可用於辅助驾驶或自动停车。另一项重要的应用则是显示系统，例如电视和数位看板。NNA能为超解析度处理大幅改善影像辨识能力，且有助於4K/8K萤幕的高清晰度成像。

Socionext将持续创新，开发出高效能、高性能的产品，为边缘运算环境的不同挑战提供各种AI应用