赛灵思重点投入中国市场，开启自动驾驶新篇章

　　FPGA应用：赛灵思激光雷达市场占据主导地位

　　赛灵思的芯片不仅用于几家主要的tier one激光雷达产品中，同时也被多数新创公司的设计采用。Angela Suen介绍说，赛灵思身为新兴激光雷达传感器的领头羊，FPGA产品可以基于硬件和软件的更新，加入FPGA技术的新兴激光雷达传感器预计占市场份额90%以上，可以满足多家知名一级供应商和大多数的初创企业，让想要执行自家专有成像处理演算法的汽车OEM实现差异化。

　　在ADAS辅助驾驶系统的性能安全上，不论是提供高级ADAS功能著称的特斯拉还是主打ADAS技术的 Moileye在自动驾驶中都频发事故，出现这种问题的原因赛灵思也进行了分析。

　　Andy Luo向OFweek电子工程网编辑表示，出现这些情况主要是因为神经网络训练未遇到这种CASE，或者收集的CASE不足。中国跟其他国家的路况完全不一样，即使有些国外最好的车在中国也无法工作，所以在面对中国市场时，各厂商需要采集非常多的资料和信息去做神经网络训练。

　　而在辅助驾驶的可靠和安全性方面，赛灵思认为要结合传感器融合技术，比如摄像头、雷达、激光雷达的融入，使车与车，车与基础设施进行通信。此外，辅助驾驶的可靠性和安全性与车产品自身质量也有很大关系，例如在高温环境下，结温125度的状况，与功能安全设计好不好有很大关系，这意味着在故障出现时能否及时诊断、解决。而赛灵思对功能安全花费了很大功夫，赛灵思通过提供功能安全开发包，提供参考设计，以及各种器件参考模型以提高辅助驾驶系统的功能安全。

　　CNN模型： 赛灵思结合深鉴科技打造全套的SDK

　　两周前赛灵思帮助戴姆勒为汽车系统提供了时延极低且功率高效的解决方案，之后完成收购在神经网络和深度学习有着很深造诣的深鉴科技，赛灵思表示将结合深鉴科技的技术，把DPU IP与SDSoC集成相结合，在生成的SDSOC平台上，实时多传感器与多网络，将CNN与计算机视觉集成相融合，而赛灵思在优化好的CNN IP-ISA基础上，通过功能强大的PE阵列和灵活的数据控制流，可以通用支持各种各样的神经网络，相当于一个完整的工具链，提供了全套的SDK，使得整体性能提高。

　　系统在压缩、编译与运行时，CNN系统级的优化，大大提升了多核原生架构的性能，Caffe或TensorFlow这样的深度学习框架将使用较大的图像数据集对CNN图形进行训练 ，通过多次迭代而对各个系数进行优化，从而检测图像中的具体特征。

　　嵌入式解决方案：面向ADAS和自动驾驶应用的创新

　　ADAS和自动驾驶应用的创新，要归功于赛灵思在ADAS和自动驾驶方面的嵌入式视觉(包括深度学习)的解决方案和案例上。

　　嵌入式视觉解决方案，将是汽车实现全自动驾驶的关键驱动因素。第一步是要采用多个摄像头和图像传感器，而汽车解析来自这些图像的内容并且相应采取行动也至关重要。要做到这一点，嵌入式视觉处理器的硬件必须经过性能优化，同时保持低功耗。

　　针对ADAS应用，Zynq MPSoC将高度并行化的硬件图像处理和分析加速功能与基于软件的算法配置和控制功能紧密结合在一起。

　　赛灵思通过UltraRAM?增加视频缓冲的作用让吞吐量实现了最大化，利用片上层到层数据流，可以让时延大大缩短的同时也扩展了内存可用度。在计算处理帧的时间上，软件的执行速度提升了4倍，使用赛灵思加速OpenCV库进行提速使用xfDense OptFlow 将光流从库迁移到PL，最后优化算法，处理更小的Rol，达到整合各项功能的作用。

　　加码大中华区：开启赛灵思自动驾驶新篇章

　　面对国内外AI和智能市场的竞争，赛灵思向OFweek电子工程网编辑表示，AI行业竞争关系会一直存在，但FPGA是一个不可取代的技术，在低延时、低功耗、低成本上持续有优势，在汽车领域会将赛灵思技术和深度学习进行融合，并已逐步应用于前摄摄像头、自动泊车、驾驶员长时间疲劳驾驶监测等方面。

　　目前中美两国市场的发展都非常令人振奋，机遇巨大，早在今年4月20日，赛灵思宣布首次在中国大陆和台湾成立赛灵思大中华地区，据Maria Tang介绍，赛灵思将增加在大中华区的销售力量，针对大中华地区重点投入，对组织架构等方面的内部问题也将进行加强和调整。赛灵思认为中国市场的发展非常快，在创新方面有高校和人才等非常好的资源优势，未来还将继续在中国市场关注和投资其他很有前途的创业型、创新型的企业。

　　Andy Luo介绍到，赛灵思的技术应用于汽车、无线基础设施、有线通信、音视频与广播、航空航天、工业科学与医疗、测试测量与仿真、消费类电子等行业，将会对我们的生活带来非常大的影响。赛灵思主旨是打造“自适应的智能世界”，将超越 FPGA 的局限，推出高度灵活且自适应的全新处理器及平台产品系列，为用户从端点到边缘再到云端多种不同技术的快速创新提供支持。