美商賽靈思 (XILINX) 於Embedded World大會上發佈Xilinx reVISION堆疊技術，宣佈將賽靈思技術拓展至廣泛的視覺導向機器學習應用範疇，完整了最新Reconfigurable Acceleration Stack可重組加速堆疊解決方案，協助用戶從邊緣到雲端都能運用賽靈思技術大幅擴展機器學習的部署。

Xilinx reVISION堆疊技術，廣泛的從邊緣到雲端都能實現賽靈思機器學習應用。

全新reVISION堆疊讓更多領域的對於硬體設計不熟悉或不專業的軟體及系統工程師，也能夠更容易、更快速地開發智慧視覺導向的系統。這些工程師如今在結合機器學習、電腦視覺、感測器融合和連結的應用時，能夠獲得顯著的優勢。

reVISION在許多市場催生出許多成長快速的應用，這類應用涵蓋包括高階消費類產品、汽車、工業、醫療、以及航太與國防等領域，以及新一代的應用包含協作機器人或 cobot、具備感測與碰撞規避功能的無人機、擴增實境、自動駕駛車、自動監視與醫學診斷等領域。在這些應用上，除了差異化至關重要外，其系統亦必須具備極快的反應能力，並快速部署最新的演算法與感測器，大約三分之二的視覺導向半導體應用都屬於此類市場。

reVISION為反應最快速的視覺系統鋪建了最快的發展途徑，相比其他競爭嵌入式GPU與傳統SoC，將機器學習推論的每秒每瓦影像效能提升了高達6倍、電腦視覺每秒每瓦每幀處理速度提升了42倍，而延遲卻只有五分之一。即使是對硬體不熟悉的開發者也能利用C、C++或OpenCL語言搭配如Caffe與OpenCV這類業界標準框架與函式庫，著手於單晶片ZynqR SoC或MPSoC上開發各種嵌入式視覺應用。

利用可重組以及所有形式連結的獨特優勢，開發者能利用全新堆疊快速研發與部署升級方案。由於包括類神經網路、演算法、感測器技術與介面標準都會持續加速演進，可重組特性對於「支援未來需求」的智慧視覺系統至關重要。

賽靈思reVISION堆疊集眾多研發資源在平台、演算法、以及應用等領域的開發。其中包括支援最歡迎的類神經網路如AlexNet、GoogLeNet、SqueezeNet、SSD、以及FCN。此外，堆疊提供了函式庫元素，包含針對卷積神經網路(CNN)分層預先定義和作業最佳化，用來建立客製化類神經網路(DNN/CNN)。機器學習元件佐以眾多運算加速OpenCV功能，用以執行電腦視覺處理作業。在應用層級開發方面，賽靈思支援業界標準框架，包括專為機器學習的Caffe以及電腦視覺方面的OpenVX。此外reVISION堆疊還包含賽靈思自己與第三方的開發平台，內含眾多種類的感測器。

Eyetech Digital Systems公司創辦人暨執行長Robert Chappell表示：「運用Zynq SoC打造高解析視覺分析方案，讓我們的眼球追蹤技術得以造福罹患漸凍症(ALS)或其他癱瘓疾病的人士。全新reVISION堆疊透過利用機器學習的能力進一步創造演算法開發的新機會，讓我們拓展我們所提供的人機互動硬體及精進我們主力的眼球追蹤產品。」

ARM細分市場行銷資深總監Lakshmi Mandyam表示：「嵌入式市場是一個不斷發展的應用領域，其中演算法、神經網路和感測器的變化需要目標平台擁有可重組的特性。賽靈思基於ARMR的Zynq技術將有效地部署這些應用，同時加速從邊緣到雲端創新機器學習的採用。」

賽靈思公司企業策略部門資深副總裁Steve Glaser表示：「我們看見從邊緣到雲端各領域的業者都對機器學習有著極高的興趣，相信公司持續投資對堆疊的開發，將加速主流市場採用的腳步。如今已有數百家嵌入式視覺客戶透過賽靈思技術獲得了超過10倍的效能以及縮短延遲的優勢。在reVISION新力軍加入後，這些優勢現在將擴展到成千上萬家客戶上。」

reVISION堆疊將於2017年第二季開始出貨。