美商赛灵思(XILINX) 于Embedded World大会上发布Xilinx reVISION堆叠技术，宣布将赛灵思技术拓展至广泛的视觉导向机器学习应用范畴，完整了最新Reconfigurable Acceleration Stack可重组加速堆叠解决方案，协助用户从边缘到云端都能运用赛灵思技术大幅扩展机器学习的部署。

Xilinx reVISION堆叠技术，广泛的从边缘到云端都能实现赛灵思机器学习应用。

全新reVISION堆叠让更多领域的对于硬体设计不熟悉或不专业的软体及系统工程师，也能够更容易、更快速地开发智慧视觉导向的系统。这些工程师如今在结合机器学习、电脑视觉、感测器融合和连结的应用时，能够获得显著的优势。

reVISION在许多市场催生出许多成长快速的应用，这类应用涵盖包括高阶消费类产品、汽车、工业、医疗、以及航太与国防等领域，以及新一代的应用包含协作机器人或cobot、具备感测与碰撞规避功能的无人机、扩增实境、自动驾驶车、自动监视与医学诊断等领域。在这些应用上，除了差异化至关重要外，其系统亦必须具备极快的反应能力，并快速部署最新的演算法与感测器，大约三分之二的视觉导向半导体应用都属于此类市场。

reVISION为反应最快速的视觉系统铺建了最快的发展途径，相比其他竞争嵌入式GPU与传统SoC，将机器学习推论的每秒每瓦影像效能提升了高达6倍、电脑视觉每秒每瓦每帧处理速度提升了42倍，而延迟却只有五分之一。即使是对硬体不熟悉的开发者也能利用C、C++或OpenCL语言搭配如Caffe与OpenCV这类业界标准框架与函式库，着手于单晶片ZynqR SoC或MPSoC上开发各种嵌入式视觉应用。

利用可重组以及所有形式连结的独特优势，开发者能利用全新堆叠快速研发与部署升级方案。由于包括类神经网路、演算法、感测器技术与介面标准都会持续加速演进，可重组特性对于「支援未来需求」的智慧视觉系统至关重要。

赛灵思reVISION堆叠集众多研发资源在平台、演算法、以及应用等领域的开发。其中包括支援最欢迎的类神经网路如AlexNet、GoogLeNet、SqueezeNet、SSD、以及FCN。此外，堆叠提供了函式库元素，包含针对卷积神经网路(CNN)分层预先定义和作业最佳化，用来建立客制化类神经网路(DNN/CNN)。机器学习元件佐以众多运算加速OpenCV功能，用以执行电脑视觉处理作业。在应用层级开发方面，赛灵思支援业界标准框架，包括专为机器学习的Caffe以及电脑视觉方面的OpenVX。此外reVISION堆叠还包含赛灵思自己与第三方的开发平台，内含众多种类的感测器。

Eyetech Digital Systems公司创办人暨执行长Robert Chappell表示：「运用Zynq SoC打造高解析视觉分析方案，让我们的眼球追踪技术得以造福罹患渐冻症(ALS)或其他瘫痪疾病的人士。全新reVISION堆叠透过利用机器学习的能力进一步创造演算法开发的新机会，让我们拓展我们所提供的人机互动硬体及精进我们主力的眼球追踪产品。」

ARM细分市场行销资深总监Lakshmi Mandyam表示：「嵌入式市场是一个不断发展的应用领域，其中演算法、神经网路和感测器的变化需要目标平台拥有可重组的特性。赛灵思基于ARMR的Zynq技术将有效地部署这些应用，同时加速从边缘到云端创新机器学习的采用。」

赛灵思公司企业策略部门资深副总裁Steve Glaser表示：「我们看见从边缘到云端各领域的业者都对机器学习有着极高的兴趣，相信公司持续投资对堆叠的开发，将加速主流市场采用的脚步。如今已有数百家嵌入式视觉客户透过赛灵思技术获得了超过10倍的效能以及缩短延迟的优势。在reVISION新力军加入后，这些优势现在将扩展到成千上万家客户上。」

reVISION堆叠将于2017年第二季开始出货。