Socionext Inc. 宣布已開發出一種新的神經網路加速器（NNA, Neural Network Accelerator）引擎，可優化邊緣運算裝置的AI處理。

傳統VPU與具備NNA的VPU之差異。

這項體型輕巧、極低功耗的引擎是專為深度學習推論處理而設計，與傳統影像辨識所用的電腦視覺處理器相比，性能可提升達100 倍。

Socionext 將從 2018 年第三季開始提供軟體開發套組（SDK），未來並計畫推出結合NNA的SoC產品。

Socionext 目前提供的圖像顯示控制器「SC1810」內建專屬的視覺處理器（VPU，Vision Processor Unit），與標準化組織Khronos Group開發的電腦視覺API「OpenVX」相容。

NNA在設計上正是要做為擴展下一代圖像顯示控制器的VPU能力的加速器，應用範圍包括汽車和數位看板，透過深度學習及傳統的影像辨識執行多種電腦視覺處理功能，以便在較低功耗下提供更高的性能。

Socionext的NNA是基於獨家開發的專屬架構與量子化技術，將深度學習處理的演算參數低位元化，以最少量的資源執行大量的計算任務，在大幅減少數據量的同時降低系統記憶頻寬；此外，新開發的晶片內建記憶體電路，因此能以極小的封裝展現最佳性能。相比於傳統的VPU產品，這款搭載NNA的VPU在影像辨識處理速度上提升達100倍。

Socionext將從2018年第三季起提供軟體開發套組（SDK）供 FPGA 實現 NNA。此SDK支援TensorFlow，並提供專用的量化技術庫，以及從學習模型到推論處理的數據轉換工具。

隨著NNA的學習環境優化，使用者即使不具備深度學習位元縮減所需的模型壓縮或學習調整知識，依然能夠有效建構出自己的模型。Socionext正規劃提供開發環境供各種應用廣泛使用，透過支持各種學習架構，讓使用者開發出他們的深度學習應用產品。

Socionext將繼續推出結合NNA的SoC產品；應用對象如：從汽車攝影機拍到的高精度物體偵測影像，例如行人和自行車，可用於輔助駕駛或自動停車。另一項重要的應用則是顯示系統，例如電視和數位看板。NNA能為超解析度處理大幅改善影像辨識能力，且有助於4K/8K螢幕的高清晰度成像。

Socionext將持續創新，開發出高效能、高性能的產品，為邊緣運算環境的不同挑戰提供各種AI應用