9月17-19日，2020中關村論壇在北京舉行。為期三天的論壇上，來自全球數百位全球產學研界的大咖共聚一堂，圍繞“合作創新·共迎挑戰”這一主題，展開了全面的思想碰撞和交流分享。Imagination Technologies受邀出席本次論壇，公司高管Andrew Grant在9月18日由曠視主辦的“人工智能開源開放與生產力促進論壇”上發表主題演講。 人工智能（AI）作為當前最熱門的科技話題之一，得到了半導體、工業、醫療、消費等幾乎所有領域的關注，Imagination也不例外，一直以來都在不斷加大對AI領域的投入，并且推出了可支持多種AI應用的圖形處理器（GPU）和神經網絡加速器（NNA）知識產權（IP）產品，以及AI協同（AI Synergy）等創新性AI支持技術。 由于無法親自來到大會現場，Imagination高管Andrew Grant以視頻的方式，為參會者帶來了“在邊緣側神經網絡處理器IP中使用開源的AI框架”的主題分享。分享中，他首先介紹了邊緣側推理的發展趨勢和典型應用，然后闡釋了Imagination的NNA和GPU如何支持邊緣推理應用及各種開源AI框架。 Andrew Grant說道：“根據ABI Research的預測，隨著越來越多應用案例的實現，AI芯片的銷售正在持續增長，尤其是在邊緣AI推理方面。邊緣側推理從根本上承擔了以前僅適用于云的工作負載，現在可以在嵌入式設備上運行AI計算，這為移動、工業、安全、物聯網和汽車等領域的各類應用帶來了新的機遇，例如面部識別/驗證、零售自助結賬、機場旅客出入管理、智能工廠、先進駕駛輔助系統（ADAS）和自動駕駛等應用。”

邊緣AI推理為各類應用帶來了新的機遇 關于Imagination的NNA和GPU如何支持邊緣側推理，Andrew Grant作了重點講解。他表示：“對于AI 邊緣推理工作負載，靈活、可編程的并行流水線式GPU或GPGPU是非常理想的，而超快速的NNA則可以提供進一步增強的性能，根據工作量的不同，NNA可以提供比CPU快10-100倍的處理速度，這是數量級上的差距。”

Imagination的NNA擁有眾多優異特性 Imagination的NNA具有4-16位的可變位寬度，使用動態定點數據類型，可以支持用戶對精度進行優化；它可以為Android NN提供過濾器目數選擇，也可以為Tensorflow Lite帶來兼容性和更好的量化特性。總體來說，NNA具有很高的PPA（性能、功耗、面積）效率，可以擴展并且支持多實例。 Imagination的GPU擁有強大的多任務并行處理能力，利用Hyperlane技術，GPU可以同時運行8個獨立的工作負載，這意味著可以執行不同的圖形處理或計算任務。此外，Hyperlane還支持Imagination創新性的AI協同技術，可以利用GPU的備用資源去配合NNA進行AI計算。

用戶可以通過IMG DNN API同時對GPU和NNA進行優化 Andrew Grant還對Imagination如何支持開源AI框架進行了介紹：“Imagination非常歡迎開源社區，并希望支持開發人員更輕松地將其模型轉移至邊緣側。大家知道，基于各種典型網絡的任務應用，可以在PyTorch、Tensorflow、PaddlePaddle等不同框架下實現，再利用ONNX等交換環境導出模型，就可以在邊緣側進行部署。而Imagination提供了一個組合式的DNN API，這樣只需要通過一個API，用戶的網絡就可以同時針對GPU和NNA進行優化。無論用戶使用哪種框架或模型，我們都可以支持其進行部署，從而提高效率，加快上市速度。”