6月20日，中星微发布中国首款嵌入式神经网络处理器（NPU），该芯片已于今年3月6日实现量产。
国家重点实验室执行主任张韵东介绍说，NPU采用了“数据驱动并行计算”的架构，彻底颠覆了传统的冯诺依曼架构。这种数据流（Dataflow）类型的处理器，极大地提升了计算能力与功耗的比例，特别擅长处理视频、图像类的海量多媒体数据，使得人工智能在嵌入式机器视觉应用中可以大显身手。
张韵东表示，这款被命名为“星光智能一号”的芯片是中星微“星光中国芯”工程的最新成果，已成功在视频监控领域实现产业化，并可广泛应用于智能驾驶辅助、无人机、机器人等嵌入式机器视觉领域。
在不久前的人机大战中，AlphaGo依靠模仿人脑生物机理的深度学习算法而击败人类。深度学习，是源于对生物人脑机理的仿生学研究而形成的一种人工智能算法。作为深度学习神经网络的一种，卷积神经网络CNN （Convolutional Neural Network）算法，已成为当前人工智能机器视觉领域的研究热点。CNN算法模型的特性可以概括为海量的输入数据、大规模的MAC运算、稀疏的权值矩阵、灵活的数据位宽和多样的网络拓扑等特性。
张韵东介绍，NPU是针对CNN的算法模型特性而专门设计的一款神经网络处理器。每个NPU处理器具有4个内核（NPU Core），每个内核有两个数据流处理器（Dataflow Processor）, 每个数据流处理器具有8个长位宽或16个短位宽的SIMD（单指令多数据）运算单元。在一个时钟周期内可同时完成64个长位宽MAC运算或者128个短位宽MAC运算。每个NPU核具有38G Ops的长位宽处理能力或者76G Ops的短位宽处理能力。NPU的处理性能可以组成多核阵列来提升，也可以通过多芯片级联的方式进一步扩展，以满足更复杂的CNN网络运算的性能需求。
“每个NPU核还具有256KB Level-2 Cache，以及整块数据搬移（Block Data Access），片内数据共享（Data-sharing Between Processor Units），提升数据流的吞吐效率。” 张韵东表示，在软件方面，利用了稀疏数据优化（Optimization for Sparse Data）等特性提高计算效率。“NPU支持Caffe、TensorFlow等多种神经网络框架, 支持AlexNet、GoogleNet等各类神经网络。”
15901824610