11月16日消息，一家名为Deep Vision的初创公司出现了一款新的人工智能处理器，其芯片设计新颖，更适合边缘生物识别应用，如智慧城市和智慧零售，其中更低的能耗是一个关键要求。

虽然其他即将上市的芯片同样瞄准智能摄像头和边缘网关等低功耗应用，但Deep Vision的表示，其芯片设计和软件工具共同采取了不同的方法，将使设备能够显著提高图像识别、物体跟踪和其他功能，并比竞争对手具有更好的计算机视觉精度和更低的延迟。例如，在零售银行和杂货店生物识别等应用中，摄像头将能够更准确地追踪更多的人；其他应用包括舱内监控乘客与面部识别，以实现车辆的自动运行。

Deep Vision的芯片是围绕着一个数据架构而设计的，该架构能够处理不同的数据流，以最大限度地减少片上数据移动。Deep Vision首席执行官Ravi Annavajjhala表示，将数据贴近计算引擎可以最大限度地减少数据移动，确保高推理吞吐量、低延迟和更高的电源效率。

该公司的设计是基于2015年创立Deep Vision的Rehan Hameed博士和Wajahat Qadeer博士的研究。由此产生的方法是一种获得专利的 "多态数据流架构"，其特点是专注于延迟，与Nvidia GPU、谷歌TPU或其他部署在云数据中心的AI重点芯片相比，这些芯片是为单一AI模型的大规模吞吐量而设计的。据称，与其他设计相比，Deep Vision ARA-1提供了更低的系统功耗(通常约为2瓦)，然而据说该处理器可以以比谷歌Edge TPU提高6倍的延迟和比英特尔MyriadX提高4倍的延迟来运行Resnet-50等深度学习模型。

像ARA-1这样拥有新指令集的新芯片设计，如果开发者觉得很难编程，就不会在市场上找到吸引力。Deep Vision的首席执行官Annavajjhala表示，该公司已经广泛关注为客户提供一个易于编程的环境。

"我们最大的设计目标是无缝的软件体验，"他说。他承认，任何处理器的采用都会受到软件体验简易程度的影响。

编译器的构建已经允许无缝移植所有行业标准的AI框架，包括。Caffe、Tensor Flow、MXNET、PyTorch以及Deep Lab V3、Resnet-50、Resnet-152、MobileNet-SSD、YOLO V3、Pose Estimation和UNET等网络。

除了支持标准模型外，Deep Vision的软件开发者工具包(SDK)还提供了一个位精确的模拟器和工具，以根据客户的应用需求优化功率和性能。Deep Vision表示，其SDK还可以实现无摩擦工作流程，从而实现从训练模型到生产应用的低代码、自动化、无缝迁移过程。

带有USB和PCIe接口选项的Deep Vision ARA-1和ARA-1。

高管们表示，客户在还没有样品芯片之前，就已经能够将模型移植过来，并准确地模拟模型，一旦Deep Vision公司出货芯片，发现模型运行正常，无需额外编码。

Deep Vision已经筹集了1900万美元，并得到了多个投资者的支持，包括Silicon Motion、Western Digital、Stanford、Exfinity Ventures和Sinovation Ventures。