視覺應用與人工智能（AI）正朝著精細化的方向發(fā)展，其背后的多種推動力中，最重要的兩種是高端智能手機的先進功能以及ADAS（高級駕駛輔助系統(tǒng)）/自動駕駛技術。

智能手機的面部識別功能需要同時調用視覺與AI處理兩種技術，而且技術難度不斷增加。最難的部分在于非理想狀態(tài)下的面部識別，如側臉、戴帽子、部分臉被圍巾遮蓋等。為此，智能手機的攝像頭變得越來越精細，采用多種傳感器實現(xiàn)高動態(tài)范圍圖像（HDR）、雙攝變焦、圖像穩(wěn)定等功能。

第二個推動力，即ADAS，它的設計需要滿足兩大需求。第一個是面向特定功能的性能要求，比如行人偵測、駕駛員注意力監(jiān)控、道路偏離預警；第二個是降低功耗。大多數(shù)芯片都安裝在空氣流通較差的環(huán)境（沒有風扇），甚至極端溫度環(huán)境，如前擋風玻璃上后視鏡的背面。

還有一些其他驅動因素，如虛擬現(xiàn)實、增強現(xiàn)實、機器人、無人機、監(jiān)控攝像頭等技術的發(fā)展，它們的需求與上述場景大同小異。

上述功能、視覺和AI技術通常被集成到單獨的攝像頭管道，從降噪、視覺后處理等任務開始，再到圖像分類和分割。有時候，AI需要先完成場景分類，然后再執(zhí)行HDR或Bokeh焦外成像（模糊處理在日語里被稱作 boke）等精細圖像處理任務。

總體看來，目前有以下三種技術需求：

將視覺和AI處理集成在單一DSP

提升性能

極低功耗的限制

為了滿足這三種技術需求，新一代Tensilica Vision處理器應運而生。

全新Tensilica Vision Q6簡介

提高性能，我們考慮了下面幾套可選方案：

增加SIMD寬度或VLIW槽的數(shù)量。但是這樣會增加編程難度，因為很多閑散資源無法有效利用。簡單地增加算力比有效地利用算力要簡單。

多核?？梢粤ⅠR將可用處理能力提高一倍（或更多），但是需要兩倍的本地內存，而且很難做到每個核計算負載的平衡

升頻。顯而易見的提高性能的方法，但代價是面積（成本）和功耗的增加

打造更高性能的新架構

Cadence決定采取第四種方案。全新Vision Q6 DSP是第五代產品，面向視覺和AI 應用量身打造，采用13級流水線，16nm工藝下可實現(xiàn)1.5GHz處理器頻率。較上一代P5，相同版圖面積條件下的頻率提升達50%。峰值性能的效率提高1.25倍。采用標準圖像處理內核時，性能提升可達2倍。

流水線構成如下：

指令前端（3級）

指令解碼與分派（2級）

AR/標量整數(shù)管道（5標量寄存器/標量流水線）

矢量DSP（3級）

讀取和寫入會在指令解碼一級完成后分別進行。同時，矢量執(zhí)行和標量執(zhí)行也分開進行，這樣可以提高標量性能，并提供了增加標量cache的機會。該cache可以提高標量處理能力50%，而且存儲器速度越慢，cache優(yōu)勢就越明顯（與沒有cache的情況相比）。

Q6的另一個新特色是添加了一個分支預測。流水線越深，這個功能就越重要，因為一旦錯過就必須清空并重新填充流水線。

Q6與P6向上兼容，為P6寫的任何代碼都可以無需修改在Q6上運行。但是Q6有一些新指令無法在P6上運行。

憑借AXI4互聯(lián)技術，Q6可以在多處理器環(huán)境中運行。用戶不僅可以使用多個Q6 核，在VQ6的系統(tǒng)中增加VisionC5來分擔AI的處理。

Q6編程

在芯片上設計一大堆高性能處理資源是很容易的，但程序員可能最終無法從高層軟件開發(fā)中獲得這些處理資源。AI采用多種框架，Q6可以實現(xiàn)以下功能：

安卓神經網(wǎng)絡：在安卓平臺（即非蘋果智能機）上實現(xiàn)本地AI應用

TensorFlow、TensorFlow Lite、Caffe

定制層支持：用戶可以在標準網(wǎng)絡基礎上自行添加特殊功能

支持多種標準神經網(wǎng)絡（MobileNet、Inception、Resnet、VGG、Segnet、FCN、YOLO、RCNN、SSD等）

安卓神經網(wǎng)絡（ANN）相對比較新，去年10月剛剛發(fā)布，到現(xiàn)在也就半年的時間。ANN提供的神經網(wǎng)絡API可以讓開發(fā)者無需關注具體AI處理是在應用處理器（通常是高端ARM處理器）還是在專有的AI DSP上執(zhí)行。。Q6支持運行在安卓8.1系統(tǒng)（Oreo）的ANN，可實現(xiàn)實時的優(yōu)化執(zhí)行。右圖顯示的是ANN各組件的協(xié)作方式。作為專用處理器（也可稱DSP，術語不同而已）的Q6位于流程的中心。

上圖中顯示的是現(xiàn)有Tensilica AI工具鏈，也稱為XNNC（Xtensa神經網(wǎng)絡編譯器）。該工具鏈需要一個神經網(wǎng)絡描述符（在Caffe或Tensorflow框架下）將其編譯成可以在Q6（或P6、C5）上運行的代碼。它可以自動處理許多管理工作，如DMA和tile管理。Tensilica AI處理技術采用8位定點權重，但經過幾年的發(fā)展，32位浮點和8位定點也能實現(xiàn)同樣的精度了（約0.5%量子化誤差），其好處就是可以節(jié)省大量的功耗和面積。

對于HDR、語音身份認證、圖像穩(wěn)定等特殊算法，Cadence正與相關領域的合作伙伴展開廣泛合作。我們還是Khronos公司OpenVX工作組的負責人，推動視覺處理分流標準的開發(fā)。