專注于終端人工智能解決方案的新創公司耐能 (Kneron) 今日參與在上海舉行的 Arm 人工智能開發者全球峰會，以“可重構算法在AI芯片中的應用”為主題發表演說，會中同時發布 Kneron 新一代終端人工智能處理器系列 NPU IP - KDP Series。Kneron 第二代 NPU IP 包括三大產品，分別為超低功耗版 KDP 320、標準版 KDP 520、以及高效能版 KDP 720。全系列產品的功耗低于0.5瓦(W)，采用新的架構設計讓運算更具彈性，整體效能相較于上一代產品大幅提升達3倍，運算能力 (peak throughput) 最高可達5.8 TOPS（每秒萬億次運算）（註一）。
Kneron 創始人兼 CEO 劉峻誠表示：“Kneron 推出為終端裝置所設計的人工智能處理器 NPU IP 后，其超低功耗的優勢受到市場高度關注。Kneron 新一代 NPU 產品在諸多方面取得顯著的突破，基于第一代產品的優勢，我們改善數據運算流程、提升整體運算效能與儲存資源使用率，同時針對不同的神經網絡模型進行優化，讓 NPU 可以更廣泛地應用在各種終端裝置，并滿足更復雜的運算需求。”
Kneron NPU IP 可應用在智能手機、智能家居、智能安防、以及各種物聯網設備上，讓終端裝置在離線環境下就能運行各種神經網絡。Kneron 第二代 NPU IP 采用新的交錯式運算架構 (Interleaving computation architecture) 設計，縮短運算流程和提升效率。深度壓縮 (Deep compression) 技術讓壓縮功能從模型層級深入至數據和參數層級，使壓縮率再提升。動態儲存資源分配功能提升儲存資源利用率，卻不影響運算效能。此外，支持更廣泛的卷積神經網絡 (Convolutional Neural Networks, CNN) 模型，并針對各種 CNN 模型分別進行優化，在不同神經網絡模型下，可提升約1.5倍至3倍不等的效能。
第二代 NPU IP-KDP Series 重點技術說明：
交錯式運算架構設計：透過交錯式架構，讓神經網絡架構中主要的卷積 (convolution) 與池化 (pooling) 運算可平行進行，以提升整體運算效率。在新的卷積層中，還可同時支持 8bits 與 16bits 的定點運算 (fixed point)，讓運算更有彈性。
深度壓縮技術：不僅能執行模型壓縮，還能對運行中的數據和參數 (coefficient) 進行壓縮，減少內存使用。模型大小可壓縮至50分之一以下，準確度的影響率小于1%。
動態儲存資源分配：讓共享內存 (shared memory) 和運作內存 (operating memory) 之間可以進行更有效的資源分配，提升儲存資源利用率的同時卻不影響運算效能。
CNN模型支持優化：支持更廣泛的 CNN 模型，包括 Vgg16、Resnet、GoogleNet、YOLO、Tiny YOLO、Lenet、MobileNet、Densenet 等，而且針對不同 CNN 模型分別進行優化，在不同神經網絡模型下，相較上一代產品提升約1.5倍至3倍效能。
注一：運算效能會因納米制程不同而異。5.8 TOPS 為 KDP720 在 28 納米制程、600 MHz、8bit fixed points 下的效能表現，預測運行功耗在 300-500mW（估計每瓦效能為13.17 TOPS/W） 。
