騰訊科技訊 6月20日，中星微發布中國首款嵌入式神經網絡處理器（NPU），該芯片已于今年3月6日實現量產。

國家重點實驗室執行主任張韻東介紹說，NPU采用了“數據驅動并行計算”的架構，徹底顛覆了傳統的馮諾依曼架構。這種數據流（Dataflow）類型的處理器，極大地提升了計算能力與功耗的比例，特別擅長處理視頻、圖像類的海量多媒體數據，使得人工智能在嵌入式機器視覺應用中可以大顯身手。

張韻東表示，這款被命名為“星光智能一號”的芯片是中星微“星光中國芯”工程的最新成果，已成功在視頻監控領域實現產業化，并可廣泛應用于智能駕駛輔助、無人機、機器人等嵌入式機器視覺領域。

在不久前的人機大戰中，AlphaGo依靠模仿人腦 生物 機理的深度學習算法而擊敗人類。深度學習，是源于對生物人腦機理的仿生學研究而形成的一種人工智能算法。作為深度學習神經網絡的一種，卷積神經網絡CNN （Convolutional Neural Network）算法，已成為當前人工智能機器視覺領域的研究熱點。CNN算法模型的特性可以概括為海量的輸入數據、大規模的MAC運算、稀疏的權值矩陣、靈活的數據位寬和多樣的網絡拓撲等特性。

張韻東介紹，NPU是針對CNN的算法模型特性而專門設計的一款神經網絡處理器。每個NPU處理器具有4個內核（NPU Core），每個內核有兩個數據流處理器（Dataflow Processor）, 每個數據流處理器具有8個長位寬或16個短位寬的SIMD（單指令多數據）運算單元。在一個時鐘周期內可同時完成64個長位寬MAC運算或者128個短位寬MAC運算。每個NPU核具有38G Ops的長位寬處理能力或者76G Ops的短位寬處理能力。NPU的處理性能可以組成多核陣列來提升，也可以通過多芯片級聯的方式進一步擴展，以滿足更復雜的CNN網絡運算的性能需求。

“每個NPU核還具有256KB Level-2 Cache，以及整塊數據搬移（Block Data Access），片內數據共享（Data-sharing Between Processor Units），提升數據流的吞吐效率。” 張韻東表示，在軟件方面，利用了稀疏數據優化（Optimization for Sparse Data）等特性提高計算效率。“NPU支持Caffe、TensorFlow等多種神經網絡框架, 支持AlexNet、GoogleNet等各類神經網絡。”