众所周知，随着企业转向比集中式云数据中心更低的延迟、更安全和私密的处理，网络边缘计算持续快速增长。市场上正部署数十亿的网络边缘计算设备，而且随着时间的推移，会变得越来越先进。机器学习和深度神经网络的发展为这一趋势铺平了道路，使其能够以比以往更快的速度处理更多的数据。网络边缘处理要求能够持续运行密集的硬件计算任务，因此系统处理器的性能需要维持在较高水平，保持数据流平稳运行。
虽然SoC可以连续处理任务，但代价是高功耗以及操作系统和其软件层高昂的运营成本。为了满足硬件密集型任务的需求，系统架构正向异构计算转变，即让系统中紧邻传感器的器件分担主处理器的负载。除了物联网和PC之外，这种类型的架构在汽车、机器人和工业系统中已经十分常见。FPGA充当并行计算引擎，能够优化硬件模块以加速任务处理。
随着Avant平台的推出，莱迪思为市场注入了新的可能性。莱迪思Avant旨在将行业领先的低功耗、小尺寸和高性能优势引入中端FPGA。Avant提供同类产品中领先的低功耗、先进的互连和优化的计算能力，满足通信、计算、工业和汽车市场更的客户应用需求。
2022年12月5日，莱迪思推出了首款基于这一新平台的莱迪思Avant-E FPGA器件，旨在解决客户在网络边缘面临的一些关键挑战。该器件拥有低功耗、小尺寸和高性能以及针对数据处理和AI等网络边缘应用需求量身定制的优化功能集。
Avant-E专为网络边缘处理而生
Avant-E FPGA可用作网络边缘设备的AI引擎，可以在现场重新编程，帮助系统架构师更好地跟上AI创新的步伐，这些优势是其处理方案（如ASIC）难以实现的。Avant-E FPGA架构中的分布式资源与现代AI ASIC的架构类似，因此能够以较低的工作频率并行处理数据。与同类竞品器件相比，Avant-E FPGA的功耗降低2.5倍之多。
Avant-E FPGA还拥有嵌入式存储器和18 x 18位DSP引擎，每个可配置为4个8 x 8位DSP，提高整体处理速度。
优化计算机视觉流水线
视觉处理是需要密集计算并在网络边缘设备上进行加速的应用示例。在计算机视觉流水线中智能的实现需要经过三个阶段：感知、思考和行动。Avant-E FPGA 支持这三个关键功能硬件优化的端到端实现。
感知：从一个或多个传感器中采集数据，进行调整或“清洗”，然后用于智能处理
在预处理模块中，Avant-E FPGA拥有灵活的接口，可轻松集成不同类型的传感器，从而允许更多数据更快地进入流水线。数据或图像可以根据需要在接口中进行调整和改进，然后进入到流水线的后续操作。
思考：使用AI从数据中获取智能
Avant-E的硬件可编程性和超低功耗能够最小化密集计算的功耗
行动：根据处理后的数据做出行动
Avant-E FPGA支持硬件加速后处理，减少整个流水线的延迟。当需要在特定时间范围内执行操作时，这一特性非常有利于实现任务关键型应用。
Avant-E FPGA旨在实现低延迟的网络边缘设备，非常适合有着明确时序要求的应用，包括工业环境中的机器视觉、机器人、机器人导航和安全摄像头。例如，自动化工厂的传送带高速移动，机器视觉摄像头在监控传送带上的产品时必须能够快速感知、思考并处理接收的数据，在发现有瑕疵的产品时，快速将其挑出，进行人工检查。
以超低功耗和超小尺寸实现性能新高
莱迪思Avant-E FPGA巩固了莱迪思在低功耗可编程器件领域的领先地位，帮助客户在现有应用中实现更高水平的网路边缘处理性能，并通过扩展市场上的计算机视觉应用类型来推动网络边缘的技术创新。
正如线上发布会所宣布的那样，莱迪思未来将推出更多Avant系列产品，为我们的客户提供更多渠道，充分利用Avant平台释放创新活力。关注我们的新闻，随时了解莱迪思的最新消息，包括新器件上市时间。
编辑：黄飞
