爱芯元智宣布，企业核心技术混合精度NPU正式启用中文名称“爱芯通元^®”。与此同时，爱芯元智联合创始人、副总裁刘建伟在第三届中国集成电路设计创新大会暨无锡IC应用博览会（ICDIA 2023）的“AIoT与ChatGPT”专题论坛上，受邀做《爱芯元智AX650N Transformer端边落地平台》主题演讲，并介绍了第三代SoC芯片AX650N在端侧、边缘侧部署Transformer的领先优势。

爱芯元智混合精度NPU中文名“爱芯通元^®”正式公布

近年来，AIoT行业规模快速成长，不仅是各大传统行业智能化升级的最佳通道，也是未来物联网发展的重要方向。同时，自2022年底发布以来，以ChatGPT为代表的大模型引发国内外科技巨头的纷纷布局，人工智能发展也进入了一个全新的时代。可以看到，伴随着AIoT以及AI大模型的快速发展，底层硬件的数据存储、计算性能、图形处理能力都面临着极高的要求。

在爱芯元智看来，大模型具有通识能力，能够降低人工智能在场景落地的成本，而未来，每一个人都可能在终端拥有一个智能助手。在人工智能发展的过程中，爱芯元智提供的则是芯片基建，即通过人工智能芯片提供感知与计算的基础能力，助力AI在端侧边缘侧的落地。

感知层面，爱芯元智致力于让摄像头看得更清，从而打造物理世界的数字化入口；计算层面，爱芯元智致力于让摄像头看得懂，将为各种AI模型在端侧和边缘侧的落地提供更高的算力基础。本次ICDIA 2023现场，爱芯元智正式公布了混合精度NPU的官方中文名“爱芯通元^®”，意在为各种智能算法提供基本算力支撑，让智能在端侧和边缘侧对世界产生更深入的理解，助力更美好的生活。

定位人工智能感知与边缘计算基础算力平台，爱芯元智自2019年成立以来便聚焦感知与计算基础能力，自主研发了爱芯智眸^®AI-ISP和爱芯通元^®混合精度NPU两大核心技术。后者通过减少内存墙和功耗墙的阻碍，在端侧边缘侧面积、功耗受限的情况下，以更高的有效算力支持更多的智能算法，降低AI部署成本。

目前，爱芯元智已完成四代多颗芯片产品的研发和量产工作，并逐渐落地智慧城市、智能驾驶和AIoT三大市场。“这些市场都将感知和计算作为基本能力，这也是爱芯元智选择不同市场的逻辑”，刘建伟表示。

高性能、高精度、易部署，爱芯元智AX650N成Transformer最佳落地平台活

在AI芯片设计开发时，爱芯元智高度重视应用、算法与NPU的深度结合。应用方面，爱芯元智通过数据流优化、前后级处理加速来实现更高的性能；算法方面，爱芯元智会通过算子加速、网络微结构加速、内存优化等设计，从算法的角度来提高硬件的利用率；同时，爱芯通元^®混合精度NPU是一个异构多核系统，并且内置多核硬件调度机制减少对CPU的占用，让系统应用跑得更快。

基于应用、算法与NPU联合优化的设计理念，爱芯元智推出的边缘侧、端侧人工智能处理器芯片均具有高性能、低功耗等优势，其第三代高算力、高能效比SoC芯片AX650N更成为Transformer最佳落地平台。

实测数据显示，爱芯元智AX650N不仅在传统的CNN网络上性能优异，在端侧部署Transformer网络SwinT也表现出色，实现了361FPS的高性能、80.45%的高精度、199 FPS/W的低功耗以及原版模型且PTQ量化的极易部署能力。同时，AX650N还支持低比特混合精度，用户如果采用INT4，可以极大地减少内存和带宽占用率，从而有效控制端侧边缘侧部署的成本。

目前，爱芯元智AX650N已适配ViT/DeiT、Swin/SwinV2、DETR等Transformer模型，最先进的计算机视觉自监督模型DINOv2也在AX650N上达到了30帧以上的运行结果。为了帮助开发者对Transformer做更好的落地尝试，爱芯元智还推出了基于AX650N的面向生态社区和行业应用的开发套件“爱芯派Pro”，助力探索更丰富的产品应用。

面对大模型掀起的新一轮AI热潮，爱芯元智AX650N也将针对Transformer结构进行进一步优化，并且将探索多模态方向的Transformer模型。爱芯元智希望通过感知和计算核心技术，加速端侧边缘侧智能落地，真正实现普惠AI，让人们的生活更加美好。

关于爱芯元智：

爱芯元智成立于2019年5月，致力于打造世界领先的人工智能感知与边缘计算芯片，服务智慧城市、智能驾驶、机器人以及AR/VR等巨大的边缘和端侧设备市场。集强大算力与超低功耗于一体，采用算法和芯片的协同设计理念，爱芯元智自研两大核心技术——爱芯智眸^® AI-ISP和爱芯通元^®混合精度NPU。在过去的四年时间里，爱芯元智已经完成了四代多颗芯片产品的研发和量产工作。

基于算法、芯片、产品的垂直整合，爱芯元智为合作伙伴提供全栈式解决方案，帮助客户实现最新技术的快速落地。与此同时，爱芯制定了完善的产品路线图，覆盖高中低端市场，以满足客户不同场景的产品需求。