如圖 10 所示，賽靈思的全新 reVISION 堆棧使更多軟件工程師和系統工程師無需掌握或只需掌握一點硬件設計專業技術，就能夠更輕松快速地開發出智能嵌入式視覺系統，包括將機器學習和計算機視覺算法的超高效實現方案整合到高響應性系統中。

　　圖10：賽靈思reVISION和Nvidia Tegra X1對比

　　最快響應性 —— 從傳感器到推斷和控制的最低時延

　　如上所述，軟件定義的 reVISION 流程支持快速開發響應最快的系統。事實上，相比嵌入式 CPU 和典型 SoC 的性能參數，賽靈思的表現大大超越了英偉達 ( Nvidia) 這一強手。

　　將基于 Zynq SoC 的 reVISION流程與 Nvidia Tegra X1 進行基準對比可以看出，reVISION 流程講機器學習的單位功耗圖像捕獲速度提升了6 倍，將計算機視覺處理的幀速率提升了 42 倍，而時延僅為 1/5(以毫秒為單位)，這些數據對實時應用而言都是至關重要的。

　　如圖 11 所示，擁有速度極快的確定性系統響應時間非常有用。我們從這個例子看到，一輛汽車采用賽靈思基于 Zynq SoC 的reVISION 與采用 Nvidia Tegra 的汽車一起識別潛在的碰撞事故并采取剎車，在速度為 65 mph 情況下，根據 Nvidia器件的具體實現方案，賽靈思的響應時間可以讓汽車在5到33英尺的距離停下，從而輕松實現安全剎車，避免碰撞。

　　圖11：響應時間為什么重要：賽靈思和Nvidia Tegra X1的對比

　　響應時間的的這些顯著優點來源于Zynq SoC相對于嵌入式GPU和典型SoC的基本架構優勢。 如圖12所示，嵌入式GPU和典型SoC需要從傳感器到視覺、機器學習和控制處理頻繁訪問外部存儲器。 相比之下，Zynq SoC部署了使用可編程邏輯和顯著多得多的內部存儲器(高達Nvidia Tegra X1的19倍)實現的優化和流線型數據流。 這不僅實現了相對替代方案1/5的延遲，而且還實現了對于許多實時應用至關重要的確定性的響應能力。

　　圖12：賽靈思響應時間優勢的來源

　　面向最新網絡和傳感器的可重配置性

　　響應時間很重要，而賽靈思解決方案還提供了非常獨特的可重配置性優勢。為了能夠用尖端神經網絡和機器學習推斷效率部署最佳系統，工程師必須能夠在整個產品的產品生命周期同時優化軟硬件。如圖 13 所示，機器學習領域最后兩年的發展所帶來的科技進步超越了過去 45 年的水平。許多新的神經網絡隨著新技術的出現不斷發展，也大幅提高了的部署效率。不管今天制定什么標準，未來部署什么，都需要通過硬件可重配置性確保滿足未來需求。只有賽靈思全可編程(All programmable)的器件才能提供這種級別的可重配置性。

　　圖13：隨著機器學習技術的發展，為什么可重配置性非常重要?

　　如圖14所示，對快速演進傳感器技術的管理同樣需要可重配置性。人工智能(AI)革命加速了傳感器技術在不同領域的發展演進，也要求更高水平的傳感器融合，以整合不同類型的傳感器，以便在該環境了構建全面而完整的系統環境和對象視圖。與機器學習類似，不管制定什么傳感器配置標準、未來如何實現，都需要通過硬件可重配置性來滿足未來需求。同樣，只有賽靈思 All programmable 器件才能提供這種級別的可重配置性。

　　圖14：為什么隨著傳感器的發展，可重配置性非常重要?

　　任意連接和傳感器接口

　　如圖 15 所示，基于 Zynq 的視覺平臺提供了穩健可靠的任意連接能力和傳感器接口優勢。

　　Zynq 的傳感器和連接性優勢包括：

　　1. 相對于目前市場中其它 SoC而言，帶寬提升高達 12 倍，包括支持原生的 8K 和定制分辨率。

　　2. 大幅增加了高低帶寬傳感器接口和通道，支持差異化傳感器組合，包括RADAR、LiDAR、加速計和力扭矩傳感器。

　　3. 業界領先的最新數據傳輸和存儲接口支持，為滿足未來標準要求可方便地進行重新配置。

　　圖 15: 傳感器 &連接器 ：Xilinx 與 Nvidia 和 典型SoC對比

　　賽靈思與業界其它解決方案對比

　　通過將 Zynq 平臺的獨特優勢和配備了各種庫和業界標準框架支持的軟件定義開發環境融為一體，reVISION為視覺系統開發提供了最佳替代方案。如前所述，reVISION 的獨特之處在于能實現智能應用的三大使命，以最新技術滿足差異化和上市進程的重要要求，同時支持最快響應性、可重配置性、任意連接和軟件定義編程。它同時還利用軟件定義的編程模式移除了通往廣泛應用的障礙。

　　如圖 16 所示，在縱軸上只有 reVISION 能支持從傳感器到機器學習推斷和互聯控制的優化，實現最佳系統響應時間。在橫軸上，只有reVISION能為硬件優化的算法加速提供所需的可重配置性，并能升級更新到最新的傳感器和連接性需求。雖然許多賽靈思器件客戶的硬件專家已經能夠實現這些優勢，但是全新的reVISION堆棧通過使用行業標準庫和框架實現軟件定義的編程，消除了向更廣泛應用的障礙。

　　圖1Figure 16: Xilinx – Most Responsive and Reconfigurable Alternative in Target Markets

　　圖16：賽靈思 —— 面向目標市場反應最快且可重配置的最佳選擇

　　總結： reVISION

　　通過Xilinx reVISION? 堆棧的推出， 賽靈思將技術擴展至廣泛的視覺導向機器學習應用領域。reVISION? 堆棧的推出進一步補充和完善了近期發布的可重配置加速堆棧，大幅擴展了賽靈思技術在機器學習應用領域從端到云的部署。全新的reVISION堆棧能夠支持更廣泛的很少甚至沒有硬件專業知識的軟件和系統工程師，使其可以更輕松、更快速地開發視覺導向的智能系統。一旦將機器學習、計算機視覺、傳感器融合和連接的優勢融為一體，這些工程師將從中大受裨益。