5月13日，百度飛槳開源深度學習平臺與瑞芯微Rockchip旗下AI芯片RK1808、RK1806正式完成適配，充分兼容飛槳輕量化推理引擎Paddle Lite。此次百度與瑞芯微的合作，旨在為AI行業(yè)賦能更多應用場景，加速AI產(chǎn)品落地進程。

百度飛槳與瑞芯微兼容性認證書

在AI時代，深度學習框架和操作系統(tǒng)類似，起著承上啟下的作用，連接芯片與應用。擁有強大算力的AI芯片加持，AI技術(shù)將得到更廣泛普及。

NPU時代來臨

軟硬結(jié)合性能優(yōu)化

飛槳產(chǎn)業(yè)級深度學習開源平臺以百度多年的深度學習技術(shù)研究和產(chǎn)業(yè)應用為基礎，集深度學習核心訓練和預測框架、基礎模型庫、端到端開發(fā)套件、工具組件和服務平臺于一體，2016年正式開源，是中國極具影響力的全面開源開放、技術(shù)領(lǐng)先、功能完備的產(chǎn)業(yè)級深度學習平臺。Paddle Lite是飛槳推出的一套功能完善、易用性強且性能卓越的輕量化推理引擎，支持多種硬件、多種平臺，具備輕量化部署、高性能實現(xiàn)等重要特性。

瑞芯微RK18xx系列芯片適配Paddle Lite

瑞芯微AI芯片RK1808及RK1806，內(nèi)置獨立NPU神經(jīng)計算單元，INT8 算力高達3.0TOPs；采用22nm FD-SOI工藝，相同性能下的功耗相比主流28nm工藝產(chǎn)品降低約30%，在算力、性能、功耗等指標上均有優(yōu)異的表現(xiàn)。經(jīng)實測，瑞芯微AI芯片在Paddle Lite中運行MobileNet V1耗時僅為6.5 ms，幀率高達153.8 FPS，二者充分兼容并高效穩(wěn)定運行。

如下圖所示的實測結(jié)果可以看出，與手機等移動端常用的國內(nèi)外主流CPU相比，RK18系列NPU在MobileNET_v1的耗時表現(xiàn)出色，由此證明在AI相關(guān)領(lǐng)域，如圖像分類、目標檢測、語音交互上，專用的AI芯片將帶來更出色的效果。

瑞芯微RK18xx系列芯片在MobileNETV1上對比主流CPU性能卓越

通過適配飛槳開源深度學習平臺，瑞芯微芯片將能更好地賦能國內(nèi)用戶的業(yè)務需求，為端側(cè)AI提供強勁算力；二者的融合，將充分發(fā)揮軟硬件結(jié)合的優(yōu)勢，加快開發(fā)部署速度，推動更多AI應用的落地。

國產(chǎn)芯合作升級

實操教程詳解

在飛槳上，瑞芯微AI芯片的詳細操作方法可參考Paddle Lite文檔，內(nèi)容涵蓋支持的芯片、設備列表、Paddle模型與算子及參考示例演示等等。

https://paddle-lite.readthedocs.io/zh/release-v2.6.0/demo_guides/rockchip_npu.html

測試設備（RK1808 EVB）

此外，除RK1808及RK1806芯片解決方案外，瑞芯微旗下搭載NPU的AI系列芯片也將陸續(xù)升級適配百度飛槳，進一步深化雙方合作關(guān)系，攜手助力我國自主可控AI生態(tài)的構(gòu)建。

關(guān)于飛槳

百度飛槳（PaddlePaddle）是國內(nèi)自主研發(fā)、開源開放、功能最完備的產(chǎn)業(yè)級深度學習平臺，集深度學習核心框架、基礎模型庫、端到端開發(fā)套件、工具組件和服務平臺于一體。飛槳源于產(chǎn)業(yè)實踐，致力于與產(chǎn)業(yè)深入融合，提供了領(lǐng)先的深度學習&機器學習任務開發(fā)、訓練、部署能力，加速企業(yè)從算法研發(fā)到產(chǎn)業(yè)落地的過程。目前飛槳已廣泛應用于工業(yè)、農(nóng)業(yè)、服務業(yè)等，在百度大腦開放平臺和飛槳平臺上進行開發(fā)的開發(fā)者超過180萬，與合作伙伴一起幫助越來越多的行業(yè)完成AI賦能。

關(guān)于瑞芯微

瑞芯微電子成立于2001年，總部位于中國福州，在上海、北京、深圳、杭州和香港均設有分公司或子公司，是中國極具創(chuàng)新精神和務實作風的集成電路設計公司。

瑞芯微電子近年已躍升成為全球排名前列的中國芯片廠商，并累計榮獲十三屆中國芯獎項。目前公司擁有一支以系統(tǒng)級芯片設計、算法研究為特長的研發(fā)團隊，并獲得多項國內(nèi)外專利。專注于高端智能硬件、手機配件與人工智能等領(lǐng)域的芯片研發(fā)，為智能手機、平板電腦、流媒體電視盒、智能語音、智能視覺、新零售、物聯(lián)網(wǎng)等應用提供具有競爭力的芯片解決方案。在萬物互聯(lián)的大趨勢下，致力于加速融合智能感知技術(shù)和實現(xiàn)人工智能場景落地，同時為加快中國芯片產(chǎn)業(yè)本土化進程貢獻力量。