2021 年，自动驾驶汽车的发展势头强劲。Kneron 的新型 AI 芯片旨在保持这种势头，该芯片声称可以为任何车辆带来自动驾驶功能。

自动驾驶汽车的兴起对支持边缘计算的硬件产生了大量需求。为此，许多不同的公司一直在努力开发 AI 芯片，旨在提高性能，同时降低 AI 任务和尤其是计算机视觉的功耗。

该领域鲜为人知的竞争对手之一是总部位于加利福尼亚的Kneron，该公司以其令人印象深刻的 AISoC 系列而闻名。 

最近，该公司通过推出其最新芯片KL530扩大了其产品组合。本文将介绍新硬件、它提供的功能以及它如此引人注目的原因。

KL530 瞄准自动驾驶

上周，Kneron发布了其最新芯片 KL530，旨在专门针对自动驾驶汽车边缘计算市场。

这款新芯片计算架构的核心是耐能的 KDP530 神经处理单元(NPU)，其 int8 计算能力为 0.5 TOPS，int4 计算能力为 1 TOPS。 

为了支持 NPU，该 SoC 还引入了Kneron首款RISC-V AI 协处理器、Cortex M4 系统控制内核和图像信号处理器 (ISP)。所有这些计算都由 128 MB 的低功耗双倍数据速率 ( LPDDR )、MJ 编解码器和专用安全块补充。  

总而言之，Kneron声称KL530 是其迄今为止最高效的处理器，比其前身 KL520 实现高达 2 倍的 TOPS/W。 

据说 KL530 在运行 AI 模型（包括 Mobilenet 和 Resnet）时的性能是 KL520 的 10 倍。 

尽管这款芯片拥有一些极端的规格和结果，但有哪些因素支持这些说法？ 

成功的关键：INT4和 Vision Transformer 模型 

根据Kneron的说法，新芯片的成功可归因于几个因素。 

首先，对于KL530，该公司引入了INT4数据支持。这样做的结果是能够将处理时间减少 66%，同时将视频帧速率提高一倍并将启动时间减少 33%。 

与 KL520 相比，KL530 在同一周期内将可检测物体的数量从三个增加到八个。

KL530 的第二个主要发展是支持视觉转换器模型，这是卷积神经网络(CNN)的发展中的竞争对手。与 CNN 相比，视觉变换器的准确度可提高 30%，并且能够进行整体推理，而不是基于关键特征的推理。 

Kneron认为，视觉转换器对于实现 L2（2 级）自治至关重要。因此，耐能认为KL530是推进L1（1级）和L2级自动驾驶的关键产品。  

下一步计划 

据Kneron介绍，KL530 将发布两个版本。第一个解决方案将用于售后市场解决方案，第二个将是直接内置于车辆中的符合汽车标准的解决方案。 

凭借KL530，Kneron希望成为少数几家在自动驾驶汽车行业获得市场份额的小型初创公司之一。声称将 L1 和 L2 自动驾驶带到“任何车辆”，看看这家公司未来的发展方向将会很有趣。