[导读]  互联网的本质在于用户经营、流量经营，而数据在这其中是最为基础的一环。数据的价值在于，可以驱动业务的增长。实际上不仅仅是在零售行业，每一个行业对于数据的应用，数据对于驱动业务本身起到至关重要的作用。以盒马鲜生的第一家店上海金桥店为例，目前线上部分的销售额已经超过了50%，这样的营收模型对于传统零售商来讲是可遇不可求的。实际上这个结果并非一蹴而就。深入进行数据管理与挖掘，可以更好的服务用户。这里面包含了两个维度的用户，一是服务于企业内部，实现数字化管理。 二是在消费者层面，可以提供个性化、多元化的服务。 

  众所周知，如上所谈到的深度数据的挖掘离不开深度学习，深度学习技术从诞生之日起至今引领人工智能领域达到了前所未有的高度，而高性能嵌入式ARM平台（RockChip或NXP Freescale）的GPU并行加速助力深度学习产品，将原本机器不可能做到的事变为可能。

 技术解析：随着深度学习的发展带动视频图像处理及算法的大规模应用，GPU异构运算带来的数据交互引起的瓶颈越显突出。因此我们想到在边缘计算中，让数据长期处在同一位置，减少数据搬运所带来的损耗。利用GPU硬件解码，让视频数据和图像数据的产生来源由原来的CPU内存转移到GPU的显存，并在此基础上继续进行深度学习的运算到产生结果后，仅需要将结果进行一次数据搬运即可。

GPU硬件解码是嵌入式物联网显卡独特的解码芯片进行的数据处理，其运行过程只需要占用整个显卡的显存部分，不需要占用CPU的计算资源，使用GPU解码技术，可以更高效地使用GPU的全部资源，并且可以保证由视频产生的图像存放在GPU 的显存中，可以直接进行深度学习的运算。与此同时，降低了原有使用CPU解码时对CPU的压力，可以释放更多的CPU资源来做更多的事情。

      GPU的广泛使用极大地推动了人工智能的发展，GPU硬件解码技术又更好的将深度学习技术引入新的高度，随着技术的成熟，将会有更多更好更实用的产品面世，将一个个不可能变为可能。

       瑞迅科技及专业算法团队结合应用趋势实现MPC-1911深度学习方向的深挖，尤其在现有深度学习应用平台上实现目标识别----即不仅可以识别出是什么物体，还可以预测物体的位置，位置一般用边框标记； 仓库优化----通过深度学习，训练机器人用最优的路径来存取货物。生物信息学---利用深度学习技术，对大量生物学数据进行收集和筛选，通过提取相关特征属性，建立合适的模型，可用于药物临床试验之前的疗效预测、疾病诊断等领域。

 优秀深度学习领航者MPC-1911

   图解：实测情况，通过系统跑分对比，此款产品的性能强悍，特别是在GPU处理性能方面，远超其他平台，为视觉分析的前端运算提供充分的硬件基础能力。

  如上超前的深度学习解决方案需要高性能软硬件技术平台承载，瑞迅科技的高性能嵌入式人工智能主机：瑞迅科技自主研发产品MPC-1911，此款产品搭载国产工控芯片瑞芯微RockChip RK3399平台，同时，此款产品还支持宽温版本的RKK3399K平台的兼容替代，为更多严苛场景提供底层的硬件支撑。配合视觉分析及深度学习软件提供商以强大的深度学习算法为基础，将人工智能带入购物中心、超市、便利店、写字楼和各种会展活动等实体市场。瑞迅的此款整体解决方案具有高可靠性和高扩展，易于定制，并有多种系统部署形态可供客户选择：私有云部署、本地部署，以及作为边缘计算解决方案。

      此外：瑞迅作为瑞芯微的战略合作伙伴，将很快启动基于3399Pro的芯片的硬件产品方案，如下一张图就能展示出此款芯片的性能。数据显示，在最重要的NPU关键运算性能方面，苹果A11惨成了渣，瑞芯微RK3399Pro 2.4TOPs的运算能力超出想象。芯微RK3399Pro则是CES2018首发亮相的新品。CPU采用big.LITTLE大小核架构，双核Cortex-A72加四核Cortex-A53。GPU采用四核Mali-T860。同样采用了专用NPU硬件的架构设计。支持8bit与16bit运算，可兼容不同的软件框架; 解决方案性价比更高，利于量产与商用。还具备高扩展性能等特点。

TEL 400 602 5060