去年底，赛灵思推出了可重配置加速堆栈，利用动态可重配置的加速堆栈技术，可将计算性能提升数倍乃至数十倍，而功耗却只有CPU的一半。三个月后，赛灵思又宣布推出reVISION堆栈，将赛灵思技术扩展至广泛的视觉导向机器学习应用领域，并实现了从端到云的机器学习应用。那么，赛灵思如何看待未来的机器学习? reVISION堆栈又具备哪些优势?reVISION堆栈将在哪些行业中实现应用?本文，将会一一简介。
一、从嵌入式视觉到自主系统，不断进化的机器学习
从嵌入式视觉系统到视觉导向的自主系统，机器学习在不断的演变与进化，并且在不断的转变过程中实现应用。例如在汽车领域，原来是前视的汽车摄像头，包括ADAS系统，现在就变成有自己的眼睛、耳朵，以及大脑的自动驾驶汽车。在医学领域，本来是医学成像再加上医生的人眼做出诊断，以后就会变成自动医疗诊断，也就是通过机器学习，机器能够做出诊断，并且提出治疗方案，而且其准确度都要高于现在人类的水平。
不断进化的机器学习要求企业在开发下一代系统时，必须支持未来的各种复杂应用。一是必须采用机器学习的技术提高智能性，这就要求必须具备高效的应用算法，提高实时应用的响应速度。二是更多的灵活性，因为机器学习变化非常快，不断出现新的神经网络和算法，此外传感器技术也在不断发展，只有能够对这些新的技术发展产生灵活性的适应，才能真正跟进系统的演进。三是必须实现互联互通，因为在物联网的世界里需要和其他的机器以及和云实现互联的能力。
赛灵思的reVISION堆栈，就满足了机器学习这三个方面的要求。reVISION堆栈不但支持最为快速的系统反映，而且从传感器一直到处理系统都能够实现优化。为了提高灵活性，reVISION堆栈提供了全可配置解决方案，不仅能优化软件，也能够对硬件进行优化，包括能够结合***的神经网络、算法和传感器。此外，reVISION堆栈能够做到任意互联，支持和其他的网络、机器、现有和新的标准以及和云的互联。
二、reVISION堆栈能够帮助硬件工程师大幅提高工作效率
要增加一些机器学习或者是计算机视觉应用和新的算法，如果要应用赛灵思器件的话，就需要相当长的开发周期。但是，reVISION堆栈推出了新的流程来帮助硬件工程师来提高工作效率。
虽然赛灵思reVISION堆栈只是提供20%的解决方案，其中80%都要由客户自己来完成，但是由于赛灵思20%就已经能够带来很大的差异和优势，使得他们能够大大的超越自己的竞争对手。
从客户那里了解到，他们希望能够应用行业标准的库和行业应用框架，来帮助他们进一步提高工作效率。 reVISION堆栈，就可以大大减少开发时间，无论是计算机，视觉还是机器学习，也就是说用户能够有一个80%的高起点，而剩下的20%，他们只需要自己来做剩下20%就能够完成的应用开发。
三、高速的响应时间更胜人一筹
图像/秒/瓦是考验机器学习响应时间的主要指标，在这方面显示赛灵思——比业内***的其他的选择要高出6倍，在计算机视觉方面是要胜人一筹。基准对比显示，reVISION堆栈/秒/瓦这个指数方面要比竞争对手高出42倍。
以自动驾驶为例，有一辆小汽车行驶在一辆小货车后面，这时小货车突然决定紧急停车了，采用reVISION只需要2.7毫秒就可以停止，但是竞争对手就需要49毫秒甚至320毫秒才能停住，如果汽车的时速是65英里，停车的距离差可能就会从5英尺到33英尺，而其中的差距就是发生了事故和没有发生事故的差别。
四、可重配置性能更灵活，效率更高
机器学习相对于过去几年一些其他的新技术的进展情况，包括神经网络和算法。在过去两年里取得的进展几乎要等于之前45年的技术进步，预计这个快速演进的过程还会继续加速，而不会放缓。这也就意味着不论是谁今天做出一些规格和设计，明天都会过时，除非他们可以进行可重新配置来应用***的神经网络、算法和技术，来大大的提升效率。reVISION堆栈提供的可重配置的功能就可以应用***的关于视觉和机器学习方面的***的技术和进展，而无需来改变自己系统的硬件。
传感器技术加速进展的过程，既包含传感器技术，也包括传感器技术的集合，也就是传感器融合。所以在过去几年的时间里，我们看到了不同类型、不同类别的传感器演进的过程。但是尤其在视觉系统，也就是成像领域，未来，将会出现传感器无论是在数量上还是在类型上的爆发，而客户希望能够把这些不同数量、不同类型的传感器集成到一个系统。reVISION堆栈能够实现非常独特的可重配置的功能，不仅仅是能够支持不同的类型和技术传感器，而且还能够支持这些传感器的集成和融合。
此次发布的reVISION堆栈共推出了四款产品，包括ZCU102、ZCU104和ZC702和ZC706，为不同客户提供了全面的解决方案。
