抽象統一 · ネイティブ SDK · オペレータ融合 · メモリ再利用 · 命令パイプライン · 適応型量子化 —— 6つの低レイヤー技術が支える
計算性能、エネルギー効率、精度、遅延、同時処理、長期安定性を同時に引き上げ、同じハードウェアでより大きなモデル、より多くのストリーム、より低い消費電力を実現。抽象統一により、アプリは一度の記述で複数チップに適応し、データ、転送、運用、可視化、イテレーションも同時に高速化します。
チップ上層の呼び出し方式、ハード/ソフト適応、展開接続、データパイプライン効率は、AI ボックス実装の基盤能力です
統一ハードウェア加速インターフェースを構築し、アプリは一度の記述で異なるチップ能力に自己適応。多チップの重複適応を根本から解消します。
チップネイティブ SDK を深くカスタマイズし、C/C++ で開発。非効率な汎用ライブラリとパイプラインを排除。
オペレータ融合、メモリ再利用、命令パイプラインの三重最適化に加え、データパイプラインを極限まで再構築し、チップ算力を最大限に引き出します。
第三者ライブラリへの依存をゼロにし、プログラム実行環境と依存関係を含めてもサイズは1MB未満。リソース制約のある製品へ直接展開できます。
統一ハードウェアインターフェースがなく、チップごとに個別開発が必要で、多チップシーンの再利用率は極めて低い。
OpenCV 等の第三者汎用ライブラリで業務処理を行い、高級言語 Python と非効率な ROS2 データパイプラインを併用するため、リソース浪費が大きい。
チップメーカー公版 SDK のデフォルトロジックのみで、オペレータ・メモリ・命令の深度最適化を行わない。
Python、OpenCV、その他の第三者ライブラリに依存し、実行環境と依存関係のサイズが数百MBから数GBに膨らむため、リソース制約のある製品には展開できません。
Lite シリーズは従来 YOLOv8n のみ。最適化後は YOLOv8s を FPS 低下なく実行可能
同等算力でより多くのビデオチャネルを処理し、エッジ側同時処理能力を向上
モデル構造とチップ特性に合わせた電力スケジューリングで、長期運用のエネルギー消費を低減
メモリ・オペレータ・データパイプラインを最適化し、単位リソースあたりの推論効率を向上
統一低レイヤー適応能力で、より多くのチッププラットフォームとハード形態をカバー
テスト環境
ハードウェア：Pro
モデル：YOLOv8n
解像度：1080p
