前言
关注我的同学都知道，在搞项目方面我一点也不挑食，有啥玩啥，擅于给自己找麻烦。
由于个人本职工作是搞AI的，在不久之前的一个项目中，我用STM32制作了一个小模块，探讨了一下“推理一个实用神经网络最低需要什么样的算力”这个问题。项目的演示视频如下：
基于Cortex-M的M4CNN模块
在那个项目中，我成功在主频只有不到100MHz，sram只有32K的单片机上推理了一个自己训练的CNN-SLR网络模型，效果甚至还不错。
而这一次我准备来一波反向操作：尽可能用上算力最强的MCU，来看看在上面能跑多复杂的网络，因垂丝汀。
注意，我这里指明了使用的是MCU，所以移动设备上的各种SoC就不在讨论范畴了，要说原因的话，是因为移动端SoC之间的battle过于激烈，这个讨论留作后话，在这一篇里面就暂时按下不表了；另一方面由于二者不在一个价位段，没有可比性。
为了引出本篇要使用的MCU型号，首先我们来讨论一下嵌入式处理器的一个守恒定律，也即 功耗-价格-性能 不可兼得，如下图：
“天下没有免费的处理器”
稍微解释一下上图的话就是，由于物理定律限制我们可以认为：在其他条件一定的情况下，性能和功耗肯定成正比，更强的性能意味着更大的功耗也就会产生跟多的热量；而要想提升性能的同时还能保证功耗不变甚至更低的话，就只能改进芯片的架构或者改进制程工艺，这又会带来成本的提高。因而根据不同应用方向，我们可以选择兼顾其中两者的一些硬件平台：
- 成本低，性能弱，功耗也低：代表是各种单片机如STM32/AVR等。
- 成本低，性能强，但制程不高易发热：代表是各种低端SoC比如全志的H系列。
- 性能强，制程先进，但价格十分不友好，有钱还不一定给卖系列：代表是现在智能手机上使用的各种旗舰SoC，比如高通骁龙/海思麒麟/苹果A系。
那难道真的就没有三者兼得的芯片平台了吗？
其实还真有，本篇的主角K210就勉强算是一个，这也是我这次选择折腾这个项目的主要原因，接下来请听我仔细分析~
K210是个啥
K210是由一家叫做嘉楠的曾经做挖矿芯片的公司在去年推出的一款MCU，其特色在于芯片架构中包含了一个自研的神经网络硬件加速器KPU，可以高性能地进行卷积神经网络运算。
可不要以为MCU的性能就一定比不上高端SoC，至少在AI计算方面，K210的算力其实是相当可观的。根据嘉楠官方的描述，K210的KPU算力有0.8TOPS ，作为对比，拥有128个CUDA单元GPU的英伟达Jetson Nano的算力是0.47TFLOPS （浮点）；而最新的树莓派4只有不到0.1TFLOPS 。
当然了，这个性能跟某些旗舰级别的SoC还是有差距的：A76级别的CPU本身就已经很变态，更何况旗舰SoC上面都会搭载用于AI加速的硬件用于异构运算，比如高通的Hexagon DSP、苹果的Neural Engine、华为的达芬奇架构NPU等等，这些NPU在某些应用下甚至能达到与数百W功耗的桌面级GPU接近的算力（顺便提一下GTX1080Ti的双精度浮点算力是11.3 TFLOPS ），可以说是丧心病狂了。
值得注意的是，芯片的算力不一定和模型推理速度成正比，嵌入式AI的另一个核心是inference框架。对于CPU架构来说，是否使用SIMD（ARM从v7开始就支持NEON指令了）、是否使用多核多线程、是否有高效的卷积实现方式、是否有做汇编优化等等都会极大影响模型运行速度；而对DSP/NPU等硬件架构来说，是否对模型进行量化推理、量化的方式、访存的优化等也会有很大影响。
K210的其他参数如下：
- 双核 64-bit RISC-V RV64IMAFDC (RV64GC) CPU / 400MHz（可超频到600MHz）
- 双精度 FPU
- 8MiB 64bit 片上 SRAM（6MiB通用SRAM+2MiB的AI专用SRAM）
- 神经网络处理器（KPU） / 0.8TFLOPS
- 音频处理器（APU）
- 可编程 IO 阵列 (FPIOA)
- 双硬件512点16位复数FFT
- SPI, I2C, UART, I2S, RTC, PWM, 定时器支持
- AES, SHA256 加速器
- 直接内存存取控制器 (DMAC)
芯片采用BGA144封装，28nm制程工艺，芯片功耗低至0.35W，而成本，只要20RMB。
想一下一块Arduino的板子要多少钱……Arduino的性能和外设在K210面前就是个弟中弟（摊手）。
芯片架构图
那么K210又能做哪些事情呢？
多到让你怀疑它是否真的只是个单片机……人脸检测、物体识别、播放视频、声场成像、3D渲染，甚至还能在上面跑FC模拟器玩游戏……
可以参考下面链接里的视频演示，相信看完你会爱了的：
Maix能做哪些事 · MaixPy 文档maixpy.sipeed.com
好了芯片就吹到这里，下面介绍一下市面上已有的一些K210开发板。
继续阅读 >>
