在東北大學渾南校區信息學館前，計算機科學與工程學院學生蔣承知的腳下有一個小小的、如螃蟹般的機器人緊緊地跟隨著他，寸步不離，正在對他的行為進行“深度學習”，蔣承知則仔細地檢查著機器人的各項參數，并進行詳細記錄。

蔣承知是東北大學的一名本科生，他和同伴于起、葉文強、甘淞元組成的創新團隊，將現場可編程門陣列FPGA神經芯片運用于人工智能深度學習領域，采用卷積神經網絡，嘗試在芯片中模仿人腦以大規模的平行方式處理信息，目前項目組已成功實現將基于FPGA的神經芯片植入到硬件資源進行深度學習，并獲得大學生創新項目國家級資助。

深度學習是指通過學習樣本數據的內在規律和深層特征，使神經網絡結構能夠像人一樣具備分析和自主學習新東西的能力，目前該技術在文字、圖像處理、語音識別、機器翻譯等領域，已經取得很多成果。但隨著電子信息技術的發展，要求計算機能夠更加“任性”地服務于生活，需要機器本身能像人一樣識別與感知周圍的環境，并對復雜的環境作出正確的判斷，這對計算機深度學習的便捷性和低成本獲取提出了更高的要求。

目前，深度學習的實現平臺依賴于龐大的CPU/GPU集群，成本很高，在現實生活中很難實現和得到運用。與此同時，傳統的嵌入式處理設備單片機ARM、DSP都無法實現深度學習的實時處理。

FPGA神經芯片作為一款具有現場可編程功能的邏輯門電路元件，有著強大的并行處理數據能力和優勢。卷積神經網絡擁有強大的特征提取能力，使其在圖像分類識別、目標跟蹤等領域運用廣泛。蔣承知團隊創新性地將FPGA神經芯片作為能夠實現深度學習的嵌入式處理器，并把能夠極大提升計算機感知識別周圍環境能力的卷積神經網絡算法應用于基于FPGA的目標跟蹤設備，使設備運行速度大幅提高。經過“流片”（即工業化試生產）后，體積大幅縮小的神經芯片更適合于嵌入式應用，從而使具備深度學習能力的設備制造成本大大降低。

這項創新技術的運用范圍非常廣泛，可以在目標識別、跟蹤、圖像處理、語音、自然語言等諸多領域實現嵌入式運用，只要設置不同的參數就可以滿足各個場景的需要。例如，將芯片與攝像頭連接，就能直接識別出所需要的目標；將其植入機器人就可以完成目標追蹤等較復雜的任務，市場化應用潛力巨大。下一步，團隊將緊跟技術發展的潮流研究基于神經芯片的高質量深度相機，使其能應用于智能汽車以及無人駕駛領域，并積極推動神經芯片在“互聯網+”相關領域的廣泛應用。