一颗好的处理器需要什么样的好IP？

购RivieraWaves。这家公司的低功耗WiFi与蓝牙IP技术，与CEVA的DSP结合，现在看来是非常成功的案例。RivieraWaves的Wi-Fi和Bluetooth IP以备有高功效的基于硬件设计和基于DSP设计方式提供，为LTE和Wi-Fi带来了实现差异化的灵活性和统一的平台。其蓝牙与WIFI IP，已经成功地应用到了很多新的物联网市场，包括可穿戴、智能家居，无线音响等超大量规模应用。

　　下面这张PPT中有提到一个ZigSmart的词。据Eran Briman介绍，它是由ZigBee、Thread、6LoWPAN、BLT 4.2整合演进，是CEVA的独家专有技术，符合 IEEE 802.15.4标准。

　　在上图列出的客户中，Dialog在小米手环和众多可穿戴设备上的成功，Beken在无线蓝牙音箱市场等领域占有很大的出货量，都让人印象深刻。现在越来越多的遥控器、耳机、健身产品，也都在采用越低功耗蓝牙方案，将来每个市场的出货量将是数以亿计。

　　在CEVA与NXP的一篇新闻稿中指出，"NXP的SoC充分利用RivieraWaves Bluetooth Smart 的超低功耗特性，极大地简化了下一代可穿戴产品、智能家居、数字健康和其它物联网（IoT） 构成设备的创新。"

　　"RivieraWaves Bluetooth Smart IP为智能手表、助听器、用于医疗/运动（心率、血糖、体温）的可穿戴传感器、遥控装置、玩具、环境传感器和位置信标等需要单模式低功耗蓝牙（BLE）的应用及许多其它"机器对机器"（machine–to-machine）通信提供极低功耗、低运算负荷和低逻辑门数的平台。这个Bluetooth Smart IP符合最新的Bluetooth Smart 4.2规范，由一个硬件基带控制器和包括Profiles在内的完整软件协议栈构成。"

　　顺便说一下，对于CEVA业务模式上既收IP授权费，又收IP使用费。这些新的应用随时都有着比手机平板都要大的出货量，钱景真是无限看好。下面插入一张CEVA过去18个月的股价趋势图，刺激大家一下：

　　CEVA的股价在过去一年中几乎翻了一番。

　　笔者在另一篇新闻稿中找到了关于低功耗WiFi IP技术的介绍。低功耗WiFi是一个非常值得大家关注的技术，具体作用的描述，从一篇CEVA的新闻稿中摘录如右：CEVA的RivieraWaves Wi-Fi IP在瞄准智能手机、可穿戴产品、消费电子、智能家居、工业和汽车电子应用的SoC设计中无缝实现低功耗802.11合规连接性功能。

　　还是用一张PPT来说明CEVA的WIFI平台更合适。其中Celeno也是一个以色列公司，主要市场是家庭用WiFi产品。

　　智能产品不可或缺的技术：图像视觉识别、语音识别分析

　　对视频、图像和语音的机器识别与分析，在云和服务器端并不是什么难题。但在嵌入式产品端来进行，一直是一个非常前沿的科技难题。一方面是因为嵌入式产品的功率与功耗限制了处理器的性能，或一方面则是海量的存储数据，都只能在云端进行，嵌入式产品的智能识别功能非常有限。

　　随着新的技术的发展，在嵌入式产品端直接完成快速的识别与判断， 渐渐成为了可能。CEVA推出深层神经网络框架加快低功耗嵌入式系统中的机器学习技术的应用。

　　CEVA公司日前宣布推出实时神经网络软件框架CEVA 深层神经网络（CEVA Deep Neural Network， CDNN），以简化低功耗嵌入式系统中的机器学习部署。通过利用CEVA-XM4 图像和视觉DSP的处理能力，CDNN使得嵌入式系统执行深层学习任务的速度比基于GPU的领先系统提高3倍，同时消耗的功率减少30倍，所需存储带宽减少15倍 （注）。例如，在28nm工艺下对每秒 30帧的1080p视频流运行基于深层神经网络（DNN） 的行人检测算法，所需功率低于30mW。

　　CNN神经网络之前有介绍过，此处不再重复。下面分声音和视觉两方面来做介绍。

　　声音分析指的是嵌入式产品，可能接受语音的指令或者是感受到环境中的声音，通过DSP技术来识别这些声音，例如婴儿的哭泣、门窗玻璃碎裂等，来作出决断并给出下一步的指令。

　　而这些，都是在无云端（Cloudless）的音频分析，以低功耗的方式完成。

　　工程师今后可以借助具备声音分析功能的芯片，开发出语音控制的产品，或是声音预警的产品。个人想到的就有家用机器人，声音远程报警设备、小区智能监控器等。

　　智能的视觉分析技术，它比以往的GPU和CPU，更加节能高效。CEVA公司CEVAnet合作伙伴计划的成员企业Phi Algorithm Solutions已经使用CDNN实现了一个基于CNN的通用目标检测 （Universal Object Detector）算法，用于CEVA-XM4 DSP。现在应用开发人员和OEM厂商可以把这个算法用于各种应用，包括用于安全的行人检测和面部检测、先进驾驶辅助系统（ADAS）和基于低功耗相机功能系统的其它嵌入式设备。

Phi Algorithm