AMD-赛灵思公布 2021 自适应计算挑战赛开发者赛道获胜者

今年是自适应计算挑战赛的第二年，2021 自适应计算挑战赛 要求开发者综合运用 AMD赛灵思的自适应计算平台与 Vivado® ML、Vitis™ 统一软件平台和 Vitis AI 开发环境，开发创新应用，解决现实问题。

今年的挑战赛由三大主要赛道构成，每个赛道最高奖金 10,000 美元：

• 边缘计算（使用赛灵思 Kria™ KV260 视觉入门套件）
• 数据中心 AI （使用赛灵思 VCK5000 AI 推断开发卡）
• 数据中心分析（使用赛灵思 Varium™ C1100 区块链加速器）

此外，我们还新增了两个赛道。一个是“赛灵思大学计划”，鼓励高校学子提交其创新项目；另一个是“科技女性”，旨在号召更多女性开发者参与技术竞赛。两个最新赛道的最高奖金均为 2,500 美元。

我们再次携手 Hackster.io 举行该挑战赛。今年的比赛有超过 2,000 个个人和赛队报名参赛，打造了 634 个硬件应用，其中 165 个成功入围，开发者遍及 35 个国家.。五个赛道共计产生 14 位获奖者，奖金总额 70,000 美元。与去年相比，入围比赛的应用数量增加了 3 倍以上。我们很高兴看到比赛规模的持续扩大与参与者的技术热情，再次感谢每一位参赛者。

本届挑战赛的获胜者为：

类别：边缘计算（使用赛灵思 Kria KV260 视觉 AI 入门套件）
获奖项目：KARP – Kria 自主机器人平台

Kria自动机器人平台（ Karp ）采用 Kria KV260 视觉 AI 入门套件构建。KV260 以套件开箱即用的方式为设计视觉应用提供可负担、易于使用的开发平台。作为 Kria K26 SOM 的开发平台，KV260 专门针对高级视觉应用开发，而且不需要具备复杂的硬件设计知识。

这个项目使用了多种不同的先进技术，如 AMD 赛灵思 FPGA、Vitis-AI 2.0、ROS 2、Odrive 电机控制器、Velodyne 激光雷达等。Karp 高度可定制，方便用户在这个低成本机器人平台上开发自己的应用。

详细了解构建 Karp 使用的软硬件，请访问： https://www.hackster.io/jlamperez10/karp-5e19e9

类别：数据中心 AI（使用赛灵思 VCK5000 开发卡）
获奖项目：用于 8 个临床检验室的即时医疗图像分析助手

在这个类别里，评委希望将我们的 VCK5000 Versal 开发卡与 Vitis AI 最完美地搭配使用，为 AI 推断加速。VCK5000 开发卡专为需要高吞吐量 AI 推断和信号处理算力性能的设计所打造。

为了准确检测息肉并减轻医生负担，开发团队使用 VCK5000 开发板创建了实时息肉检测系统。该系统最多可实时并行批量处理 8 个息肉分割任务，同时不劣化多个任务的推断速度。

来自每台单独仪器的影像通过网络传送给服务器。随后，服务器使用 VCK5000 内置的 DPU 检测息肉，最后将分割结果回传给原始仪器。

依托此类结果，医生便能更清楚地向患者解释病症。此外，已标记息肉的手术视频还能为学术讨论提供宝贵资料。团队希望这一创意和设计能够为医疗行业做出贡献，同时有助于医生拯救更多生命。

进一步了解这个项目，请访问：https://www.hackster.io/nycity/instant-medical-image-analysis-aid-for-8-clinic-exam-rooms-847669

类别：大数据分析（使用赛灵思 Varium™ C1100 加速器卡）
获奖项目：TRIDENT：用硬件实现的 Poseidon 哈希算法

这个类别专门聚焦于区块链应用加速，包括为需要高存储器带宽和交易验证的认证型区块链（如超级账本架构）的工作量证明算法加速。我们要求开发者基于 Varium C1100 区块链加速器卡构建解决方案，提高区块链协议和基础设施的效率与可扩展性。

TRIDENT 系统提供了在 FPGA 中加速 Poseidon 哈希算法的完整解决方案，包括硬件设计和软件 API。Poseidon 哈希算法因采用零知识密码证明，又称 ZK-SNARK，被区块链项目广泛使用。本项目旨在通过在硬件中实现 Poseidon 哈希算法来加速 ZK-SNARK。

该团队在 Vivado 设计套件中将 TRIDENT 作为块设计实现。Poseidon 哈希算法先用 Spinal-HDL 编写，然后转换成 Veriog 并使用 Vivado 中的定制 IP。Varium C1100 区块链加速器卡采用 XDMA PCI-E IP 在 AXI4-Stream 模式下进行 FGPA 数据读取/写入。Filecoin 的“Neptune”Rust API 经过修改用于将 Poseidon 哈希算法从 GPU 切换到 FPGA。另外，TRIDENT 到目前为止已经实现了比 CPU 实现方案高两倍多的吞吐量性能，以及显著优于 GPU 的单位功耗性能。

全面详细了解这个项目，请访问：https://www.hackster.io/datenlord/trident-a-hardware-implemented-poseidon-hasher-79025f

特别赛道：

赛灵思大学计划：
获奖项目： 面向智慧城市的一体化自适应计算平台

通过这个项目，学生基于 Kria KV260 SOM 设计出了灵活的视频处理框架，用于智慧城市的智能交通运输系统的智能摄像头应用。

该框架不但能够利用语义分割与道路标线检测网络自动检测应用场景（如：车辆或行人），而且还可以自动针对相关应用场景自动选择最佳 DNN 模型。得益于具有动态可重新配置功能与运行时管理 API，该系统在运行时无需停止视频流水线即可动态切换 DNN 推断模型。这样一来，我们的智能摄像头系统最终得以实现真正的自适应，而且能够以更智能的方式达到最高性能。

全面详细了解这个项目，请访问：https://www.hackster.io/yufan-lu/all-in-one-self-adaptive-computing-platform-for-smart-city-933ff2

科技女性：
获奖项目：J-Eye：用于自动注射的肌内部位检测

该团队使用 Vitis 工具套件，在 Kria KV260 板上开发出低成本 2D 视觉 AI 辅助肌肉内注射位置检测应用 J-Eye。开发这种在 FPGA 板上用简单设置就能实现的更低成本的替代解决方案，他们的最终目的是推动开发新一代自动疫苗注射应用。

想进一步了解更多项目内容，请访问：https://www.hackster.io/j-eye/j-eye-intramuscular-site-detection-for-autonomous-injection-a1c333

真诚感谢 2021 自适应计算挑战赛的每一位参赛者。敬请期待明年的比赛。