自駕車商機誘人，驅動傳統車廠與物聯網廠商跨界搶進，更加速人工智慧(AI)、先進駕駛輔助系統(ADAS)發展愈趨白熱化。而嵌入式視覺也搭上AI與ADAS發展的順風車，成為實現自駕車發展不可或缺的關鍵技術，為了要滿足嵌入式視覺技術的靈活度，低延遲、低功耗與低成本的要素缺一不可。
靈思(Xilinx)機器學習資深產品行銷經理羅霖談到，在AI高速發展狀況下，對嵌入式視覺的ASIC晶片開發帶來巨大挑戰，從感測器蒐集道路行駛資料、基於深度學習感知執行路徑規畫，甚至是提供自動煞車的過程，所需的延遲必須小於100ms，且其中牽涉到許多散熱挑戰，要求晶片功耗需小於5W。此外，該技術對於成本相對敏感，要求主晶片價位範圍介於10~40美元之間。
相較之下，採用FPGA支援嵌入式視覺技術，更具可編程的彈性。羅霖分析，雖然採用ASIC開發嵌入式視覺具備成本與功耗優勢，但在AI與深度學習時代，創新的技術或應用不斷發生，每天都有新的深度神經網路(DNN)出現，而這些神經網路本身是變種、無標準性，也沒有標準化的演算法。在此前提下，車廠會要求每個月升級一次神經網路，升級的神經網路不僅改變權重，還包含整體網路結構與網路計算顆粒度，變更範圍非常廣。
此外，由於DNN的趨勢發展下，相機對於解析度要求的規格也快速改變，為了因應不同解析度，提供不同介面支援也成為嵌入式視覺關注的一大重點，相比於ASIC固定式的設計，FPGA可提供彈性化的I/O介面，也成為嵌入式視覺開發的一大賣點。
雖然FPGA具備彈性、可擴充性的優勢，但一直以來為人詬病的地方就在於複雜的軟體定義編程、函式庫與架構上的挑戰。為了解決這項痛點，賽靈思發布reVISION Stack平台，提供驗證過並定義完成的基礎平台，開發工程師僅須選用開發工具、架構與函式庫，即可快速進入機器學習應用，有效降低FPGA開發門檻。
整體而言，賽靈思汽車產品行銷經理孫蕾蕾表示，賽靈思FPGA與SoC優點是可以用到汽車不同應用，包含前端、雷達與光達應用，其延遲相較於CPU和GPU都還來得低。憑藉著Xilinx本身FPGA具備的低延遲、低功耗的性能條件，近期在車用領域已與許多車廠及物聯網廠商合作，包含戴姆勒、Mobilieye和百度等公司，主要透過AI技術提供前置攝影機、駕駛偵測與自動停車等應用。
賽靈思機器學習資深產品行銷經理羅霖認為，低延遲、低功耗與低成本是打造嵌入式視覺不可或缺的關鍵要素。