在数字化浪潮的推动下，人工智能（AI）和机器学习（ML）技术正以前所未有的速度融入各行各业，特别是在工业领域中，它们已成为提高效率和竞争力的关键因素。为了满足市场对定制化AI硬件解决方案日益增长的需求，西门子数字化工业软件日前推出了一款名为Catapult AI NN的创新软件，旨在帮助神经网络加速器在专用集成电路（ASIC）和芯片级系统（SoC）上实现更高效的高层次综合（HLS）。

Catapult AI NN不仅仅是一个软件工具，它更是一个综合性的解决方案。这款软件能够无缝地衔接AI框架与硬件设计，将AI框架中的神经网络描述转化为C++代码，并进一步合成为Verilog或VHDL语言的RTL加速器。这意味着，无论是科学家还是AI专家，都可以利用他们熟悉的AI框架（如TensorFlow、PyTorch或Keras）来设计神经网络模型，而无需担心如何将这些模型转化为硬件实现。

这一创新得益于西门子与美国能源部费米实验室以及其他为hls4ml做出贡献的机构的紧密合作。hls4ml是一个开源软件包，旨在将AI框架中的神经网络描述转化为可部署在FPGA、ASIC或SoC上的C++代码。Catapult AI NN在此基础上进行了扩展和优化，使其更加适用于ASIC和SoC设计。

西门子数字化工业软件副总裁兼高层次设计、验证和功耗总经理Mo Movahed表示：“在AI/ML领域，神经网络模型的交接和硬件实现的手动转换一直是一个耗时且容易出错的过程。Catapult AI NN的推出，为AI/ML软件工程师提供了更多的可能性。通过这款软件，开发人员可以在软件开发过程中自动实现神经网络模型，并进行功耗、性能和面积（PPA）的优化，从而显著提升AI的开发效率并实现加速创新。”

随着AI和ML任务从数据中心转移到消费电器、医疗设备等更多领域，对于定制化的AI硬件的需求也在不断增长。这些硬件需要满足严格的功耗、性能和面积要求，以确保在边缘设备上的高效运行。Catapult AI NN的推出，正好满足了这一市场需求。

在费米实验室，研究人员一直在探索如何利用AI技术来提高粒子探测器的性能。费米实验室的新兴技术主管Panagiotis Spentzouris表示：“粒子探测器有非常严格的边缘AI约束条件。通过与西门子合作开发Catapult AI NN，我们的科学家和AI专家可以充分利用他们的知识，即使他们并不是ASIC设计人员。这款综合性框架为我们提供了前所未有的灵活性，让我们能够轻松地评估不同神经网络设计的影响，并确定硬件的理想神经网络结构。”

目前，Catapult AI NN已经向早期采用者提供，并计划于2024年第4季度全面推向市场。随着越来越多的企业和研究机构开始认识到这款软件的价值，我们有理由相信，Catapult AI NN将成为推动AI和ML技术发展的重要力量。