日前，從IEEE電氣與電子工程師協會獲悉，耐能題為《A Reconfigurable Streaming Deep Convolutional Neural Network Accelerator for Internet of Things》的論文榮獲2021 IEEE CAS Darlington獎。該論文主要研究了針對可重構技術應用於物聯網的神經網絡模型。

2018年美國DARPA在“”電子復興計劃“”中提出了軟体定義硬体概念（Software-defined-hardware）,被認為是晶片世界的“遠方”。SDH的目標是讓數據密集型算法可在運行時重構硬体和軟体，以實現接近ASIC的性能而又不犧牲數據密集型算法的可編程性，且避免ASIC的高製造成本、長開發時間或單一應用等缺點或限製。可重構計算系統結合了微處理器的軟体靈活性和專用ASIC的高效性，同時又兼顧硬体的高性能性，實現軟体和硬体兩者的優點。而在SDH可重構技術領域，耐能是行業內領先的實踐者。

此外，針對可重構具有動態性的特點，利用可重用的硬体資源，根據不同的應用需求對可重構指令的代碼生成進行優化處理，從而獲得切合可重構指令集處理器體系結構特性的可執行程序，滿足可重構處理器能夠適應多變的計算需求，其在性能、功耗、靈活性等晶片的關鍵指標之間具有更好的平衡。

耐能的可重構技術，可滿足不同應用需求並適應各種計算體系架構。通俗一點說：即把晶片比喻成一堆樂高的積木，當需要支持語音AI的模型時即通過指令集進行組合，而當需要支持圖像AI模型時，再重新組合，從而可以很好地支持多種神經網絡模型，並保持架構的精簡性，由此也就同時帶來了性能和功耗的優勢，進而可以在與級別產品性能相同的情況下，選用更加成熟的工藝製程，降低成本，最終實現高性能、低成本、低功耗、高兼容性的優勢。

更深一層，可重構技術的優勢更本質的是解決了存儲的問題，提升MAC的利用率。可重構技術實現了動態存儲DMA，當處理器對存儲沒有很高的需求時，就預先準備好，當需要使用的時候就直接讀取，實現效率的提升。

不僅如此，可重構技術還能動態支持同一個神經網絡的不同數據精度需求。最終的產品可以根據客戶的需求，可以支持Int8、FP16以及更高的精度。

IEEE創立於1968年，是當前最具有國際影響力的學術組織之一。該獎項是IEEE CAS Society 的最高榮譽。該項技術不僅獲得了IEEE Darlington 論文獎，同時，也在美國、臺灣、中國大陸等拿到了專利。目前，可重構技術已應用在多個重點領域。。