　LeapMindは2019年6月13日、同社がオープンソース化したソフトウェアスタック「Blueoil（ブルーオイル）」向けに、新たなハードウェアアクセラレータ設計を同月下旬にリリースすると発表した。Blueoilにはもともと、FPGAを使って推論処理を高速化するアクセラレータ回路がソースコードの形式で含まれているが、さらに高速化した回路をv0.8.0としてリリースする。

Blueoilのイメージ（クリックで拡大）出典：LeapMind

　新規設計された回路は、Cyclone V SoCを搭載した台湾Terasic製のDE10-Nanoボード上において、物体検出処理デモを約25～30fpsで実行できる。物体検出処理の畳み込みニューラルネットワーク（CNN）処理部は、約40fpsの処理性能になるという。

ベンチマークテスト結果（クリックで拡大）出典：LeapMind

　LeapMindは、消費電力の少ないFPGAなどの電力が限られたコンピューティング環境でもエッジ側でディープラーニングが稼働する「エッジディープラーニング技術」を開発。同技術向けの学習環境を広く容易に利用できるようにするため、Blueoilを2018年10月にオープンソースソフトウェアスタックとして公開した。Blueoilには今後も、性能の向上や対応デバイスの拡充を進める計画があるとしている。

組み込みAIは必要不可欠な技術へ、推論に加えて学習も視野に
2017年初時点では芽吹きつつあった程度の組み込みAI。今や大きな幹にまで成長しつつあり、2019年からは、組み込み機器を開発する上で組み込みAIは当たり前の存在になっていきそうだ。
AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
機械学習はどうやって使うのか――意外と地道な積み重ね
前編では、AI（人工知能）と機械学習、ディープラーニングといった用語の説明から、AIを実現する技術の1つである機械学習が製造業を中心とした産業界にも徐々に使われ始めている話をした。後編では、機械学習を使ったデータ分析と予測モデル作成について説明する。
低コストFPGAで深層学習、コア技術をオープンソース化したベンチャーの狙い
LeapMindは2018年10月19日、組み込み向けFPGA上でディープラーニングを動作させるソフトウェアスタックをオープンソースで公開した。同社が今まで強みとしてきた技術が、誰でも利用もできるようになった。同社CTO（最高技術責任者）を務める徳永拓之氏に、blueoilとはどのようなもので、何が実現できるのか。そして、オープンソース化した狙いなどを聞いた。
エッジAIは専用プロセッサの流れに、LeapMindが独自IPの設計を明かす
LeapMindはディープラーニングの推論処理に特化した低消費電力プロセッサIP（Intellectual Property）の開発を明らかにした。
「Cyclone V SoC」上で高い推論精度を発揮するディープラーニング技術
LeapMindは、SoC FPGAを使用したディープラーニングの顔検出で、推論スピード10.5fpsの性能を達成した。低消費電力のSoC FPGA上に、推論精度を低下させずに物体検出機能を実装できることが確認できた。