據外媒報道，自動駕駛需要極為強大的計算能力。然而，目前亟待討論的話題依然是：何種處理器架構最適合運行目標識別及傳感器融合演算法（sensor fusion algorithms），以便實現計算機驅動車輛。

　　鏗騰（Cadence）現已通過旗下的泰思立達（Tensilica）推出了一款基于數字信號處理器（DSP）架構的處理器。泰思立達的Vision C5產品旨在運行人工智能引擎的所有神經網絡層。

　　談及運行人工智能系統，最普遍的方法是利用圖形處理器（GPU），其優點如下：常規計算機的標準圖形控制器通常包含許多并聯運行的GPU。選用適用的算法后，該類圖形設備可被人工智能引擎重復應用，以提供卓越的性能優勢。目前，英偉達（Nvidia）等芯片廠商們在這方面做得很成功，但并非所有人都認為這是最佳的方法。

　　Tensilica Vision DSP產品系列的產品營銷總監普林·迪賽（Pulin Desai）評論道：“該方法需要非常高端的GPU，因而其能耗極大。”據Desai表示：“該方法可能適用于高端服務器群，對于該類設備而言，能源并非關鍵因素。若將其應用于車內，就務必要考量嵌入式系統的空間受限、電量受限等問題。”

　　黑科技，前瞻技術，鏗騰DSP架構處理器,泰思立達Vision C5 GPU,鏗騰神經網絡

　　憑借Tensilica Vision C5 DSP，鏗騰采用了截然不同的方式。C5提供了高度集中的計算能力——其尺寸只有不足1平方毫米，其運算性能卻達到1 TeraMAC（乘積累加計算步驟，Multiply-Accumulate computing steps），其高性能主要得益于其超長指令字（VLIW）向量處理指令組（借助128-way，8-bit或64-way，16-bit單指令多數據結構（SIMD）的執行）。該設備還針對可用性要求較高的視覺、雷達、激光雷達和傳感器融合應用進行了優化。

　　重要的是，其針對多處理器設計進行了架構構建——畢竟，最先進的車載先進駕駛輔助系統（ADAS）、計算機視覺及其他傳感器信息處理應用程序已愈發依賴于復雜的異構多處理器設計。

　　鏗騰宣稱，相比與同類GPU解決方案相較，C5的能效高出近一個數量級。在神經網絡硬件加速器方面，該款車品也擁有一定的優勢：與專業化、基于硬件的加速器不同，該產品可實現再編程，設計更為靈活且不會過時。同時，由于其功能性完全在軟件內實現，公司還采用了被廣泛使用的開發工具，因而其開發過程也更為容易。

　　迪賽表示，最終版本的C5上市后，公司會同時提供神經網絡函數庫。汽車應用將成為本產品最大的市場，除此之外，鏗騰還計劃將該產品出售給無人機及安全系統的制造商，或使用神經網絡識別算法來執行目標檢測及目標識別的其他應用。