3月13日， 賽靈思宣佈推出reVISION 堆疊， 這是繼不久前其發佈可重配置加速堆疊加速雲端(Cloud) FPGA機器學習主流應用之後， 再次將賽靈思技術擴展至終端應用之中, 從而實現了其在機器學習應用領域從端到雲的全面部署。
ZD至頂網伺服器頻道 03月15日 新聞消息： 市場需求是技術的最好推動力之一， 當自動駕駛、無人飛機市場越來越受關注， 需求越來越旺盛， 必然推動相關解決方案的升級換代。 賽靈思”的理念， 也就是不僅軟體可程式設計， 硬體也可程式設計， 這種可以綜合軟體優化能力和硬體高性能的獨特優勢，
Steve Glaser解釋說， 通用的CPU+GPU組合雖然軟體方面可以程式設計， 在高精度浮點運算時的性能非常好， 在訓練方面表現很好， 但是它們在硬體方面不能重新配置， 限制了其性能發揮， 使得快速回應和時延方面不太理想， 主要用於由研發團隊來建設神經中樞的模型， 實現訓練的高效率， 但是不太可能進行嵌入式應用的部署。 而嵌入式的GPU和典型的SoC的回應時間雖然有所改善， 軟體可以重新程式設計， 但是同樣硬體也是固定的， 不能夠重新配置， 無法適應新的神經網路和新的感測器類型。
“相比較而言， 賽靈思的reVISION不僅能夠提供最快速的反應時間， 而且還可以重新配置。 另外，
據悉， reVISION可支援最流行的神經網路， 包括 AlexNet、GoogLeNet、SqueezeNet、SSD 和 FCN。 此外， 該堆疊還提供了庫元素， 包括 CNN 網路層的預定義的優化型實現方案， 這也是構建定制神經網（DNN/CNN）所必需的。 也正是得益於reVISION能夠支持更廣泛的嵌入式軟體和系統工程師， 使其即使沒有或者很少硬體設計專業知識也可以使用賽靈思技術更輕鬆、更快速地開發視覺導向的智慧系統。