低功耗MCU在電池供電裝置實現AIoT

2020-10-27
作者 Maxim Integrated Products

與軟體方案相比,這種快速、低功耗的決策實施使得複雜的AI推論能耗降低到前期方案的百分之一以內,採用AI技術的電池供電系統可大幅延長其執行時間,有助於實現之前無法逾越的新一代電池供電AI應用。

Maxim Integrated Products推出配備神經網路加速器的MAX78000低功耗微控制器,支援電池供電的嵌入式物聯網(IoT)裝置在邊緣透過快速、低功耗人工智慧(AI)推論來制定複雜決策。

與軟體方案相比,這種快速、低功耗的決策實施使得複雜的AI推論能耗降低到前期方案的百分之一以內,採用AI技術的電池供電系統可大幅延長其執行時間,有助於實現之前無法逾越的新一代電池供電AI應用。此外,MAX78000並沒有影響延遲指標和成本:其成本只是FPGA或GPU方案的零頭,而執行推論的速度比低功耗微控制器上實施的軟體方案快100倍。

AI技術使機器能夠以之前完全不可能的方式來觀察、聆聽和感知世界。過去,將AI推論佈置到邊緣意味著從感測器、相機和麥克風收集資料,然後將資料發送到雲端實現推論演算法,再將結果送回到邊緣。由於延遲和能耗較大,這種架構對於邊緣普及極具挑戰。作為替代方案,低功耗微控制器可用於實施簡單的神經網路運算,但延遲會受到影響,且只能在邊緣執行簡單任務。

透過整合專用的神經網路加速器,MAX78000克服了這些侷限,憑藉在本地以低功耗即時執行AI處理,使機器能夠看到和聽到複雜的型態。由於MAX78000執行推論的功耗不到微控制器軟體運行功耗的百分之一,大幅提高了機器視覺、語音和臉部識別等應用的工作效率。

MAX78000的核心是專用硬體,其設計旨在最大程度地降低卷積神經網路(CNN)的能耗和延遲。該硬體運行時幾乎不需要任何微控制器的介入,意味著操作的流線化程度極高。能量和時間僅用於實施CNN的數學運算。為了將外部世界的採集資料高效輸入到CNN引擎,使用者可使用兩種整合微控制器核心之一:超低功耗ARM Cortex-M4 核心,或功耗更低的RISC-V核心。

鑒於AI開發的挑戰性,Maxim Integrated提供了工具,實現平穩的評估和開發體驗。MAX78000EVKIT#包括音訊和相機輸入,開箱即用的展示平台支援大字表關鍵字檢索和臉部識別。完備的文件可協助工程師訓練MAX78000網路,且採用其日常使用的工具:TensorFlow或PyTorch。

 

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

發表評論

訂閱EETT電子報