隨著機器學習與AI快速發(fā)展，摩爾定律卻在逐步放緩，從架構(gòu)設(shè)計上尋求創(chuàng)新就成了當下芯片設(shè)計的主流解決方案，尤其是在低功耗的AI加速器芯片上。這些用于邊緣端的AI加速器芯片彌補了傳統(tǒng)傳感器方案計算能力缺乏或算力有限的問題，讓傳感器專注于感知層的提升，而算力上的提升和應用場景上的擴展，則可以放心交給低功耗AI芯片解決。

低功耗芯片也不缺席AI訓練

全新興起的這股邊緣AI熱，自然也對不少傳統(tǒng)半導體廠商產(chǎn)生了沖擊，為此他們也開始發(fā)力邊緣AI領(lǐng)域，羅姆正是其中之一。去年，羅姆宣布已經(jīng)開發(fā)出了用于IoT邊緣計算的端側(cè)學習AI芯片，其功耗甚至可以做到低至30mW。該芯片集成了羅姆自研的8位CPU tinyMicon MatisseCORE，以及2萬門的AI加速器AxlCORE-ODL。

羅姆端側(cè)AI芯片原型架構(gòu) / 羅姆

Matisse這一CPU不僅做到了極小的面積，在性能上也要超過尋常的8位CPU，甚至符合ISO 26262、ASIL-D的車規(guī)標準。AxlCORE-ODL則選擇了由輸入層、中間層和輸出層來組成簡單的三層神經(jīng)網(wǎng)絡。

除了極低的功耗，羅姆這顆芯片的最獨特之處在于可以像云端AI芯片一樣，完成訓練任務。傳統(tǒng)的低功耗AI芯片由于算力限制，往往是只能用于簡單的推理任務，而羅姆的AI SoC卻同時支持這兩種工作負載。

不過該芯片畢竟是主打端側(cè)低功耗的，無法進行較為復雜的訓練任務，羅姆對其定位主要是用于對端側(cè)傳感器和電機的實時故障預測。在無需連接云服務器的前提下，該芯片就可以將未知的輸入數(shù)據(jù)和模式生成非常規(guī)數(shù)值輸出，從而預測內(nèi)置傳感器或電機設(shè)備的潛在故障。

終端攝像頭迎來新升級

耐能作為一家專注于邊緣AI SoC芯片開發(fā)的廠商，此前已經(jīng)推出了KL520、KL530與KL720這一系列低功耗的AI芯片，也在去年11月推出了新一代的低功耗終端AI芯片KLM5S3。

從性能和特性來看，耐能的新產(chǎn)品KLM5S3是一款專門面向終端攝像頭市場的低功耗AI芯片。KLM5S3基于ARM Cortex A5并采用28nm工藝設(shè)計，NPU算力達到0.5eTOPS@INT8，支持Cafee、Tensorflow/lite、Pytorch等常見框架。

針對終端攝像頭應用，KLM5S3支持雙路HDR處理、電子防抖和魚眼校正等等，這些特性可以使其廣泛用于安防、記錄儀等場景，甚至可以用于ADAS系統(tǒng)。車規(guī)圖像傳感器除了高動態(tài)范圍外，另一大要求就是對LED閃爍的抑制，因為行駛過程中各種不同頻率的LED閃爍可能會對圖像輸出造成干擾。

耐能的KLM5S3AI芯片在搭配車規(guī)級攝像頭時，可以在NPU進行計算和輸出紅綠燈和其他交通標志的識別結(jié)果，從而降低駕駛風險。

小結(jié)

從這幾年推出的低功耗AI加速器來看，采用模擬和ASIC這兩種實現(xiàn)方式的芯片居多，加速對象以CNN居多，其次是DNN和RNN。因為CNN主要用于圖像識別這樣簡單的視覺AI任務，與視覺傳感器更為契合。而DNN和RNN之類的神經(jīng)網(wǎng)絡加速更多用于一些語音、文本處理任務。

至于負載類型，100W以下功耗的AI芯片主要還是單獨用于推理，訓練任務絕大多數(shù)還是交給大功率的AI芯片在云端完成。這并不是說傳感器這樣的邊緣硬件不需要訓練，而是現(xiàn)階段的簡單模型已經(jīng)可以解決這些傳感器的大部分需求，但隨著未來數(shù)字孿生等應用對傳感器性能的要求進一步提高，低功耗AI芯片勢必會成為最有效的輔助硬件。

審核編輯 ：李倩