专注边缘AI的耐能智能获得新一轮投资

专注边缘AI的耐能智能成立于美国的圣地亚哥，目前宣称获得了来自鸿海和华邦电子的投资。

耐能与投资者将在AI领域展开紧密合作，双方建立战略合作关係。据悉，耐能将加入由鸿海一手打造的 MIH 电动车的开放平台。MIH在成立之初就把耐能作为了其合作伙伴，此次将与鸿海共同合作开发汽车行业中的AI应用领域。此外，耐能和鸿海的合作也将共同推进工业4.0。耐能和华邦电子将致力于开发基于AI的微控制器（MCU）和内存计算（Memory Computing ）。

早前，耐能已获得来自李嘉诚旗下的Horizons Ventures领投的4000万美元。除此之外，亦获得来自阿里巴巴创业者基金、CDIB、奇景光电、高通、中科创达、伟诠、红杉资本子基金Cloudatlas等全球知名资本青睐，共计获得超过7300万美元的A轮投资。

耐能创始人兼首席执行官刘峻诚博士（Albert Liu）说：“在众多公司削减研发投入的时候，我们感谢投资者相信耐能所做的工作。耐能是一家年轻的公司，自2015年成立以来已经取得了很多成就，我们争取在未来取得更多成就，而这背后离不开像鸿海和华邦电子等众多投资者的支持。对于推进AI 芯片的发展来说，这是一个令人兴奋的时刻，而耐能将持续在这个领域中发挥至关重要的作用。

耐能提供完整的端到端软硬件解决方案，可在移动设备，个人计算机和IoT（包括智能家居设备，监控，支付和智能汽车）中实现设备上边缘AI的推理。耐能解决方案增大了基于云的AI，以加速设备上的AI推理。据了解，空调巨头格力和自动驾驶软件公司Teraki等都是其合作客户。

刘峻诚博士补充说：“我们很高兴能同合作伙伴和投资者一起前进。2020年对于耐能来说是重要的一年，我们发布了KL720，并加入了高通前台北工程研发总经理陈俊宇（Davis Chen）等大将。除了与我们的投资者进行合作项目开发外，计划将在2021年发布更多的芯片。边缘AI对许多人来说仍旧是一个比较新概念，我们期待把这项技术带给每个人。”

随著边缘 AI行业的快速兴起，基于耐能对其早期的技术投资以及商业化的布局，从而使其处于行业领导地位，其边缘AI技术在市场上得到了广泛的应用。

耐能多款产品助力

据了解，耐能现在推出了包括神经处理单元（NPU）、KL520和KL720 及其解决方案。其中，耐能NPU提供经市场验证过的解决方案，满足低功能，低热分布和复杂的神经网络计算需求。

KL520和KL720则是公司推出的两款AI芯片。据之前报道，Kneron KL520使用联电40nm工艺打造，搭配有两个Arm Cortex-M4内核和自研的NPU。而这两个Arm内核在SoC中分别扮演系统控制（ARM Cortex-M4@200MHz）和AI协处理器（ARM Cortex-M4@250MHz）的角色。而整个芯片的算力可以做到算力最高可达345GOPS （300MHz） ，平均功耗仅为500mW。能加速了来自耐能以及第三方大众设备上的神经网络模型，从而方便了日常设备中实现2D / 3D视觉识别以及音频识别。适用于结构光、ToF、双目视觉等3D传感技术并计算不同神经网络模型，且兼具规格、性能、成本等多重优点，解决3D模组相对较贵、芯片成本高和硬件功耗高等问题。

来到KL720，则是一款能够支持4K图像，全高清（1080p）视频和自然语言音频处理，从而使设备可捕获更多细节进行面部以及对音频进行识别的能力。据了解，除了集成耐能自研的KDP 720 NPU外，还集成了Cadence的DSP，充当协处理器的功能。此外，耐能还为这个新SoC集成了Arm Cortex-M4 内核，为终端的设计提供更多的控制支持。

与上一代的KL520芯片相比，KL720 NPU的频率从300Mhz提高到700Mhz，其在8-bit模式峰值速率也从上一代的345GOPS， 576MAC/cycle提升到这一代的1.5TOPS， 1024 MAC/cycle；用于控制的M4内核的频率也从上一代的200Mhz提升到这一代的400Mhz；关于这个新芯片，还有一点值得强调一下，那就是他们的AI协处理器从上一代ARM Cortex-M4改换为这一代的DSP，因为DSP的特性，这无疑将进一步增加他们新款SoC的实力。

除了硬件以外，耐能提供的边缘AI算法，能够根据最新的NIST测试结果，机器学习算法，已经嵌入进行业最小的内存中，其中包括了面部检测，面部识别，身体检测和手势识别等技术。

可重构是其技术亮点

据耐能之前的介绍，边缘 AI解决方案具备可重构技术特点。在KL520上，他们就表示，公司在此款产品上采用了可重构的芯片设计，增加了芯片的灵活性，这也是它能够同时满足面部、身体、手势、物品、场景、车型、车牌等多种图像识别应用的加速需求的原因。再搭配其压缩技术和动态储存资源配置技术，可以让芯片进一步提升其资源利用率。从而可以根据设备上的应用需求在音频识别和2D / 3D视觉识别之间进行实时切换。此外，这种可重构技术不但可兼容大众主流的AI框架，如Tensor Flow，ONNX，Keras，Caffe和PyTorch等，同时可兼容主要的CNN模型包括VGG16，ResNet，GoogleNet，YOLO，Tiny YOLO，LeNet，MobileNet， Densenet等。

基于耐能的可重构技术特点，从而可实现其对Edge AI Net以及AIoT 3.0的愿景。简而言之，Edge AI Net将使AI民主化，并以更少的天网创建更多的Wall-E和EVA。Edge AI Net允许Edge AI设备彼此通信，从而创建不依赖于集中式云AI服务的集体行动平台。

耐能靠其性能和功耗之间的完美平衡，内存占用量以及低成本的解决方案，使其在边缘AI领域中一直处于领先地位。此外，其性能远高于其模型“大小”级别，这在2019年NIST面部识别供应商测试中得到了有力验证，而许多情况下如存储空间、尺寸和电源受限时其平衡性至关重要，其包括了日常应用如摄像头、智能门铃、智能门锁、智能手机等。另外，其解决方案兼容主要的AI平台，并且可进行实时可重构技术适应不同的应用需求。
责任编辑:tzh