在云计算接手了大部分计算任务的当下,边缘计算也在萌芽。与计算资源和服务都放在数据中心的云计算相比,如果在算力和延迟得以保证的情况下,边缘端的计算反而能给用户带来更好的体验。为此,一众半导体公司开始探索边缘计算芯片,为AI/ML等技术提供边缘端的计算助力。
谷歌Edge TPU
Edge TPU / 谷歌
Edge TPU是谷歌专为边缘推理打造的ASIC芯片,这也是谷歌除了Cloud TPU和Google Cloud两大云端产品外,主打边缘计算的产品。在隐私/机密以及低延迟、小带宽等因素的限制下,不少应用并不适合上云,所以为边缘端提供AI推理计算就成了解决需求的思路。而Edge TPU的大小甚至不及一个硬币,无疑可以用于广泛的AI边缘部署。
Coral加速器模组 / 谷歌
谷歌更是搭建了一个本地AI平台Coral,提供一系列硬件、软件工具和预编译的模型,帮助开发者构建具备本地AI能力的设备。以Coral加速器模组为例,这是一个MCM模组,可以用于高速推理机器学习模型。该模组内置了Edge TPU ML加速器,并集成了电源管理,支持PCIe 2.0x1或USB 2.0的接口,INT8精度下的最高算力可达4 Tops,功耗达到2W。最重要的是其大小只有15x10x1.5mm。
此外,谷歌已经开始在手机芯片Tensor中集成TPU,而Tensor中的TPU已经达到了5W的功耗。考虑到谷歌除了手机以外,已经开始进军智能穿戴和智能家居等一系列物联网市场,在谷歌自己的AI生态下,想必也会进一步扩展Edge TPU的性能表现。
九天睿芯 ADA200
考虑到冯诺依曼架构在功耗与速度上的劣势,现在不少半导体公司都开始探索存算一体的全新架构。九天睿芯也是其中一个参与者,其ADA系列芯片甚至加入了感知这一维度,做到了模拟感知前处理+模数混合存内计算的感存算一体架构,直接在内存中进行混合信号计算。
ADA100 / 九天睿芯
根据九天睿芯官网的描述,ADA100系列是主打超低功耗低算力的传感器处理芯片,等效算力达到1Gops,最低功耗只有20μW,与其他数字芯片相比可以说是降维打击了,适用于可穿戴等AIoT设备。ADA100已于去年11月量产,将于今年批量出货。
ADA200 / 九天睿芯
而ADA200系列则是九天睿芯主打的中低算力芯片,其算力范围在1到2 Tops之间,可以用于低功耗无线摄像头、AR/VR和手机平板这类对算力要求更高一截的场景,该芯片预计今年年底量产。
AIStorm Mantis
在AI掀起的潮流下,不少厂商打上了传感器的主意。这点在TWS耳机、智能眼镜等小型智能化设备中尤为明显,毕竟如果在CMOS图像传感器或MEMS音频传感器上提供足够的边缘算力,就可以省去集成各类AI加速器的烦恼。
比如在传统的CMOS图像传感器方案中,像素阵列传输给源极跟随器,在经过ADC、ISP和MIPI SerDes,将其输出给数字AI,再经过MCU、GPU、DSP或FPGA的处理才能生成事件,如此数字化的过程使得延迟、功耗和成本都高出了一截。
Mantis AIS SoC / AIStorm
为了解决这个问题,初创企业AIStorm的解决方案就是将AI集成到传感器中。以他们的Mantis AIS SoC为例,该方案可将传感器变为一个模拟电荷域AI的输入层,Mantis直接接受传感器数据而无需数字化,再用ANN网络中的模拟神经元完成乘加等运算,最终生成一个决定输出。
Mantis用不到多先进的工艺,现有的产品只用到了高塔半导体的180nm节点和Dongbu的90nm节点,却依然可以在始终开启的情况下做到15 μW的功耗。虽然Mantis图像传感器只有96x96的像素分辨率,但这对于某些小型化应用来说已经足够,何况AIStorm面向的市场也仅仅只是简单低成本的物联网设备。此外,AIStorm也在开发支持QVGA和全高清分辨率的升级版本。
去年AIStorm也宣布与楼氏电子达成合作,一同开发低功耗高性能的音频解决方案,直接为模拟域接收音频数据,让TWS之类的小型音频设备在极低功率水平下也能完成AI降噪、算法声音增强等高级信号处理任务。
小结
从以上这些边缘计算芯片可以看出,传统的架构在边缘端已经不再是主流。无论是延迟敏感还是高算力要求的应用,都在推进边缘计算芯片在架构上做出创新。在这些芯片赋能的多接入边缘计算下,边缘计算将为云端计算分担一部分任务,更好地服务终端用户。
谷歌Edge TPU
Edge TPU / 谷歌
Edge TPU是谷歌专为边缘推理打造的ASIC芯片,这也是谷歌除了Cloud TPU和Google Cloud两大云端产品外,主打边缘计算的产品。在隐私/机密以及低延迟、小带宽等因素的限制下,不少应用并不适合上云,所以为边缘端提供AI推理计算就成了解决需求的思路。而Edge TPU的大小甚至不及一个硬币,无疑可以用于广泛的AI边缘部署。
Coral加速器模组 / 谷歌
谷歌更是搭建了一个本地AI平台Coral,提供一系列硬件、软件工具和预编译的模型,帮助开发者构建具备本地AI能力的设备。以Coral加速器模组为例,这是一个MCM模组,可以用于高速推理机器学习模型。该模组内置了Edge TPU ML加速器,并集成了电源管理,支持PCIe 2.0x1或USB 2.0的接口,INT8精度下的最高算力可达4 Tops,功耗达到2W。最重要的是其大小只有15x10x1.5mm。
此外,谷歌已经开始在手机芯片Tensor中集成TPU,而Tensor中的TPU已经达到了5W的功耗。考虑到谷歌除了手机以外,已经开始进军智能穿戴和智能家居等一系列物联网市场,在谷歌自己的AI生态下,想必也会进一步扩展Edge TPU的性能表现。
九天睿芯 ADA200
考虑到冯诺依曼架构在功耗与速度上的劣势,现在不少半导体公司都开始探索存算一体的全新架构。九天睿芯也是其中一个参与者,其ADA系列芯片甚至加入了感知这一维度,做到了模拟感知前处理+模数混合存内计算的感存算一体架构,直接在内存中进行混合信号计算。
ADA100 / 九天睿芯
根据九天睿芯官网的描述,ADA100系列是主打超低功耗低算力的传感器处理芯片,等效算力达到1Gops,最低功耗只有20μW,与其他数字芯片相比可以说是降维打击了,适用于可穿戴等AIoT设备。ADA100已于去年11月量产,将于今年批量出货。
ADA200 / 九天睿芯
而ADA200系列则是九天睿芯主打的中低算力芯片,其算力范围在1到2 Tops之间,可以用于低功耗无线摄像头、AR/VR和手机平板这类对算力要求更高一截的场景,该芯片预计今年年底量产。
AIStorm Mantis
在AI掀起的潮流下,不少厂商打上了传感器的主意。这点在TWS耳机、智能眼镜等小型智能化设备中尤为明显,毕竟如果在CMOS图像传感器或MEMS音频传感器上提供足够的边缘算力,就可以省去集成各类AI加速器的烦恼。
比如在传统的CMOS图像传感器方案中,像素阵列传输给源极跟随器,在经过ADC、ISP和MIPI SerDes,将其输出给数字AI,再经过MCU、GPU、DSP或FPGA的处理才能生成事件,如此数字化的过程使得延迟、功耗和成本都高出了一截。
Mantis AIS SoC / AIStorm
为了解决这个问题,初创企业AIStorm的解决方案就是将AI集成到传感器中。以他们的Mantis AIS SoC为例,该方案可将传感器变为一个模拟电荷域AI的输入层,Mantis直接接受传感器数据而无需数字化,再用ANN网络中的模拟神经元完成乘加等运算,最终生成一个决定输出。
Mantis用不到多先进的工艺,现有的产品只用到了高塔半导体的180nm节点和Dongbu的90nm节点,却依然可以在始终开启的情况下做到15 μW的功耗。虽然Mantis图像传感器只有96x96的像素分辨率,但这对于某些小型化应用来说已经足够,何况AIStorm面向的市场也仅仅只是简单低成本的物联网设备。此外,AIStorm也在开发支持QVGA和全高清分辨率的升级版本。
去年AIStorm也宣布与楼氏电子达成合作,一同开发低功耗高性能的音频解决方案,直接为模拟域接收音频数据,让TWS之类的小型音频设备在极低功率水平下也能完成AI降噪、算法声音增强等高级信号处理任务。
小结
从以上这些边缘计算芯片可以看出,传统的架构在边缘端已经不再是主流。无论是延迟敏感还是高算力要求的应用,都在推进边缘计算芯片在架构上做出创新。在这些芯片赋能的多接入边缘计算下,边缘计算将为云端计算分担一部分任务,更好地服务终端用户。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
-
mcu
+关注
关注
146文章
16019浏览量
343657 -
AI芯片
+关注
关注
17文章
1656浏览量
34393 -
边缘计算
+关注
关注
22文章
2804浏览量
46018
发布评论请先 登录
相关推荐
边缘计算和云计算的区别和联系
边缘计算和云计算是两种不同的计算模型,它们在应用场景、架构、数据处理等方面有着显著的差异。本文将详尽、详实、细致地阐述边缘
边缘计算网关简介
在设备端进行数据过滤、优化和实时响应,从而降低网络负载和云端压力。随着工业物联网快速发展,边缘计算网关的应用已成为推动工业自动化和数字化转型的关键因素。在处理大量数据和保证实时性方面,边缘
M0518使用TimerR来捕捉外部信号的上升边缘和下降边缘
: NuTiny-M0518S-V1.1
此样本代码使用 TimerR 来捕捉外部信号的上升边缘和下降边缘, 并计算TimerR 时钟的高档时间基 。
您可以在下列时间下载样本代码h
发表于 08-30 07:19
如何使用TimerR来捕捉外部信号的上升边缘和下降边缘
: NuTiny-M0518S-V1.1
此样本代码使用 TimerR 来捕捉外部信号的上升边缘和下降边缘, 并计算TimerR 时钟的高档时间基 。
您可以在下列时间下载样本代码h
发表于 08-22 06:34
边缘计算机的概念和应用边缘计算发展前景
边缘计算是指在靠近物或数据源头的网络边缘侧,融合了网络、计算、存储以及应用处理能力的分布式平台,就近提供智能服
务。和云计算的区别是:作用
发表于 05-18 17:23
•0次下载
边缘计算基础
边缘计算,是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服
务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、
发表于 05-18 16:13
•0次下载
边缘计算概述
,连接到互联网的智能设备数量快速增长,在网络边缘产生海量数据(BigData)。海量数据
导致传统云计算模式存在带宽负载、响应速度慢、安全性差、隐私性差等问题。
因此,传统的云计算
发表于 05-18 16:12
•0次下载
什么是边缘计算 边缘计算的优势
边缘计算已成为最受关注的技术趋势之一,随着所有的讨论,您可能认为是时候为您的物联网网络投资智能边缘技术了。但是,在为新的边缘设备下单之
前,让我们先讨论一下
发表于 05-18 14:39
•4次下载
为什么需要边缘计算?哪些场景需要边缘计算?
边缘计算(Edge Computing)是一种将数据处理和计算功能移到接近数据源头的边缘设备上进行的计算模式。相比传统的云
评论