AI-chip richt zich op low-power edge-apparaten
Kneron, de in San Diego en Taiwan gevestigde AI-silicium- en IP-startup, heeft een AI SoC gelanceerd met een bijgewerkte versie van de neurale verwerkingseenheid (NPU) IP van het bedrijf. De KL720 beschikt ook over een Cadence DSP AI-co-processor en een Arm Cortex M4-kern voor systeemcontrole. Terwijl Kneron's next-gen AI SoC is gericht op low-power edge en smart home-apparaten zoals videodeurbellen en robotstofzuigers, kan de KL720 "in alles worden gebruikt, van een Tesla tot een broodrooster", aldus het bedrijf.
Kneron beweert dat deze tweede generatie chip beter presteert dan chips van zowel Intel's Movidius-lijn als Google's Coral Edge TPU in termen van energie-efficiëntie. Het NPU-blok van de KL720 kan 1.4 TOPS uitvoeren, terwijl de hele SoC, inclusief de extra DSP en Cortex M4-cores, uitkomt op 0,9 TOPS/W. Dit is voldoende voor het verwerken van 4K resolutie afbeeldingen en video's tot Full HD 1080p resolutie. Dit steekt gunstig af bij Kneron's vorige generatie chip, KL520, die werd uitgebracht in mei 2019, die 0,3 TOPS kon behalen bij 0,6 TOPS/W.
Kneron's KL720 AI SoC beschikt over de NPU IP van het bedrijf naast een DSP AI-co-processor en een Cortex M4-systeembesturingskern (Afbeelding:Kneron)
Hoewel de chip van de vorige generatie uitsluitend gericht was op beeldverwerking, is Kneron's next-gen AI SoC ook geschikt voor audioverwerking. Met de toenemende populariteit van spraakbesturingsinterfaces, is er een toenemende vraag naar AI-verwerking binnen het edge-apparaat, omdat het sneller en goedkoper is dan verwerking in de cloud en de privacy van de gebruiker handhaaft. Kneron zegt dat de KL720 voldoende rekenkracht heeft om "een heel woordenboek aan woorden" te herkennen, veel meer dan concurrerende chips die alleen specifieke wake-woorden kunnen herkennen.
Kneron demonstreert sinds minstens januari een prototype van de KL720 aan klanten. Het bedrijf, opgericht in 2015, begon met het ontwikkelen van AI-modellen voor gebruiksscenario's, waaronder gezichtsherkenning. Naast AI-silicium licentieert het bedrijf zijn NPU IP; de versie van de NPU in de KL720 is al succesvol geïntegreerd met Cadence Tensilica Vision P6 DSP IP en Synopsys' ARC-processor IP.
De sleutel waardoor de NPU met zowel afbeeldingen als audio kan werken, is het herconfigureerbare ontwerp.
"We splitsen mainstream AI-frameworks en [convolutionele neurale netwerk]-modellen op in basisbouwstenen en configureren ze opnieuw op basis van welke applicatie nodig is en met welk AI-framework we werken, zodat onze oplossingen zich kunnen aanpassen aan de gerelateerde CNN-modellen en deze kunnen versnellen." Kneron CEO Albert Liu vertelde EE Times in een eerder interview.
"ResNet (voor gezichtsherkenning) en LSTN (voor spraakherkenning), hoewel de ene audio is en de andere visueel, hebben gemeenschappelijke bouwstenen", zei Liu. "Terwijl andere leveranciers van oplossingen hen mogelijk moeten ondersteunen met onafhankelijke oplossingen, herconfigureert de oplossing van Kneron de gemeenschappelijke bouwstenen in onze herconfigureerbare AI-engine, zodat we in realtime verschillende modellen zoals ResNet en LSTM kunnen ondersteunen op basis van de AI-toepassing."
Kneron's KL720 kan zowel video- als audioverwerking aan (Afbeelding:Kneron)
Kneron heeft onlangs ook Kneo aangekondigd, het private mesh-netwerk van het bedrijf voor aangesloten AI-aangedreven sensoren. Kneo is ontworpen om de apparaten van een consument (tenminste die met een Kneron-chip) samen te laten werken zonder gegevens naar de cloud te sturen. Gegevens worden in plaats daarvan lokaal opgeslagen, beschermd door blockchain. Het bedrijf zei dat Kneo consumenten ook in staat zal stellen hun gegevens weg te houden van 'big tech' en zelfs hun eigen gegevens op hun eigen voorwaarden te verkopen, als ze dat willen.
Samples van de KL720 zullen "binnenkort" beschikbaar zijn.
>> Dit artikel is oorspronkelijk gepubliceerd op onze zustersite, EE Times.
Ingebed
- Cloudproviders noemen de rol naarmate AI-inferentie naar de rand gaat
- Low-power apparaten kunnen luisteren met een siliconen cochlea
- Mouser:Microchip SAM R34 SiP's leveren low-power LoRa-oplossing voor edge-apparaten
- ST stuurt AI naar edge en node embedded apparaten met STM32 neural-netwerk developer toolbox
- AI-chiparchitectuur richt zich op grafiekverwerking
- Low-power apparaten vereenvoudigen het ontwerp van autoverlichting
- Low-power radarchip maakt gebruik van spiking neurale netwerken
- Precisie-flowsensor richt zich op ademhalingsapparatuur
- Het internet der dingen heeft edge cloud computing nodig
- Een overzicht van zelfintrekbare valbeveiligingen
- 5 vragen die u moet stellen voordat u zich op edge computing stort