De MAX78000 vermindert het energieverbruik en de latentie met 100 keer, waardoor complexe ingebedde beslissingen aan de IoT-edge mogelijk worden

Peking, China - 21 oktober 2020 - Maxim Integrated Products, Inc (NASDAQ: MXIM) heeft de lancering aangekondigd van een neurale netwerkversnellerMAX78000 Low-power microcontrollers die op batterijen werkende embedded Internet of Things (IoT) -apparaten ondersteunen, gebruiken snelle, low-power kunstmatige intelligentie (AI) -redenen om complexe beslissingen aan de rand te nemen. In vergelijking met softwareoplossingen vermindert deze snelle en energiezuinige besluitvormingsimplementatie het energieverbruik van complexe AI-redeneringen tot minder dan één procent van de vorige oplossing. Het batterijgevoede systeem dat AI-technologie gebruikt, kan de bedrijfstijd aanzienlijk verlengen en helpen Om een ​​nieuwe generatie AI-toepassingen op batterijen te realiseren die niet eerder kunnen worden overtroffen. Bovendien heeft de MAX78000 geen invloed op latentie-indicatoren en kosten: de kosten zijn slechts een fractie van de FPGA- of GPU-oplossing en de snelheid van inferentie is 100 keer sneller dan de software-oplossing die is geïmplementeerd op een low-power microcontroller.

• Ga voor meer informatie over Maxim Integrated kunstmatige intelligentie-oplossingen naar ›
• Om MAX78000 te bestellen of voor meer informatie, ga naar ›
• Ga naar ›om afbeeldingen met een hoge resolutie te downloaden
• Ga voor meer informatie over MAX78000-ontwikkeltools en een video met snelstartgids naar ›

AI-technologie stelt machines in staat de wereld te observeren, te luisteren en waar te nemen op manieren die voorheen volledig onmogelijk waren. In het verleden betekende het plaatsen van AI-inferentie op de rand het verzamelen van gegevens van sensoren, camera's en microfoons, het verzenden van de gegevens naar de cloud om inferentie-algoritmen te implementeren en vervolgens de resultaten terug te sturen naar de rand. Vanwege de grote vertraging en het energieverbruik is deze architectuur een enorme uitdaging voor edge-popularisering. Als alternatief kunnen low-power microcontrollers worden gebruikt om eenvoudige neurale netwerkbewerkingen te implementeren, maar de vertraging wordt beïnvloed en eenvoudige taken kunnen alleen aan de rand worden uitgevoerd.

Door een speciale neurale netwerkversneller te integreren, overwint de MAX78000 deze beperkingen en stelt de machine in staat om complexe patronen te zien en te horen door AI-verwerking lokaal uit te voeren met een laag stroomverbruik in realtime. Omdat het stroomverbruik van de MAX78000 om inferentie uit te voeren minder is dan één procent van het stroomverbruik van de microcontrollersoftware, verbetert dit de efficiëntie van toepassingen zoals machine vision, stem- en gezichtsherkenning aanzienlijk. De kern van MAX78000 is toegewijde hardware, die is ontworpen om het energieverbruik en de vertraging van Convolutional Neural Network (CNN) te minimaliseren. Als de hardware draait, is er bijna geen microcontrollerkern nodig om in te grijpen, wat betekent dat de werking extreem gestroomlijnd is. Energie en tijd worden alleen gebruikt om wiskundige bewerkingen van CNN uit te voeren. Om verzamelde gegevens van de buitenwereld efficiënt in de CNN-engine in te voeren, kunnen gebruikers een van de twee geïntegreerde microcontroller-kernen gebruiken: de ARM Cortex-M4-kern met ultralaag vermogen of de RISC-V-kern met een lager vermogen.

Gezien de uitdagingen van AI-ontwikkeling, biedt Maxim Integrated tools om een ​​soepele evaluatie- en ontwikkelingservaring te bereiken. MAX78000EVKIT # Met audio- en camera-invoer ondersteunt het kant-en-klare presentatieplatform het ophalen van trefwoorden en gezichtsherkenning in grote letters. Volledige documentatie kan ingenieurs helpen het MAX78000-netwerk te trainen en hun dagelijkse tools te gebruiken: TensorFlow of PyTorch.

Grootste voordeel

• Laag energieverbruik: De hardwareversneller wordt gecombineerd met ARM M4F- en RISC-V-microcontrollers met ultralaag energieverbruik om de intelligente implementatie naar de rand te duwen, en het energieverbruik is minder dan één procent van de ingebouwde concurrerende oplossingen.
• Lage latentie: AI-functies aan de rand uitvoeren om complexe cognitie te bereiken, de verwerking van cloudtransacties voor IoT-toepassingen verminderen of elimineren, en de snelheid verhogen tot 100 keer die van softwareoplossingen.
• Sterk geïntegreerd: Low-power microcontrollers met neurale netwerkversnellers maken het mogelijk om complexe, realtime cognitie te realiseren in op batterijen werkende IoT-apparaten.

Evaluatie

• "Kunstmatige intelligentie wordt vaak geassocieerd met big data-cloudoplossingen." Omdia's marktonderzoeksanalist Kelson Astley zei: "Elke technologie die kan worden gescheiden van elektriciteitsleidingen en afhankelijk is van lithium-ionbatterijen met grote capaciteit, zal het denken van ontwerpers helpen openen. , En vervolgens een AI-oplossing bouwen die flexibeler is en beter aanpasbaar aan de bedrijfsomgeving. "
• "We hebben het netsnoer voor de implementatie van edge AI geëlimineerd." Kris Ardis, Executive Director van Maxim Integrated Microprocessor and Security Products Division, zei: "IoT-apparaten op batterijen kunnen nu veel meer doen dan alleen trefwoordherkenning. Het heeft de regels van het spel veranderd die moeten kiezen tussen stroomverbruik, latentie en kosten. We kijken uit naar deze innovatieve technologie die nieuwe toepassingsgebieden zal voortbrengen. "