物联网端点的人工智能- EEJournal - 亚博首页官网手机登录,亚博yabovip2019进入

计算正在进入一个前所未有的异构分布时代。物联网应用程序的多样化需求需要从重型、深度学习数据处理到超低延迟的快速识别和判断的一切。我们的物联网设备和系统必须同时意识到并响应自己的本地环境，并能够利用大量计算资源的力量来解决更多的全球性问题。自动驾驶汽车无法承受将大量原始传感器数据发送到上游的云端，然后等待目标识别的答案，然后再决定是刹车还是转向。它需要立即判断人行横道上是否有人，但它可以等待一段时间，然后对行人的服装是否时尚做出人工智能判断。

在Alexa、谷歌Assistant和Siri等智能助手中，让数百万台正在使用的设备中的每一台都将所有音频发送回云端进行唤醒词识别是完全不切实际的(而且是严重的隐私侵犯)。为了防止通信和计算问题变得无法维持，我们需要在本地进行尽可能多的AI处理，而不需要通过网络发送数据或唤醒耗电的应用程序处理器。这种类型的处理需要专门的硬件加速和极低的功耗相结合。它要求硬件能够轻松适应物联网边缘的各种传感器配置。它要求对bom友好、低成本和高容量适用性。

这是QuickLogic的拿手好戏。

如果每个工程团队都包括数据科学家，他们可以设计训练方案，与硬件专家携手合作，后者可以将问题划分为传统软件、可编程硬件和专门的神经网络配置，那么生活将会很容易。但是生活并不容易。大多数项目无法获得为其物联网设计优化AI端点所需的广泛技能和专业知识。为了实现这一目标，我们需要一个具有即插即用硬件、软件、人工智能组件和IP的生态系统，使普通工程项目能够利用端点人工智能。本月，QuickLogic和几个合作伙伴将推出这样一个生态系统。

QuickLogic与SensiML、General Vision和Nepes公司一起推出了“QuickAI”生态系统和开发HDK，它将QuickLogic的EOS S3 SoC fpga与NM500神经形态处理器和AI IP相结合，允许设计团队将端点AI添加到广泛的应用程序中。NM500神经形态处理器是由Nepes使用通用视觉授权的IP构建的。它拥有576个神经元，而功耗仅为0.1瓦。General Vision的NeroMem IP提供了一种可扩展、可硅训练、低功耗的网络架构，该公司表示，该架构能够自主学习和回忆模式，而不需要高功率的数据中心处理器进行训练。SensiML的分析工具包是QuickAI平台的最后一环，旨在帮助设计人员快速轻松地为物联网边缘/端点设备构建智能传感器算法。

通用视觉NeroMem提供了平台的主干，使用可扩展的径向基函数神经元架构实现嵌入式精确和模糊模式匹配和学习。该架构是并行的，保证了任何特定数量的神经元都有固定的延迟，并在非常低的时钟频率下提供高水平的计算，以提高电源效率。General Vision提供了一个名为“Knowledge Builder”的工具套件和SDK，用于训练和配置NeuroMem网络中的神经元。

NM500在一个小的形状因子组件中实现了通用视觉神经memm，可以在现场进行训练，以实时识别模式。可以将多个nm500连接起来以提供任意数量的神经元。Nepes还提供了用于配置和训练NM500神经元的软件工具。SensiML的分析工具包旨在自动化训练数据的管理，优化特征提取算法的选择，并为最终的AI解决方案自动化代码生成。QuickLogic EOS S3语音和传感器处理平台执行音频处理和传感器聚合。除了FPGA结构，它还包括ARM Cortex M4F和FFE内核，可以在极低的功耗预算下完成传统的处理工作。

QuickAI HDK平台被设计为端点AI应用程序的演示、评估和开发平台。它包括QuickLogic EOS S3的“stamp模块”(也可用于生产)，两个Nepes NM500神经形态处理器，两个PDM麦克风，一个NRF51822蓝牙低能量(BLE)模块，一个USB转UART, MX25R3235闪存，一个MAG AK9915 3轴磁传感器和一个70针扩展连接器。该平台是可扩展的，可以为需要更多神经元的应用程序添加更多NM 500。HDK的目标是减少涉及运动、声学或图像处理的端点AI应用程序的开发时间和上市时间。

如果您正在设计基于视觉的检测等工业应用程序，QuickAI可以使用高速模板学习和匹配来适应材料或颜色的变化，从而实现对食物和表面等纹理的分类。FPGA可以捕获和聚合传感器数据，使用FFT或MFCC进行特征提取，并将减少的信息传递给NM500进行处理。FFE提供超低功耗AON功能加速器。其结果是一个易于设计、低功耗、高性能的可适应系统，可以在边缘执行高级模式匹配，而不需要将数据推到云端进行额外处理。

作为FPGA市场上的一个小玩家，QuickLogic已经转向了许多高价值的利基市场，在这些市场中，他们可以利用其可编程逻辑技术的独特功能用于目标应用。由于其设备的低功耗性能和低成本，他们在移动市场上开拓了良好的业务，目前将AI转移到物联网系统端点的趋势为这类平台的成功提供了沃土。与General Vision、Nepes和SensiML等专业AI公司的合作创建了一个强大的开发平台，应该可以为想要在物联网边缘利用AI技术的设计团队消除大部分摩擦。观察这项技术如何以及在哪里流行起来将是很有趣的。