电子发烧友网报道(文/周凯扬)随着大厂持续批量购置高性能GPU资源,目前的云端AI生态已经打好了硬件基础,也已经辐射到手机这样的高算力端侧设备。然而在数量更为庞大的其他端侧设备,比如算力有限的IoT设备上,又该如何引入AI呢?这就不得不提到TinyML了。
小体量的机器学习
为了让在超低功耗的MCU或传感器设备上开发和部署AI模型,机器学习衍生出了TinyML这一研究领域。这里指的超低功耗最低可至mW级,从而打破定义智能设备的能耗壁垒,毕竟大部分的MCU主频不超过1000MHz,内存与存储资源也有限,没法用上那些大体量的模型。
且对于TinyML来说,即便其与服务器CPU、GPU等在算力上差距巨大,但所需的AI计算量依然不少。所以厂商往往需要从模型大小、处理器架构效率这类软硬结合的指标上发力,比如Tensorflow Lite、PyTorch Mobile这类轻量级框架,又或是针对机器学习进行优化的CPU内核或辅助计算的NPU等。
目前常见的TinyML应用主要集中在视觉、音频和振动这三大感知领域。以视觉而言,物体识别、人体姿态识别和深度识别之类的应用早就在MCU应用上普及了,但TinyML可以进一步加强识别能力和识别效率,且其学习能力也使其不再局限于特定的识别目标。
而音频上TinyML就更加实用了,除去常见的关键词识别、自动通话识别外,还可以不依靠额外的硬件或云端连接,进一步完成降噪、机器翻译等操作。至于振动相关的TinyML应用主要集中在工业领域,比如人物活动识别、电机控制、预测性维护等等。
TinyML的边缘生态
作为目前MCU市场的主导架构,Arm早早就迈入了对TinyML的研究,和高通、谷歌等厂商展开了相关领域的合作。同时Arm也开发出了部分处理器,为面积受限的低功耗芯片提供计算辅助,比如Cortex-M55、Ethos-U55/U65等等。
目前不少Arm MCU厂商在这些年的架构和IP内卷中同样看到了边缘AI的商机,纷纷深入开展了TinyML的开发,比如意法半导体、瑞萨、兆易创新和澎湃微等厂商。比如瑞萨就基于RA6T2这样的电机控制MCU,利用TinyML及其Reality AI软件实现了无需传感器的预测性维护。在RISC-V架构上,也有博流智能、嘉楠科技等厂商在发力TinyML。
不少厂商为了追赶进度,也选择了收购一途,比如近期收购了Atlazo的Nordic Semiconductor,前者就是一家专注于TinyML处理器、IP和传感器接口开发的公司。Nordic也计划在未来的SoC设计中,集成这些TinyML技术,用于智能健康市场,比如心脏监测、血糖监测等。包括上文中提到的瑞萨Reality AI软件,其实也是靠收购获得的。
在相关的软件开发上,国内也有矽速科技这样的厂商,在不断推出开源套件的同时,也提供了MaxiHub这样一个专门针对边缘设备的模型在线训练分享平台,以及TinyMaix这样一个面向MCU的超轻量级神经网络推理库,支持ARM、RISC-V的多种专用指令优化。
写在最后
从软硬件生态上来看,边缘AI已经变得愈发成熟,也必将是专注于MCU等低功耗半导体的厂商未来的必经之路。但至于边缘端直接运行大模型这样的应用还是需要进一步发展的,毕竟手机这类设备有着天生的算力与连接优势,但不少边缘设备是不具备的,所以先从小的TinyML开始做起,才是脚踏实地的路线。
小体量的机器学习
为了让在超低功耗的MCU或传感器设备上开发和部署AI模型,机器学习衍生出了TinyML这一研究领域。这里指的超低功耗最低可至mW级,从而打破定义智能设备的能耗壁垒,毕竟大部分的MCU主频不超过1000MHz,内存与存储资源也有限,没法用上那些大体量的模型。
且对于TinyML来说,即便其与服务器CPU、GPU等在算力上差距巨大,但所需的AI计算量依然不少。所以厂商往往需要从模型大小、处理器架构效率这类软硬结合的指标上发力,比如Tensorflow Lite、PyTorch Mobile这类轻量级框架,又或是针对机器学习进行优化的CPU内核或辅助计算的NPU等。
目前常见的TinyML应用主要集中在视觉、音频和振动这三大感知领域。以视觉而言,物体识别、人体姿态识别和深度识别之类的应用早就在MCU应用上普及了,但TinyML可以进一步加强识别能力和识别效率,且其学习能力也使其不再局限于特定的识别目标。
而音频上TinyML就更加实用了,除去常见的关键词识别、自动通话识别外,还可以不依靠额外的硬件或云端连接,进一步完成降噪、机器翻译等操作。至于振动相关的TinyML应用主要集中在工业领域,比如人物活动识别、电机控制、预测性维护等等。
TinyML的边缘生态
作为目前MCU市场的主导架构,Arm早早就迈入了对TinyML的研究,和高通、谷歌等厂商展开了相关领域的合作。同时Arm也开发出了部分处理器,为面积受限的低功耗芯片提供计算辅助,比如Cortex-M55、Ethos-U55/U65等等。
目前不少Arm MCU厂商在这些年的架构和IP内卷中同样看到了边缘AI的商机,纷纷深入开展了TinyML的开发,比如意法半导体、瑞萨、兆易创新和澎湃微等厂商。比如瑞萨就基于RA6T2这样的电机控制MCU,利用TinyML及其Reality AI软件实现了无需传感器的预测性维护。在RISC-V架构上,也有博流智能、嘉楠科技等厂商在发力TinyML。
不少厂商为了追赶进度,也选择了收购一途,比如近期收购了Atlazo的Nordic Semiconductor,前者就是一家专注于TinyML处理器、IP和传感器接口开发的公司。Nordic也计划在未来的SoC设计中,集成这些TinyML技术,用于智能健康市场,比如心脏监测、血糖监测等。包括上文中提到的瑞萨Reality AI软件,其实也是靠收购获得的。
在相关的软件开发上,国内也有矽速科技这样的厂商,在不断推出开源套件的同时,也提供了MaxiHub这样一个专门针对边缘设备的模型在线训练分享平台,以及TinyMaix这样一个面向MCU的超轻量级神经网络推理库,支持ARM、RISC-V的多种专用指令优化。
写在最后
从软硬件生态上来看,边缘AI已经变得愈发成熟,也必将是专注于MCU等低功耗半导体的厂商未来的必经之路。但至于边缘端直接运行大模型这样的应用还是需要进一步发展的,毕竟手机这类设备有着天生的算力与连接优势,但不少边缘设备是不具备的,所以先从小的TinyML开始做起,才是脚踏实地的路线。
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
16876浏览量
349872 -
AI
+关注
关注
87文章
29780浏览量
268063 -
机器学习
+关注
关注
66文章
8347浏览量
132294
发布评论请先 登录
相关推荐
研华科技携手森云智能助力边缘AI应用落地
研华深知产业数智化不是“单机游戏”,更需要“生态合作”,基于此,研华集结生态伙伴,共荣物联产业生态圈。今天小A君将为您介绍研华在边缘AI重要
边缘AI放大招!AI模型支持虚拟数智人和机械臂,英特尔边缘平台助力伙伴加速创新
7月25日,在第17届英特尔网络与边缘计算行业大会上,英特尔和超过400位生态伙伴和客户代表齐聚一堂,共同探讨边缘AI的未来发展趋势,并介绍
智能边缘放大招!英特尔举办2024网络与边缘计算行业大会,边缘AI创新助力多元化应用
今日,第十七届英特尔网络与边缘计算行业大会在天津举行,超过400位生态伙伴和客户代表齐聚一堂,与英特尔共同探讨边缘AI的未来发展趋势,并介绍
瑞萨电子推出Reality AI Explorer Tier,用于开发AI与TinyML解决方案
全球半导体解决方案供应商瑞萨电子(TSE:6723)宣布推出Reality AI Explorer Tier——作为Reality AI Tools软件的免费版本,可用于开发工业、汽车和商业应用中的AI与
什么是AI边缘计算,AI边缘计算的特点和优势介绍
随着人工智能的迅猛发展,AI边缘计算成为了热门话题。那么什么是AI边缘计算呢?简单来说,它是将人工智能技术引入边缘计算的新兴领域,旨在将计算
边缘AI它到底是什么?能做什么?
边缘AI它到底是什么?能做什么? 边缘人工智能是一种新兴的人工智能技术,它将人工智能的计算和决策能力移动到离数据生成源和终端设备更近的边缘节
【先楫HPM5361EVK开发板试用体验】:4、TinyML测试(1)
、智能家居等。通过在边缘设备上运行机器学习模型,可以实现实时的数据分析和决策,同时减少对云端计算资源的依赖,从而提高隐私保护和降低通信成本。
总的来说,TinyML代表了一种趋势,即将机器学习能力
发表于 12-22 10:12
【限量门票】繁荣生态,人才先行︱首届OpenHarmony人才生态大会即将在上海召开
单位代表等,介绍OpenHarmony社区生态及人才进展、展示OpenHarmony操作系统的技术革新、分享阶段性技术成果,围绕OpenHarmony人才生态发展中面临的各种问题、挑战与实践,一同探索
发表于 12-04 16:30
【报名开启】繁荣生态,人才先行︱首届OpenHarmony人才生态大会即将在上海召开
共建单位代表等,介绍OpenHarmony社区生态及人才进展、展示OpenHarmony操作系统的技术革新、分享阶段性技术成果,围绕OpenHarmony人才生态发展中面临的各种问题、挑战与实践,一同
发表于 12-04 16:23
评论