李寿鹏作者

或许这才是物联网所需的嵌入式AI处理器

日前,法国半导体初创公司GreenWaves Technologies(GreenWaves) 宣布,获得由华米科技参与领投,公司天使轮领投公司--Soitec以及其他投资人共同参与的共计七百万欧元的A轮融资。资金将帮助公司继续致力于为依赖电池长期运作的边缘计算设备提供颠覆性的超低功耗嵌入式AI处理器。

华米科技创始人、董事长兼CEO黄汪表示 ,” GreenWaves Technologies 所研发的 GAP8 和未来产品在 IoT 低功耗高性能信号处理机器学习算法上堪称标杆,在包括可穿戴设备在内的物联网领域具有广阔的应用前景。同时此次投资将强化华米科技在 RISC-V 生态中的地位和技术储备。”

众所周知,现在的厂商半导体都在押宝物联网市场。这个独树一帜的初创企业的出现,也许会对现有半导体厂商正在推进的“AI+MCU”的物联网处理器市场发起猛烈的冲击。GreenWaves方面也表示,这次募集到的资金将被用于公司首款芯片GAP8的销售以及公司下一代产品的研发。一场市场争夺战或将上演。

嵌入式AI处理器的变革者

近年来,随着人工智能物联网的兴起,市场上兴起了对端侧人工智能的追逐,在类似安防设备、智能手表或者其他任何设备上嵌入AI,成为了厂商追求的热点。但考虑到现有方案的性能问题,于是市场上兴起了一大批针对端侧应用自研芯片的公司,而GreenWaves Technologies则是其中一个佼佼者。

据了解,GreenWaves由前意法半导体的执行副总裁兼首席战略官Loic Lietar和其他业内专家于2014年联合创立,在过去几年里,公司一直致力于为图像、声音和震动等传感设备中的的AI处理部分设计具有颠覆性的超低功耗嵌入式解决方案。到2018年2月,公司终于对外成功发布了其使用55nm超低功耗工艺制造的第一代产品GAP8。

GAP 8处理器架构

作为全球首款物联网应用处理器,GAP8采用八加一个基于RISC-V的高效内核和内嵌扩展指令集的方式设计,这让它拥有极致的能效架构。其次,其搭配的硬件卷积加速引擎,可以将将神经卷积计算提速三倍,能源节约五倍,加上集成了电源管理等功能,GreenWaves为整个SoC设定了六种工作模式,让电压和频率可以相应地动态调整,功耗也只是任何给定任务所必须的功耗。据透露,在深度睡眠的情况下,功耗只有1uA,就算是在满载的情况下,功耗也只是80mw左右。这样的能效比是目前市面上大多数处理器所不具备的。

Loic Lietar也强调,GreenWaves一直所坚持的是最优的能效比,目的是让AI可以在由电池供电的边缘设备上长期运行,这也是公司一直在践行与努力的方向。

GAP 8独特的差异化定位

官方数据显示,GAP8在信息(图像,声音等)理解与分析的应用中,能效上可20倍优于市场现有产品;在整体系统成本上也可低于其他解决方案两到三倍。那就意味着GAP8可以让AI应用在各种领域,就算是在使用电池的环境下,这个处理器也能让这些AI应用能维持多年的正常工作。GreenWaves把不同频率下的GA8与STM32F7做基于CNN的图像识别(Cifar-10)对比,可以看到前者在能效比方面拥有极大的优势。

在2018年五月,公司推出了GAP8 - SDK 与 GAPuino开发板,并对外销售了三百多套,按照GreenWaves方面的说法,这些客户正在把方案应用到了图像和语音等各个领域,具体应用场景包括了包装识别、产品分类、行人检测和声音监控等。至于震动方面,Greenwave认为他们的处理器将会在工业领域,给客户带来设备维护效率与成本的提升。他们甚至还开发了不少针对不同应用的参考设计设计,简化潜在客户的设计。

GAP8 - SDK 与 GAPuino开发板

Loic Lietar告诉半导体行业观察的记者,GAP8将在2019年二季度量产,很多合作也都在推进之中。

无惧挑战,

下一代产品将会有大幅度提升

正如文章开头所说,为了这个万亿的物联网市场,GreenWaves不会是唯一的有意者,包括Arm、ST、NXP和瑞萨在内的众多厂商也在对“AI+MCU”这个方向虎视眈眈。如意法半导体发布了其代号为Orlando Project,应用于超低功耗MCU的专用卷积神经网络加速器;瑞萨的可配置协处理器;就连Arm也针对这个市场推出了一个扩展指令集,在巨头环伺的情况下,GreenWaves如何突围?

Loic Lietar表示,如此多的厂商关注这个市场,尤其是Arm推展扩展指令集这个决定,从多个方面证明了GreenWaves所从事业务的可行性和正确性。从技术储备上看,他们从三年以前就开始了相关的研发,现在就算有新加入者,也是要两年后才能看到效果。这时候GreenWaves的先发优势就凸显出来。

与此同时,GreenWaves的新一代产品将会在今年亮相,卓越的性能提升会让GreenWaves的优势进一步拉大。据透露,这款产品将会采用低功耗领域最好的制程,这会将新芯片的功耗控制得更好;同时,产品的内存容量将会大幅度提升,将能够支持更高分辨率的图像,支持更高复杂度的机器学习模型。“与GAP8相比,新一代产品将在能效上更加突出”,Loic Lietar强调。让我们拭目以待!

半导体行业观察
半导体行业观察

最有深度的半导体新媒体,实时、专业、原创、深度,30万半导体精英关注!专注观察全球半导体最新资讯、技术前沿、发展趋势。

产业物联网机器学习边缘计算AI处理器
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

卷积神经网络技术

卷积神经网路(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。卷积神经网路由一个或多个卷积层和顶端的全连通层(对应经典的神经网路)组成,同时也包括关联权重和池化层(pooling layer)。这一结构使得卷积神经网路能够利用输入数据的二维结构。与其他深度学习结构相比,卷积神经网路在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网路,卷积神经网路需要考量的参数更少,使之成为一种颇具吸引力的深度学习结构。 卷积网络是一种专门用于处理具有已知的、网格状拓扑的数据的神经网络。例如时间序列数据,它可以被认为是以一定时间间隔采样的一维网格,又如图像数据,其可以被认为是二维像素网格。

信号处理技术

信号处理涉及到信号的分析、合成和修改。信号被宽泛地定义为传递“关于某种现象的行为或属性的信息(如声音、图像和生物测量)”的函数。例如,信号处理技术用于提高信号传输的保真度、存储效率和主观质量,并在测量信号中强调或检测感兴趣的组件。我们熟悉的语音、图像都可以看做是一种信号形式。因此,对于语音、图像的增强、降噪、识别等等操作本质上都是信号处理。

推荐文章
暂无评论
暂无评论~