CSEM工程师打造可依赖太阳能运行的低功耗AI片上系统

近年来,人工智能(AI)技术已在许多领域得到了广泛的运用,比如通过机器的振动来预测使用寿命、检测患者的心脏活动、以及在视频监控系统中融入面部识别功能。不过此类 AI 系统的痛点,就是需要耗费大量的电力来运算、或者依赖通向云端的网络连接来辅助计算。对于注重数据安全和隐私防护的客户来说,这也极大地限制了 AI 的应用场景。

访问:

阿里云"88帮帮节":商业计划书、传播文案、智能记账工具免费领

1.jpg

好消息是,CESM 工程师们,刚刚提出了一个新颖的解决方案 —— 让 AI 运算能够在基于微型电池(或光伏发电板)的本地小尺寸装置上运行。

这套人工智能边缘计算方案,能够将数据留在本地完成(而无需上传到云端)。更棒的是,该系统采用了完全模块化的设计,且能够针对需要实时信号 / 图像处理的任何应用进行定制 —— 尤其在涉及敏感数据时。

据悉,CESM 研究团队将在今年 6 月于京东举办的 2021 VLSI 电路研讨会上展示现有的装置,上面的集成电路能够执行复杂的 AI 操作,比如面部 / 语音 / 手势识别,以及心脏监测。

0.jpg

CSEM 的 AI 片上系统(SoC)还另了全新的信号处理架构,能够最大限度地减少运行时的功率。

板载带有自研 RISC-V 处理器的 ASIC 芯片,以及两个紧密耦合的机器学习加速器 —— 其中一个用于面部检测,另一个则专注于分类。

在二叉决策树(BDT)引擎的加持下,它可用于执行简单的任务,但不能开展识别操作。

2.jpg

CESM 片上系统研究主管 Stéphane Emery 表示:“以面部识别应用为例,系统中的第一组加速器会回答初步的问题,即图像中是否有人?如有检出,则他们的面部是否清晰可见?”

此外在语音识别案例中,第一个加速器可用于确定是否存在噪音、以及该噪声是否与人声匹配,但它并不能分辨出特定的声音或单词,此时基于卷积神经网络(CNN)引擎的第二组加速器能够派上用场。

它能够执行更加复杂的任务,比如识别人物面孔的特征、以及检测特定的单词,但相应的能耗也更高。

通过两者的相辅相成,可最终降低整套系统的功率需求,毕竟大多数时候都只有第一组加速器在运行。

AI System-on-Chip Runs on Solar Power(via

作为研究的一部分,工程师们还提升了加速器本身的性能,使之能够适用于基于时间信号 / 图像处理的任何应用。

Stéphane Emery 补充道:“无论何种应用,我们的系统都以基本相同的方式来运作,所以只需重新配置卷积神经网络引擎的对应层”。

显然,CSEM 的这项创新,为配备可独立运行一年多的 AI 硬件设计敞开了新的大门,同时极大降低了此类设备的安装和维护成本,尤其是部署到那些难以更换电池的地方。

对文章打分

CSEM工程师打造可依赖太阳能运行的低功耗AI片上系统

1 (33%)
已有 条意见

    最新资讯

    加载中...

    今日最热

    加载中...

    300-250.png

    热门评论

      Top 10

      招聘


      Advertisment ad adsense googles cpro.baidu.com
      created by ceallan