1. 主页 > 人工智能 >

用开创性的新技术方法释放边缘人工智能的全部潜力

在边缘而不是在云中运行 AI 模型为 IoT 应用程序提供了显着的优势。Edge-AI设计可以更简单,数据处理更安全,整体用户体验更优越。此外,边缘人工智能处理对于视频分析等需要实时处理大量数据的低延迟应用程序更有利。
人工智能
 
无论是设计消费电子产品、企业设备还是工业应用,边缘 AI 原始设备制造商 (OEM) 面临的挑战是开发具有低延迟、高性能和低功耗的低成本、小尺寸设备。由于带宽受限的内存和高时钟速度,数字技术的固有局限性迫使原始设备制造商做出权衡,这限制了人工智能的潜力,即使在今天也是如此。一种新方法——模拟计算与闪存相结合——有望使公司能够负担得起广泛部署强大的边缘人工智能应用程序。
 
一种新的数字技术方法,即模拟计算与闪存相结合,有望使公司能够负担得
闪存
与硬盘驱动器相比,闪存技术具有令人难以置信的密度和微小的尺寸,并且能够在不通电的情况下保留信息,从而推动电子行业向前发展。我们都应该感谢闪存让我们可以保存照片、下载应用程序,以及在我们每天使用的智能手机、笔记本电脑和其他设备上做更多事情。然而,闪存也有一些缺点。与其他内存技术相比,它的低速和高功耗限制了它在长存储上的使用。
 
模拟计算
模拟计算是一项已显示出巨大前景的技术,但在历史上曾面临多项实施挑战。模拟计算的最大障碍之一是其规模。模拟芯片传统上太大且成本高昂,更不用说开发起来非常困难。模拟计算已经研究了几十年,因为公司试图弄清楚如何利用模拟的快速计算速度和功率效率(它比数字系统更有效)满足当今的计算需求。
 
 
结合闪存和模拟
通过结合闪存和模拟计算,您得到的总和远大于单个部分。这种组合实现了令人难以置信的密度——将成本降低 20 倍,并使处理器设计采用紧凑的单芯片形式——以及比数字效率高 10 倍的超低功耗和可与 700 美元计算能力相媲美的高性能GPU系统。公司可以利用具有模拟内存计算功能的 AI 处理器,在广泛的 IoT 应用程序中轻松且经济高效地部署AI。
 
当然,模拟计算需要生活在数字世界中。AI 系统连接到数字传感器和处理器。这意味着模拟计算处理器可能需要数以万计的模数 (ADC) 和数模 (DAC) 转换器。为了安装在单个芯片上,ADC 需要非常小,并且需要以高能效设计。
 
利用模拟计算能力与闪存相结合,OEM 可以重新思考 AI 的可能性。想象一下,如果没有边缘 AI 应用程序的功率、成本和性能方面的现有限制,我们将看到哪些令人兴奋的创新。从农场到工厂,从数据中心到交通运输等等,由模拟内存计算技术驱动的边缘人工智能的可能性是无穷无尽的。

本文由网上采集发布,不代表我们立场,转载联系作者并注明出处:http://www.34iot.com//a/peixun/306.html

联系我们

在线咨询:点击这里给我发消息

微信号:weixin888

工作日:9:30-18:30,节假日休息