在過去的兩年里，邊緣人工智能（Edge AI）由于小型化神經網絡架構的進步，實現了加速發展的主要原因（MCU）在設備上實現高精度。這增加了邊緣AI 這些應用以以較低的成本實現應用和設備的數量。這方面的一個例子是關鍵字識別，它已經成為智能家居設備交互的標準方式。
芯片采購網專注于整合國內外授權IC代理商現貨資源，芯片庫存實時查詢，行業價格合理，采購方便IC芯片，國內專業芯片采購平臺。
邊緣AI 它可以反映低功耗的推理引擎到高功耗、具有特定功能、與基站或智能城市視頻監控等數據源同處的大型方案，可以體現在多種形式上。在這些較大的設備中，異構架構（即專業加速器）通過降低設計復雜性，提高效率，降低功耗。Imagination TechnologFUJI代理ies 公司圖形處理器（GPU）、AI 即將推出的加速器和加速器RISC-V 中央處理器（CPU）的IP 產品組合將是這些邊緣AI 應用程序提供全新的功能。
許多用于邊緣AI 系統級芯片的應用（SoC）它將包含許多不同的處理引擎，可以有效地劃分和卸載工作負載。分離工作負載的另一個優點是，可以使用不同的加速器并行執行多個任務，從而實現高效的多任務處理性能。多處理引擎的異構系統旨在提供不同的計算架構，有效地執行整個系統所需的特定任務。用于現代個人電腦（PC）中的GPU 這是一個很好的例子，它們使用高度平行的計算架構，以便更有效地處理圖形，并支持主機CPU 將任務卸載到更高效的引擎上。在開發邊緣AI 這一原則也適用于系統。
邊緣AI 在保持或提高計算性能的同時降低功耗的壓力總是存在的。隨著異構架構的使用和處理器技術的優化，機器學習算法的進步也為提高能效和計算性能提供了途徑。二進制神經網絡（BNN）介紹就是一個例子。BNN 試圖通過將網絡權重和激活量化到單個比例來實現更高的效率，從而減少內存需求和計算單元的大小。
實現最低功耗推理系統的策略之一是在各種低功耗模式下運行，可以逐步推理周圍環境。例如，具有語音控制功能的智能手表可能有三個功耗級別：0和1 和2。在0 在等級功耗模式(即最低功耗模式)下，手表無法實現明顯的推理功能，因此只能監控即將到來的高環境噪聲。
當監控器聽到明顯的活動時，手表將切換到模式1。模式1 它會消耗更多的電，但仍然不能完全滿載運行。該模式支持手表監控關鍵字，然后觸發最終模式，即模式2，該模式將使用捕獲的音頻來推理和執行命令。使用這種逐步增加電能消耗的方法，每次都會增加對周圍環境的推理，支持系統管理電能，這樣只有在高度確定的情況下才能增加電能消耗。
機器學習和人工智能的發展正在促進全球創新和發展。作為人工智能發展和應用的重要市場，中國為經驗豐富的機器學習工程師提供了與世界各地的產品開發和工程團隊合作的機會，從而獲得全球業務經驗。
(本文來源《IC2022年4月，代理雜志
