|
處理器設計自動化領域的領導者Codasip于今日發布了其L31和L11兩款新產品，它們是相關產品系列中專為定制處理器而優化的最新低功耗嵌入式RISC-V處理器內核。基于這些新內核，客戶可以很方便地使用Codasip Studio工具去定制處理器設計，以支持諸如神經網絡、人工智能/機器學習（AI/ML）等具有挑戰性的應用，包括例如物聯網（IoT）邊緣計算等極小型化的、功率受限的應用。 在物聯網/工業物聯網（IoT/IIoT）等邊緣計算設備上部署AI/ML將獲益良多，可有助于提高安全性、降低功耗，以及減少實時處理的延遲。由于AI/ML的算法類型屬于計算密集型，并且嵌入式系統內部資源有限，因此需要使用定制處理器才能提供足夠的性能。為此，Codasip L31/L11嵌入式內核運行在谷歌的TensorFlowLite for Microcontrollers上，并利用Codasip Studio工具來定制一類全新的嵌入式AI*內核，因此特別適用于空間和功率開銷極其有限的物聯網應用。 Codasip首席技術官Zdeněk Přikryl表示：“通過購買RISC-V處理器高級描述語言CodAL的授權，使Codasip客戶獲得了一套完整架構許可，從而可去實現ISA和微體系架構的定制。隨著新L11/31內核的問世，方便了我們在尺寸和功率受限的嵌入式處理器設計中加入客戶所需的功能，如邊緣人工智能等�！� 長期以來，Codasip的內核可定制功能是公司成功的基石，這也是目前全球已有超過20億顆處理器使用了Codasip IP的原因。除了更容易定制內核以匹配特定的嵌入式設計以外，Codasip還增強了兩種新內核的性能使其能夠支持更高主頻。 現有的處理器并不能很好地加載人工智能和機器學習應用；同時，器件的數據類型、量化模型和性能需求也因應用不同而差異巨大。Codasip提供的“創造差異化設計”模式意味著使用其Studio工具的客戶，可以根據其特定系統、軟件及應用程序的要求來定制處理器。同樣地，低功耗物聯網應用中嵌入式設備的資源也極為有限：內存有限，指令集也有限，但器件開發人員還需要保證此類器件具有功耗低和內生安全性等特性，并且能夠實現實時響應和通信。 Codasip Studio RISC-V設計工具可以提供定制的指令，它們特別適合用來開發人工智能/機器學習（AI/ML）處理器。通過將TensorFlow Lite for Microcontrollers** （TFLite Micro）、RISC-V定制指令以及Codasip處理器設計工具三者相結合，就可以為嵌入式的、高效率的邊緣神經網絡處理功能帶來了更多優勢，包括低延遲、高安全性、快速通信和低功耗等。而這些優勢對于新興物聯網和工業物聯網（IIoT）邊緣應用而言至關重要，能夠在此類應用中實時運行AI/ML任務正在迅速成為系統級芯片（SoC）的一項標準特性。 Codasip的最新L31和L11處理器內核是業內首批支持TFLite Micro的內核，但支持范圍僅限適用于Codasip的整個RISC-V內核產品組合。 通過采用TensorFlow Lite AI框架來支持神經網絡，Codasip RISC-V處理器IP因此特別適合那些計劃在其AI/ML器件的內核中加載市場領先性能的系統開發人員。同時憑借著邊緣處理器功能性，Codasip定制化設計的性能也為那些關鍵任務型嵌入式物聯網應用帶來了高實時性優勢。 背景 *Codasip的嵌入式AI是嵌入式軟件中的機器學習與深度學習功能在器件級上的應用，可支持小型物聯網嵌入式設備能夠在邊緣流暢地運行人工智能模型，并且能夠實現實時通信。從安全角度來看，這樣可以最大限度降低數據傳輸時間和用電成本，并且不再需要使用通信硬件。同時這種應用模式對于關鍵任務型工業物聯網（IIoT）基礎設施而言非常重要，其中邊緣人工智能算法可以從各種傳感器中收集數據，并實時預測和報告系統故障。 **TensorFlow Lite for Microcontrollers是專門用于嵌入式系統的人工智能（AI）框架，它有效地解決了存儲器和功耗限制等問題。由于支持各種微架構，其特別適用于供應商特有的優化項目。這一特性與Codasip的處理器設計自動化工具實現了完美的匹配，有效地簡化了特定領域的加速器開發流程，并且使Codasip客戶能夠快速、輕松地為物聯網打造適合特定應用的嵌入式AI/ML器件。 |
