Zephyrnet-logotyp

Lås upp den fulla potentialen hos Edge-AI med en banbrytande ny teknik

Datum:

Edge computing
Illustration: © IoT för alla

Att köra AI-modeller på kanten snarare än i molnet erbjuder betydande fördelar för IoT-applikationer. Edge-AI-designer kan vara enklare, databehandling är säkrare och den övergripande användarupplevelsen är överlägsen. Dessutom är edge-AI-bearbetning mer fördelaktigt för applikationer som videoanalys som kräver låg latensbehandling av stora mängder data i realtid.

AI OEMs

Utmaningen för tillverkare av originalutrustning för edge-AI (OEM) – oavsett om de designar hemelektronik, företagsutrustning eller industriella applikationer – är att utveckla lågkostnadsenheter med liten formfaktor med låg latens, hög prestanda och låg effekt. Digital tekniks inneboende begränsningar på grund av bandbreddsbegränsat minne och höga klockhastigheter har tvingat OEM-tillverkare att göra avvägningar som har begränsat potentialen för AI, även idag. Ett nytt tillvägagångssätt – analog beräkning i kombination med flashminne – lovar att göra det överkomligt för företag att distribuera kraftfulla edge-AI-applikationer brett.

Flashminne

Flashminnesteknik har drivit elektronikindustrin framåt tack vare dess otroliga densitet och lilla storlek jämfört med hårddiskar och förmågan att behålla information utan ström. Vi kan alla tacka flashminnet för att vi kan spara foton, ladda ner appar och göra så mycket mer på de smartphones, bärbara datorer och andra enheter vi använder varje dag. Flash-minne har dock också några nackdelar. Dess långsamma hastighet och höga effektförbrukning jämfört med andra minnestekniker har begränsat användningen till lång lagring.

Analog Compute

Analog compute är en teknologi som har visat sig lovande men historiskt har haft flera implementeringsutmaningar. Ett av de största hindren för analog beräkning har varit dess storlek. Analoga chips har traditionellt sett varit alldeles för stora och kostsamma, för att inte tala om att de är väldigt svåra att utveckla. Analog compute har forskats i årtionden, eftersom företag har försökt ta reda på hur man kan utnyttja analogs snabba beräkningshastigheter och energieffektivitet (det är mycket effektivare än digitala system) för dagens datorkrav.

Kombinera Flash och Analog

Genom att kombinera flashminne och analog compute får du en summa som är mycket större än de enskilda delarna. Den här kombinationen möjliggör otrolig densitet – sänker kostnaden med 20X och möjliggör processordesigner med en kompakt enkelchipsform – tillsammans med ultralåg strömförbrukning som är 10X effektivare än digital, och högprestanda som konkurrerar med beräkningskraften på 700 USD GPU-system. Företag kan dra fördel av AI-processorer med analog compute-in-memory för att enkelt och kostnadseffektivt distribuera AI över ett brett utbud av IoT-applikationer.

Naturligtvis måste analoga datorer leva i en digital värld. AI-system ansluter till sensorer och processorer som är digitala. Detta innebär att analoga datorprocessorer kan kräva tiotusentals analog-till-digital (ADC) och digital-till-analog (DAC) omvandlare. För att få plats på ett enda chip måste ADC:erna vara otroligt små och måste designas med energieffektivitet.

Genom att utnyttja analog datorkraft i kombination med flashminne kan OEM-tillverkare tänka om vad som är möjligt med AI. Föreställ dig bara vilka spännande innovationer vi kommer att se utan de befintliga begränsningarna för edge-AI-applikationers kraft, kostnad och prestanda. Från gård till fabrik, från datacenter till transport och vidare, möjligheterna för edge-AI som drivs av analog compute-in-memory-teknik är oändliga.

Coinsmart. Bästa Bitcoin-Börse i Europa
Källa: https://www.iotforall.com/unlocking-the-full-potential-of-edge-ai-with-a-groundbreaking-new-technology-approach

plats_img

Senaste intelligens

plats_img