91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

使用ROHM Solist-AI技術(shù)讓你在MCU上玩轉(zhuǎn)AI

貿(mào)澤電子 ? 來源:貿(mào)澤電子 ? 2025-12-24 14:26 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

今天,人工智能 (AI) 正在以超乎想象的速度迅猛發(fā)展,在這一大背景下,有兩大趨勢特別值得關(guān)注:一個趨勢是近兩年基于大模型的生成式AI的狂飆突進,向我們展示著AI的無限可能;另一趨勢則是AI技術(shù)不斷“下沉”,轉(zhuǎn)向網(wǎng)絡的“邊緣”,邊緣AI的興起正在將AI帶入更多的應用場景,讓AI變得觸手可及。

所謂邊緣AI,顧名思義就是基于邊緣計算的AI技術(shù)。眾所周知,在AI發(fā)展早期,由于需要大量的算力支撐,因此使用云端集中式的數(shù)據(jù)處理能力進行AI數(shù)據(jù)的訓練和推理,是很自然的選擇。不過,隨著技術(shù)和市場的發(fā)展,這種云計算型AI的局限性也逐漸顯現(xiàn)出來。

首先,云計算型AI對網(wǎng)絡的依賴性太強,大量原始數(shù)據(jù)需要上傳至云端處理,這不僅需要占有更多的帶寬資源,在斷網(wǎng)時還會直接導致AI應用停擺;其次,云計算型AI的延遲較高,這使其難于勝任需要實時響應的應用;再有,在數(shù)據(jù)傳輸?shù)倪^程中,還會存在信息安全和隱私泄露的風險。這些弱點在普通的消費級應用中也許并不明顯,但在工業(yè)、自動駕駛、醫(yī)療等對實時處理、數(shù)據(jù)安全和低延遲特性更為敏感的領(lǐng)域,則是致命的短板。

而這種短板,恰恰為邊緣AI的發(fā)展帶來了契機——邊緣AI無需依賴云端服務器或網(wǎng)絡,即可在獨立的邊緣設(shè)備上執(zhí)行實時訓練和推理任務,將大大擴展AI的應用領(lǐng)域;同時,由于AI的生成和部署、數(shù)據(jù)處理都在網(wǎng)絡邊緣端的本地設(shè)備上進行,可以極大地降低延遲,并從源頭上保障數(shù)據(jù)的隱私安全。

正是由于具有這樣獨特的優(yōu)勢,如今邊緣AI已成為一個極具潛力的市場。國際數(shù)據(jù)公司 (IDC) 的研究顯示,2025年全球邊緣計算解決方案支出將接近2,610億美元,預計未來將以13.8%的年復合增長率快速增長,到2028年達到3,800億美元,其中邊緣AI的發(fā)展將是核心的推動力。

創(chuàng)新的端點AI技術(shù)

開發(fā)者的心目中,一個理想的邊緣AI解決方案,應該具備以下幾個特點:

1無需網(wǎng)絡連接即可獨立工作,在本地設(shè)備上完成推理,更大限度地縮短通信延遲。

2能夠進行現(xiàn)場訓練,可基于設(shè)備的安裝環(huán)境和運行狀況(如噪音、振動和溫濕度)等信息進行高速現(xiàn)場學習,生成定制化的模型。

3可同時執(zhí)行Al以外計算處理任務,以完成其他設(shè)備控制工作。

不過,理想雖然豐滿,現(xiàn)實卻很骨感:在海量的邊緣計算場景中,開發(fā)者面對的是算力有限的設(shè)備,它們大都采用嵌入式MPU或MCU作為主控芯片,想要在這些器件上面跑AI,并不容易,需要從軟件到硬件、從芯片到系統(tǒng)進行全面地優(yōu)化,這樣才能為邊緣AI的落地提供一片技術(shù)沃土。

為此,ROHM Semiconductor(以下簡稱ROHM) 推出了一個創(chuàng)新的端點AI技術(shù)——Solist-AI,專為邊緣計算領(lǐng)域提供端側(cè)AI解決方案。

Solist-AI的名稱源自音樂術(shù)語“獨奏者”,這意味著其無需依賴云端服務器,即可在獨立的邊緣設(shè)備上執(zhí)行實時訓練和推理處理,且具有體積小、功耗低等特點,與云計算型AI和傳統(tǒng)的基于邊緣AI計算機的方案相比,優(yōu)勢十分明顯。 f6112f92-dadc-11f0-8c8f-92fbcf53809c.png

圖1:Solist-AI端點AI技術(shù)優(yōu)勢(圖源:ROHM Semiconductor)

上述這些特點,使得Solist-AI技術(shù)非常適合于兩類典型應用:

預測性維護:基于正常數(shù)據(jù)進行訓練以構(gòu)建AI模型,并基于該AI模型檢測出設(shè)備或系統(tǒng)運行異常的征兆,及時進行維護。

劣化預測:通過對預先訓練好的AI模型進行增量訓練,將其升級為與現(xiàn)場適配的“定制”AI模型,并基于該定制模型對設(shè)備壽命或工作完成時間進行預測。

由此不難看出,在電機軸承損傷檢測、電池老化和剩余電量預測、服務器異常發(fā)熱檢測、缺陷產(chǎn)品篩選、基礎(chǔ)設(shè)施的維護,以及獨居老人和臥床患者的看護等領(lǐng)域,Solist-AI技術(shù)都可大展身手!

獨特的Solist-AI微控制器

如果你覺得以上的介紹還有點抽象,下面我們就來詳細解析“創(chuàng)新的端點AI技術(shù),Solist-AI是如何做到的”。

f6c43c40-dadc-11f0-8c8f-92fbcf53809c.png

圖2:Solist-AI系統(tǒng)示意圖(圖源:ROHM Semiconductor)

從上圖可以看出,基于Solist-AI的端點AI系統(tǒng)的核心,是一款“Solist-AI微控制器”(如ML63Q25x-NNNx系列微控制器),它具有軟、硬件兩大“法寶”,使其能夠在設(shè)備端絲滑地實現(xiàn)AI訓練和推理功能。

硬件層面,Solist-AI微控制器除了常規(guī)的嵌入式處理功能(包括Arm Cortex-M0+處理器、外設(shè)功能、片上存儲等),還特別集成了一個AI硬件加速器AxlCORE-ODL,它能夠高速實現(xiàn)神經(jīng)網(wǎng)絡處理及FFT等數(shù)據(jù)的預處理,與基于軟件的傳統(tǒng)MCU相比,AI處理速度提高約1,000倍(12MHz運行時的理論值),從而大幅減輕AI處理時MCU的負載,使得MCU有“余力”去完成AI之外的計算處理任務。

f71e7066-dadc-11f0-8c8f-92fbcf53809c.png

圖3:Solist-AI微控制器中集成了AxlCORE-ODL AI硬件加速器(圖源:ROHM Semiconductor)

軟件方面,Solist-AI微處理器采用了一種基于三層神經(jīng)網(wǎng)絡的極限學習機(Extreme learning machine, ELM)的優(yōu)化AI算法,該算法特別適合于基于硬件的運算架構(gòu),并能有效減少AI處理時的內(nèi)存消耗,其與AxlCORE-ODL硬件加速器相配合,提供了一種高能效的邊緣計算解決方案。

f77a9cce-dadc-11f0-8c8f-92fbcf53809c.png

圖4:Solist-AI技術(shù)采用三層神經(jīng)網(wǎng)絡算法(圖源:ROHM Semiconductor)

總之,在AxlCORE-ODL硬件加速器和專門優(yōu)化的神經(jīng)網(wǎng)絡算法的加持下,Solist-AI微控制器具有獨立AI工作、設(shè)備端學習和增量訓練,以及同時執(zhí)行AI以外處理任務等特點,與傳統(tǒng)的基于軟件的邊緣AI解決方案相比,優(yōu)勢盡顯。

f7d8d406-dadc-11f0-8c8f-92fbcf53809c.png

圖5:Solist-AI技術(shù)與軟件解決方案比較(圖源:ROHM Semiconductor)

以ML63Q25x-NNNx MCU為例,該Solist-AI微控制器支持基于AI的實時運行狀態(tài)監(jiān)控,在AI處理期間功耗低至40mW,同時可避免網(wǎng)絡延遲問題和安全風險,是工業(yè)應用中異常檢測和預測性維護的理想選擇。

全面的開發(fā)生態(tài)支持

值得一提的是,Solist-AI微控制器是Solist-AI技術(shù)的核心,但并非是其全部。ROHM正在努力打造一個完整的Solist-AI技術(shù)生態(tài),為邊緣AI應用的開發(fā)提供全方位的支撐。

f88423ec-dadc-11f0-8c8f-92fbcf53809c.png

圖6:Solist-AI微控制器開發(fā)支持系統(tǒng)(圖源:ROHM Semiconductor)

在這個生態(tài)系統(tǒng)中,為了創(chuàng)建更高精度的AI模型,整合了一些開發(fā)利器,比如:

Solist-AISim

一款可在PC端驗證Solist-AI功能的仿真工具,可以輕松確認AI訓練和推理結(jié)果,在短時間內(nèi)驗證AI的應用效果,單次仿真僅需數(shù)秒。目前,ROHM已公開發(fā)布用于異常檢測(無監(jiān)督訓練)和預測或參數(shù)推測(監(jiān)督訓練)的仿真工具。

Solist-AIScope

一款用于確認實機工作情況的實用工具,能夠?qū)olist-AI微控制器內(nèi)部處理的數(shù)據(jù)以波形形式進行顯示,便于實時查看輸入到AI的傳感器數(shù)據(jù)和從AI輸出的異常程度指標,從而輕松驗證AI是否按預期工作。

f8e4c486-dadc-11f0-8c8f-92fbcf53809c.png

圖7:利用Solist-AISim和Solist-AIScope創(chuàng)建高精度的AI模型(圖源:ROHM Semiconductor)

此外,ROHM還提供與Solist-AI微控制器配套的參考板和評估板,以及用于嵌入式開發(fā)的LEXIDE-Ω集成開發(fā)環(huán)境,加上第三方Flash編程器等開發(fā)工具,營造起了一個完整的開發(fā)生態(tài)。這些舉措的核心目的都是一個——幫助開發(fā)者在MCU上玩轉(zhuǎn)AI,讓邊緣AI能夠擴展到越來越多的應用場景。

本文小結(jié)

邊緣AI正在快速發(fā)展,目前正在從最初的“云端訓練、邊緣推理”的模式,向更少云端資源依賴,模型訓練、迭代、部署全流程邊緣化的“邊緣訓練”模式升級,同時也在向更高層次的具備自主感知、自適應調(diào)整學習能力的“自主機器學習”模式邁進。

ROHM的Solist-AI技術(shù),及其衍生出的新一代的邊緣AI微處理器和軟件開發(fā)工具,正是這樣的趨勢之選,助力工程師在邊緣AI的世界自由馳騁!

說明:文中“Solist-AI”是ROHM Co.,Ltd.的商標或注冊商標。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • mcu
    mcu
    +關(guān)注

    關(guān)注

    147

    文章

    18923

    瀏覽量

    397930
  • AI
    AI
    +關(guān)注

    關(guān)注

    91

    文章

    39717

    瀏覽量

    301327
  • 邊緣計算
    +關(guān)注

    關(guān)注

    22

    文章

    3527

    瀏覽量

    53427

原文標題:化繁為簡:只需一招,讓你在MCU上玩轉(zhuǎn)AI!

文章出處:【微信號:貿(mào)澤電子,微信公眾號:貿(mào)澤電子】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    利用TinyML在MCU實現(xiàn)AI/ML推論工作

    眾所皆知,MCU運算力有限(相對于IoT網(wǎng)關(guān)、手機、計算機),而AI/ML向來耗用運算力,如此TinyML的技術(shù)主張豈不矛盾?事實,MCU
    發(fā)表于 09-20 11:10 ?2974次閱讀

    NanoEdge AI技術(shù)原理、應用場景及優(yōu)勢

    NanoEdge AI 是一種基于邊緣計算的人工智能技術(shù),旨在將人工智能算法應用于物聯(lián)網(wǎng)(IoT)設(shè)備和傳感器。這種技術(shù)的核心思想是將數(shù)據(jù)處理和分析從云端轉(zhuǎn)移到設(shè)備本身,從而減少數(shù)據(jù)傳輸延遲、降低
    發(fā)表于 03-12 08:09

    AI技術(shù)與PLC編程融合

    如何將AI技術(shù)融入PLC編程軟件
    發(fā)表于 02-14 15:55

    Keil當下有集成AI技術(shù)的規(guī)劃嗎

    有沒有集成AI工具,可以快速編程,提升開發(fā)效率的,常用的MCU有STM32,GD32等
    發(fā)表于 04-06 14:38

    使用NORDIC AI的好處

    原始傳感器數(shù)據(jù),可顯著降低功耗、延長電池壽命。[Edge AI 概述; Nordic Edge AI 技術(shù)頁] 降低云依賴與時延 直接在設(shè)備做推理,很多決策可以“本地實時”完成,
    發(fā)表于 01-31 23:16

    1小時玩轉(zhuǎn)AI語音識別

    `報名鏈接:http://t.elecfans.com/live/563.html直播主題及亮點本次直播講解AI語音識別核心技術(shù)知識以及語音識別系統(tǒng)架構(gòu),現(xiàn)場實操寫代碼實現(xiàn)語音采集、語音傳輸與解析
    發(fā)表于 09-19 13:40

    AI發(fā)展對芯片技術(shù)有什么影響?

    現(xiàn)在說AI是未來人類技術(shù)進步的一大方向,相信大家都不會反對。說到AI和芯片技術(shù)的關(guān)系,我覺得主要體現(xiàn)在兩個方面:第一,AI的發(fā)展要求芯片
    發(fā)表于 08-12 06:38

    為什么MCU也需要AI看了就知道

    為什么MCU也需要AI?
    發(fā)表于 01-07 07:32

    All in AI?()精選資料分享

    2015年最初的AI架構(gòu)圖在AI發(fā)展的不同階段,驅(qū)動力各有側(cè)重,我們可以將AI的發(fā)展劃分為三個階段:技術(shù)驅(qū)動階段、數(shù)據(jù)驅(qū)動階段和場景驅(qū)動階段 ...
    發(fā)表于 07-23 06:55

    MCU也需要AI

    、也可能超過人的智能。但隨著AI從云到邊緣的發(fā)展,使得這一觀點正在迅速改變,AI計算引擎使MCU能夠突破嵌入式應用
    發(fā)表于 11-03 09:17

    AI是什么呢?AI應用又會給人們帶來哪些改變

    在科技日新月異的當今社會,5G和AI都是非?;鸨母拍?。隨著5G的商用,5G技術(shù)在社會的普及程度逐步提高。那AI又是什么呢?AI應用又會給人們帶來哪些改變?
    發(fā)表于 12-20 06:42

    ST MCU邊緣AI開發(fā)者云 - STM32Cube.AI

    使用 STM32Cube.AI 取得了巨大的成功。它使我們能夠?qū)崿F(xiàn)在低成本MCU運行的高性能AI應用程序。今天,我們很高興看到該產(chǎn)品通過提供在線界面進一步發(fā)展。這將使我們能夠評估
    發(fā)表于 02-02 09:52

    RISC-V mcu何時進軍AI

    今天看了篇文章,講述MCU界“六大天王”ST、NXP、Microchip、Renesas、TI、Infineon都在加大布局邊緣AI,這也應該是RISC-V MCU 的一次機遇??!
    發(fā)表于 11-04 09:58

    貿(mào)澤開售ROHM Semiconductor ML63Q25x AI MCU 助力實現(xiàn)更高效可靠的自動化、機器人及智能應用

    發(fā)生前進行設(shè)備異常檢測和學習,從而提高系統(tǒng)穩(wěn)定性,同時降低維護成本和生產(chǎn)線停機時間。這些MCU利用ROHM專有的Solist-AI?技術(shù),
    的頭像 發(fā)表于 12-09 14:47 ?829次閱讀
    貿(mào)澤開售<b class='flag-5'>ROHM</b> Semiconductor ML63Q25x <b class='flag-5'>AI</b> <b class='flag-5'>MCU</b> 助力實現(xiàn)更高效可靠的自動化、機器人及智能應用

    Solist?AI?:讓 MCU 擁有“現(xiàn)場學習能力”的邊緣智能方案

    成本高、延遲大、隱私敏感 傳統(tǒng) MCU 無法自適應,只能靠規(guī)則硬編碼 ROHM 推出的 Solist?AI? MCU 正是為了解決這些工程
    的頭像 發(fā)表于 12-12 14:36 ?1403次閱讀
    <b class='flag-5'>Solist</b>?<b class='flag-5'>AI</b>?:讓 <b class='flag-5'>MCU</b> 擁有“現(xiàn)場學習能力”的邊緣智能方案