半導體製造商ROHM推出一款On Device學習AI晶片(配備On Device學習AI加速器的SoC),該產品利用AI(人工智慧)技術,能以超低功耗即時預測內建馬達和感測器等電子裝置故障(故障跡象檢測),非常適用於IoT領域的邊緣運算裝置和端點。
|
ROHM推出數十毫瓦等級超低功耗On Device學習AI晶片 |
一般而言,AI晶片要能徹底發揮功能,需要進行判斷標準設定的「學習」,以及透過學到的資訊判斷如何處理的「推理」。因此,「學習」需要彙集龐大的資料,組成資料程式庫並隨時進行更新,導致進行學習的AI晶片需要具備很高的運算能力,並且功耗也會隨之增加。正因如此,針對雲端計算裝置研發的高性能、昂貴的AI晶片不斷推出,而適用於邊緣計算裝置和端點(更有效地構建物聯網社會的關鍵)的低功耗、可進行On Device學習的AI晶片的研發卻困難重重。
此次研發出的AI晶片,是ROHM基於日本慶應義塾大學松谷教授所研發的「On Device學習演算法」,針對商業化的AI加速器(AI專用硬體計算電路)和ROHM 8位元高效CPU「tinyMicon MatisseCORE(以下簡稱 Matisse)」所構成。透過結合2萬Gate超小型AI加速器與高效CPU,便能以僅數十毫瓦(僅為傳統AI學習晶片的1/1000)的超低功耗進行學習和推理。使用本產品,無需連接雲端伺服器,就可以在裝置現場將未知輸入資料中的「與平常的相異」加以數字化後輸出,因此可在眾多應用中達到即時故障預測。
今後ROHM計畫將該AI晶片的AI加速器應用在IC產品中,以實現馬達和感測器的故障預測。並計畫於2023年度推出產品,於2024年度投入量產。
日本慶應義塾大學 理工學部資訊工學科 松谷 宏紀 教授表示,隨著5G通訊和Digital Twin等物聯網技術的發展,對雲端計算的要求也越來越高,然而,在雲端伺服器上處理所有資料,從負載、成本和功耗方面看並不具現實性。我們所研究的「On Device學習」和開發中的「On Device學習演算法」,是為了提高邊緣端的資料處理效率,打造出更好的物聯網社會。本次,我們與ROHM進行聯合研究,進一步改善了On Device學習電路技術,並有望以高CP值的型態推出產品。我們預計在不久的將來,這種原型AI晶片將會成功嵌入ROHM的IC產品中,有助實現更高效的物聯網社會。