,,

邊緣AI機器學習將廣泛應用于工業和家庭

（2024年11月23日更新）

各行各業的數字化轉型和日常生活中的新場景已經處于人工智能的邊緣（AI）需要機器學習、先進的數據處理、音頻、視覺等。邊緣機器學習（ML）計算支持廣泛的智能工業和家庭應用，包括傳感器數據處理、預測維護、音頻模式識別、簡單命令詞識別和視覺應用，用于異常檢測，如使用低分辨率攝像頭進行現場檢測或數量統計。如今，產品設計師看到了人工智能和機器學習的巨大潛力，可以為家庭安全系統、可穿戴醫療監控器、商業設施和工業設備監控傳感器等邊緣應用帶來更多的智能化。所以SiliconLabs 認為邊緣AI 機器學習將廣泛應用于工業和家庭。

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。

商業建筑管理部門的工作人員正在探索如何使其建筑系統（包括照明和暖通空調）更智能，以降低業主的成本，減少對環境的影響。消費品和智能家居解決方案提供商都在努力簡化各種設備的連接，擴大其互動模式，為消費者帶來創新的功能和服務。那些考慮在邊緣設備上部署人工智能或機器學習的人面臨著巨大的性能和功耗困難，這可能超過了它的好處，最終得不償失。邊緣人工智能解決方案需要具備行業所需功能的最佳組合，包括支持多元化無線多協議、電池壽命、機器學習和物聯網邊緣應用安全等。在集成創新和產業合作方面取得突破AIoT(人工智能物聯網)期待已久的邊緣AI 最近，我們進入了工作和生活。

無線技術、先進的外圍設備和先進的計算核心圍設備和先進的計算核心SoC 供應商，Silicon Labs 邊緣人工智能/ 制定了機器學習的戰略和路線圖。該戰略的一個關鍵部分是解決無線問題SoC 機器學習模型的挑戰行機器學習模型的挑戰。我們正在探索集成機器學習和無線連接功能的單芯片解決方案及其最有意義的應用，特別關注低功耗，這將成為一個對象

網絡產業的徹底變化。Silicon Labs 相信顛覆性的邊緣AI 不同的技術需要創新地集成解決方案。SoC單芯片解決方案是保證高性能和高效率的最佳途徑之一；它們還需要產業鏈之間的合作，以加速硬件AI/ML 工Trinamic代理與算法相匹配。集成工具的能力是邊緣AI 成功的關鍵因素。例如，Silicon Labs 于今年1 月推出了其BG24 和MG24 系列2.4 GHz 無線SoC，分別支持藍牙和多協議操作，并推出新的軟件開發工具包用于機器學習。該新平臺同時優化硬件和軟件，幫助用戶在電池供電的邊緣設備上實現AI/ML 所有這些應用程序和高性能無線功能都集成在同一個SoC 中。

除了最初的支持TensorFlow，Silicon Labs 還有一些領先的AI 和ML 工具提供商(如SensiML 和EdgeImpulse 等)合作，確保開發人員獲得端到端工具鏈，簡化機器學習模型的開發，優化無線應用的嵌入式部署。

這個新的AI/ML 工具鏈與Silicon Labs 的SimplicityStudio 工具以及BG24 和MG24 系列SoC 開發人員可以創建從各種連接設備中提取信息的應用程序，并使用所有設備Matter 相互通信，然后做出由機器學習驅動的智能決策。

異構計算對人工智能、機器學習和深度學習解決方案非常重要。這些解決方案廣泛應用于硬件數據加速器。AI 由于解決方案資源有限，能效要求高，架構創新變得越來越重要。AI/ML功能的2.4 GHz無線SoC架構上需要創新。

(本文來源《IC2022年4月，代理雜志