×
嵌入式 > 技术百科 > 详情

Google Edge TPU横空出世!细思极恐,国内AI芯片公司寒冬降临!

发布时间:2020-06-09 发布时间:
|

一款Edge TPU芯片,一块AIY Edge TPU开发板,一个AIY Edge TPU加速器,让开发者狂欢,将国内AI芯片公司打入冰窟!

原文地址:https://www.eeboard.com/evaluation/edgetpu/

该来的终于还是来了,Google蓄力的Edge TPU终于正式对外公布了,不仅如此,此次Google还带来了基于Edge TPU的AIY Edge TPU开发板以及AIY Edge TPU加速器,全面帮助工程师将机器学习部署到AI产品开发中去。

Edge TPU

Edge TPU可以说是Google“蓄谋已久”的一款针对边缘计算的ASIC,笔者第一次听说在2018年初,项目代号为“达尔文”。目前来看,Edge TPU的尺寸约为1美分硬币的1/8大小,它可以在较小的物理尺寸以及功耗范围内提供不错的性能(目前具体性能指标不清楚,官方称可以在高清分辨率的视频上以每秒30帧的速度,在每帧上同时执行多个最先进的AI模型),支持PCIe以及USB接口。

Edge TPU优势在于可以加速设备上的机器学习推理,或者也可以与Google Cloud配对以创建完整的云端到边缘机器学习堆栈。在任一配置中,Edge TPU通过直接在设备本地处理数据,这样不仅保护隐私,而且消除对持久网络连接的需要,减少延迟,允许使用更少的功率和性能。

AYI Edge TPU开发板(PK 树莓派)

AIY Edge TPU开发板是一款搭载了Edge TPU的单板计算机,功能非常丰富。开发板分为底板跟核心板,底板包括一些常用的外设接口,而核心板是基于Google Edge TPU的模块化系统子板(核心板与底板可以分离),也就是下图中带屏蔽罩的那个SOM(system-on-module )。

AIY Edge TPU开发板规格:

Edge TPU模块(SOM)规格

  • CPU:NXP i.MX 8M SOC(四核Cortex-A53,Cortex-M4F)
  • GPU:GC7000 Lite图形处理器
  • ML加速器:Google Edge TPU
  • RAM:1GB LPDDR4
  • Flash:8GB eMMC
  • 无线:Wi-Fi 2x2 MIMO(802.11b/g/n/ac  2.4/5GHz);蓝牙4.1
  • 外形尺寸:40mm*48mm

底板规格

  • 闪存:MicroSD
  • USB:Type-C OTG、Type-C电源、Type-A 3.0 Host、MicroUSB串口
  • LAN:千兆以太网端口
  • 音频:3.5mm音频插孔、数字PDM麦克风(x2);2.54mm 4针端子,用于立体声扬声器
  • 视频:HDMI 2.0a(全尺寸)、MIPI-DSI-39针FFC连接器(4-lane)、MIPI-CSI2-24针FFC连接器(4-lane)
  • GPIO:40pin扩展接口
  • 功率:5V DC(USB Type-C)
  • 外形尺寸:85mm*56mm

支持操作系统:Debian Linux,Android Things

支持深度学习框架:TensorFlow Lite

AIY Edge TPU加速器(PK Movidius NCS)

AIY Edge TPU加速器是一个基于Google Edge TPU的USB设备型的神经网络加速设备,通过USB TYPE-C可以连接到任何基于Linux系统的PC机、单板计算机如树莓派等的设备上去执行机器学习推理。

产品规格:

  • ML加速器:Google Edge TPU协处理器
  • 连接器:USB Type-C(数据/电源)
  • 外形尺寸:65毫米x 30毫米
  • 支持操作系统:Debian Linux,Android Things
  • 支持深度学习框架:TensorFlow Lite

看出来什么了吗?有心人应该已经发现,除了Edge TPU,Google AIY Edge TPU开发板以及AIY Edge TPU加速器都是有目的性而来的。AIY Edge TPU开发板在树莓派的基础上完成了AI进化,并且性能也要高于树莓派,可谓是青出于蓝而胜于蓝;而AIY Edge TPU加速器可以说是直接正面争锋Movidius NCS,当然,目前还不知两者到底谁更胜一筹,但是Google的这种“司马昭之心”还不明显吗!

生态闭环完成

如果上面的争锋与你关系不大,或许你还幸灾乐祸的看着强强相争,那下面的内容会让你寒冰刺骨,Google那强大到令人恐怖,恐怖到让人绝望的生态已经完成了闭环!!!

众所周知,人工智能系统极为复杂庞大,但脱离不了以下几个重要的组成部分。

  • 用于训练网络模型的高性能硬件:Google有自家的TPU3.0
  • 优质庞大的数据:作为Google引以为傲的东西一直在向世人展示着
  • 优秀的神经网络算法:众多的神经网络模型来自Google
  • 出众的深度学习框架:TensorFlow谁与争锋/为移动以及嵌入式设备而生的TensorFlow Lite
  • 用于边缘计算的AI芯片:Google Edge TPU横空出世

而上面这些,Google全都有,莫要说国内AI芯片公司了,即便是放眼全球,谁能与之匹敌?这是否能给国内过吹的AI芯片行业一记当头棒喝!


『本文转载自网络,版权归原作者所有,如有侵权请联系删除』

热门文章 更多
Keil5(MDK5)在调试(debug)过程中遇到的问题