日前，Maxim Intergrated发布了其最新产品，一款低功耗的神经网络加速器芯片，适用于边缘人工智能。就人工智能加速器，低功耗，嵌入式以及该产品结合的RISC-V和Arm双内核等相关问题，All About Circuit采访了Maxim微处理器、安全和软件业务执行总监Kris Ardis。

人工智能和物联网似乎是天作之合，然而要将这两种技术完美结合，还需要克服许多障碍。一般来说，物联网是一种低功耗、电池供电的技术。另一方面，人工智能，特别是卷积神经网络（对于机器视觉来说是必不可少的），算力非常昂贵。

边缘计算提供实时数据处理

为了克服这些挑战，通常的做法是将计算转移到云上。然而，这会带来大量的延迟和安全问题。例如，自动驾驶汽车需要尽快做出实时决策，它根本无法等待数据被发送到云端、计算并返回。

但是对于嵌入式系统呢？Kris Ardis认为，目前，小型的嵌入式设备“可能错过了这场人工智能革命的主要部分”。Ardis说道，“因此，这就是我们正在努力填补的空白：我们如何才能将更多的人工智能承诺带给嵌入式市场。”

一种新的解决方案：Maxim集成的加速器芯片

为了解决这一问题，Maxim开发了低功耗、高性能的人工智能芯片：集成神经网络加速器，旨在为电池供电的物联网设备提供人工智能。

新的MAX78000由两个超低功耗内核Arm Cortex-M4和RISC-V内核、基于FPU的微控制器和卷积神经网络加速器组成。Ardis评论道，“RISC-V之所以存在，是因为它是一种很好的低功耗的方式，在数据进入加速器之前对数据进行处理。”

从性能的角度来看，Maxim声称在功率和延迟方面有非常令人印象深刻的特点。

MAX78000的简化框图

MAX78000的特点包括：

运行MNIST时能耗降低1100x

MNIST的延迟提高了400倍

与低功耗Cortex M4F相比，关键字定位期间的能耗低600倍

与96 MHz Cortex M4F相比，关键字检测提高了200倍

让我们深入了解这些规格是如何实现的。

MAX78000的核心：神经网络加速器

这种SoC最独特的特点是神经网络加速器，它是专门设计的硬件，可以最大限度地减少卷积神经网络（CNNs）的功耗和延迟。

据Ardis说，Maxim的NN加速器完全是专有的，而且新颖。它的设计目标是最小化数据移动，这是众所周知的对芯片功耗的一个重大负担，尤其是在处理CNN中复杂的数学配置时。

此外，加速器支持机器学习领域中的常用工具，如TensorFlow和Pythorch，旨在提高数学并行性，优化功耗并显著减少推理时间。

重要模块

该产品另一个特点是微控制器的参与度最小。一般来说，这种体系结构中的MCU是用来配置网络、加载数据并启动模块。在MCU完成初始工作后，它基本上就不再参与重度计算了。这对提高能效也极为重要。

产品支持在执行之前加载数据，这样就不需在推理过程中访问内存，减少能耗，并改善延迟。“无需外部存储器，这实际上是我们节约能耗的一种方式，所有的存储器都在芯片上，”Ardis说。

物联网的游戏改变者？

随着人们对低功耗、高性能人工智能芯片的需求不断增加，这一消息在物联网领域显得极为重要。

新型神经网络加速器的描述

根据Maxim的说法，这种设备有可能为系统提供在边缘执行实时决策的能力，比基于云计算的速度更快，并且没有相关的安全问题。

通过将人工智能带到边缘设备上，该设备可以开拓新的应用，比如在几毫秒内就能识别出面部特征，或者为助听器增加数据处理功能。MAX78000可极大延长嵌入式设备的使用寿命，甚至是无电源线的应用。

Ardis表示希望MAX78000可以开辟一条通向“嵌入式革命”的道路，类似于在微控制器出现后对嵌入式的革命一样，没有人想到微控制器会是什么样子，而现在我至少集成了两种内核。”。

“这就是我们认为人工智能在边缘技术将变成什么，希望，我们将成为领头羊之一。”Ardis总结道。