概览本白皮书介绍了构建高效边缘人工智能 (AI) 系统的要求,以及视觉 AI 处理器如何通过异构架构和可扩展 AI 性能优化性能。
![]() | 定义边缘人工智能。许多不同类型的系统都可以从边缘 AI 处理中获益。 |
![]() | 什么是实用的边缘 AI 系统?考虑哪种架构和内核最适合完成系统所需的任务。 |
![]() | 使用 TDA4 和 AM6xA 片上系统 (SoC) 等视觉 AI 处理器设计边缘 AI 系统。这些 SoC 旨在以低功耗和更低的系统 BOM 成本提供可扩展的吞吐量和计算性能。 |
当消费者在线订购米6体育平台手机版_好二三四时,自动化技术能够提高整个流程(从制造原材料、提高仓库生产力到快速送货上门)的效率,有时米6体育平台手机版_好二三四只需数小时即可送到消费者手上。要继续推动自动化技术取得这些显著进步,需要更好的机器感知和智能,并减少错误率,而这可以通过将人工智能 (AI) 引入边缘设备来实现。
要创造出更快、更智能和更精确的系统,我们需要从更多传感器收集更多的数据,并提高处理能力。但是,获取更多的数据和进行更多的计算会对系统的性能、功耗和成本要求方面产生挑战。因此,为了优化系统并缩短开发周期,我们需要采用实际可行的方法来设计边缘 AI 系统。
边缘 AI 是指将 AI 算法放在本地设备而非云端处理,这项技术正在为深度神经网络 (DNN) 作为主要算法组件的工业和汽车应用带来新的可能性。为了在尺寸、功耗、散热和成本受限的环境下高效运行,边缘 AI 应用需要高速和低功耗处理,以及特定于应用和其任务的高级集成。图 1 展示了一些可使用边缘 AI 处理来提高性能和效率的应用。例如,使用视觉输入的边缘 AI 系统可以通过单个摄像头在生产线上实现质量控制,或通过多个摄像头帮助在汽车或移动机器人中实现功能安全。
边缘 AI 系统可以帮助提高仓库和工厂的效率,增加城市、建筑和农业的安全性和效率,并让家庭和零售环境智能化。以下是几个需要高效边缘 AI 处理的系统示例:
表 1 列出了各种应用的系统要求。
ADAS | 机器人 | 智能零售 | 机器 视觉 |
边缘 AI 盒 | |
---|---|---|---|---|---|
深度学习加速器 | x | x | x | x | x |
多摄像头图像信号处理 (ISP) | x | x | x | x | x |
视觉加速器 | x | x | x | x | x |
深度和运动加速器 | x | x | x | x | x |
以太网交换机 | x | x | x | ||
外围组件快速互连 (PCIe) 开关 | x | x | |||
功能安全 | x | x |