智能家居边缘AI需求是独一无二的

2020年8月21日

文/ Vineet Ganju

虽然我们在家庭、工作和娱乐中使用的设备数量和种类都在不断增长，但我们也看到了我们与它们互动的方式在不断演变，以获得更多价值、娱乐或便利。消费者不再满足于转动旋钮、按下按钮或轻弹开关来与他们的电视、电器或家庭安全设备互动。我们越来越希望他们能认出我们的声音和手势，我们的脸和动作。视频、摄像头、语音和音频传感正在迅速成为许多消费电子产品的必需品。

我们的“智能”设备正变得越来越智能，不仅能够识别意图，还能解释偏好和存在，以提供更高的效率。感知智能是物联网新时代的口号。

与此同时，消费者要求更快的响应时间和更安全和私密的电子设备操作。这推动了边缘计算的采用，减少了通过云处理的依赖性(和安全风险)。能够通过神经网络在设备本身本地嵌入基于机器学习的智能，有望实现新一代物联网的可能性。

边缘设备中智能处理的结合也带来了新的挑战，需要高度先进的芯片和软件解决方案。虽然这种类型的边缘人工智能已经在各种各样的初始用途中得到了应用，但它在很大程度上仅限于智能手机和汽车等昂贵的产品。Synaptics正致力于实现基于边缘的人工智能设备的更大扩散，以满足更广泛的消费者应用所需的安全性、性能和成本。华体会最新下载网站

我们提供soc系列(以音频和视频为中心)，以支持针对一系列消费设备的边缘人工智能应用程序。华体会最新下载网站该系列中的每个SoC都集成了所需的处理内核以及该应用程序的适当级别的集成AI性能。我们的SoC平台集成了多种类型的处理器引擎:CPU, NPU, GPU和ISP，以及挂钩到高性能相机和显示器。这样的架构实现了高度安全、低成本推理和实时、多模态性能的理想组合。

在竞争激烈的消费电子领域，上市时间和差异化也至关重要。为了应对边缘人工智能更广泛扩散的挑战，需要一种全栈方法，其中包括必要的开发工具，以将人工智能创新引入边缘人工智能SoC。最重要的是，所需的工具集应该与AI开发人员的庞大且不断增长的用户社区兼容。例如，该工具包将使开发人员能够导入使用行业标准框架(如TensorFlow、TensorFlow Lite、Caffe和ONNX)创建的模型。这使得开发人员能够利用现有的AI创新，并让他们快速而轻松地开发目标SoC。

在最近对EE Times的一篇文章中，我们进一步研究了机器如何利用语音、视频和视觉数据来理解和预测我们所做、所说或触摸的反应。这种技术正在彻底改变物联网如何在我们的生活中提供前所未有的安全性、便利性和生产力。

在EE时报阅读更多内容在这里．