亚德诺半导体MAX78000：推动小型化人工智能技术的发展

人工智能（AI）技术已经渗透到我们的日常生活中。每当您让Alexa执行任务时，机器学习技术都在努力理解您的指令，并做出最佳响应。每次Netflix或亚马逊向您推荐“下一部电影”或“下一个购买商品”时，都是基于复杂的机器学习算法，为您提供更具吸引力的建议。尽管亚德诺半导体可能不是每个人都有自动驾驶汽车，但公司敏锐地意识到了这一领域的发展潜力和自主导航的重要性。

人工智能的前景与挑战

人工智能技术的前景非常广阔——它使机器能够根据周围环境做出决策，像人类一样处理信息，甚至在某些方面超越人类。然而，上述例子中的AI功能通常依赖于大型、高耗电的服务器，这些服务器没有功率、尺寸或成本限制。例如，Alexa和Netflix依靠云端的大型服务器来分析用户意图。虽然自动驾驶汽车需要电池供电，但考虑到驱动车轮和转向所需的能量，即使是非常昂贵的人工智能决策也会消耗大量能源。

目前，人工智能在大型设备上的应用已经取得了显著进展，但在小型化和边缘计算方面的进展相对滞后。那些由小型电池供电或存在成本和尺寸限制的设备难以实现复杂的视觉和听觉分析功能。目前，这些小型设备只能利用简单的人工智能技术，如关键词识别或低维信号分析（例如通过光容积描记术测量心率）。

小型设备的视听功能

那么，小型设备具备视听功能是否有实际价值呢？考虑一下门铃摄像头这样的小产品。它们是否需要像自动驾驶或自然语言处理这样复杂的人工智能技术呢？显然不需要。因此，可以采用不太复杂的小型化边缘计算技术，如词汇识别、语音识别和图像分析。

普通的门铃摄像头和消费类安保摄像头经常会被无关紧要的事件触发，比如风吹植物摆动、光线变化或宠物跑过。这些误触发不仅烦人，还可能导致不必要的警报。一个智能摄像头可以通过更具体的事件触发，例如当画面中出现一个人时才发出警报。

门锁或其他出入口可以使用面部识别或语音识别来授予人员访问权限，从而减少对钥匙或胸卡的需求。很多摄像头希望在特定事件发生时被触发，例如跟踪摄像头在画面中出现鹿时触发，安保摄像头在有人或噪音时触发，而个人摄像头则可以通过语音命令触发。

虽然“Hey Alexa”这样的简单解决方案已经很常见，但多词汇量命令在许多应用中也非常有用。如果能够识别20个或更多单词的词汇表，就可以简化工业设备、家居自动化、烹饪设备等领域的交互。

使小型设备具备视听功能的挑战

尽管小型设备具备视听功能具有巨大潜力，但为什么亚德诺半导体还没有广泛实现呢？答案在于计算能力。人工智能推理是神经网络模型计算的结果。现代视觉问题的主要模型是卷积神经网络（CNN），这类模型在图像和音频分析方面表现出色，但需要数百万或数十亿次的数学计算。

传统设计方法面临两难选择：

使用低成本、低功耗的微控制器解决方案。虽然平均功耗可能很低，但卷积神经网络可能需要几秒钟的时间来计算，这意味着人工智能推理不是实时的，且会消耗大量电池电量。

购置一个昂贵的高性能处理器，能在规定的延迟内完成这些计算。这些处理器通常很大，需要很多外部组件，包括散热器或冷却装置。虽然执行速度快，但成本和尺寸超出了预算。

亚德诺半导体的解决方案

亚德诺半导体需要的是一个从头开始构建的嵌入式人工智能解决方案，以最小化卷积神经网络计算所需的能耗。幸运的是，亚德诺半导体已经在这一领域取得了突破。MAX78000是一款新型的AI微控制器，能够使神经网络在边缘端以超低功耗运行，消除了人工智能推理的能源成本，并实现了电池供电的机器视觉功能。

MAX78000的特点：

超低功耗：MAX78000集成带浮点运算单元（FPU）的Arm® Cortex®-M4内核，通过超低功耗深度神经网络加速器实现高效的系统控制。CNN引擎具有442KB的权重存储器，支持1、2、4和8位权重（支持高达350万权重的网络）。该CNN权重存储器基于SRAM，可进行即时更新。

灵活的架构：高度灵活的CNN架构允许用户通过PyTorch®和TensorFlow®等工具训练网络，然后经Maxim提供的工具转换后在MAX78000上运行。

大容量存储器：除CNN引擎的存储器外，MAX78000还具备512KB的闪存和高达128KB的SRAM，支持多个高速和低功耗的通信接口，包括I2S和并行摄像头接口（PCIF）。

如需MAX78000产品规格书、样片测试、采购、BOM配单等需求，请加客服微信：13310830171。

结论

亚德诺半导体通过MAX78000 AI微控制器，为小型设备带来了前所未有的智能功能。这款微控制器能够在超低功耗下运行复杂的神经网络，使得即使是电池供电的小型设备也能具备强大的视觉和听觉分析能力。随着技术的不断进步，我们有理由相信，未来将会有更多的小型设备能够看到、听到并解决过去需要人为干预的问题。