瑞士电子采用边缘架构AI，芯片系统更低能耗

瑞士电子和微电子技术中心（CSEM）工程师们已经开发出一种集成电路，可以进行复杂的人工智能操作，比如人脸、声音和手势识别以及心脏监测。它由微型电池或太阳能电池板供电，采用边缘数据处理，可以在几乎任何类型的应用中配置使用。

人工智能可以被用于一系列应用，比如通过振动来预测机器的寿命，监测患者的心脏活动，以及将面部识别功能纳入视频监控系统。但缺点是基于人工智能的技术通常需要大量电力，而且在大多数情况下必须持续连接到云计算，这引发了与数据保护、IT安全和能源使用相关的问题。

CSEM工程师可能找到解决这些问题的方法，他们开发了一种新的芯片系统，运行在一个微型电池或小型太阳能电池上，并在边缘执行人工智能操作——也就是说，本地在芯片上而不是在云中执行。更重要的是，他们的系统是完全模块化的，可以为任何需要实时信号和图像处理的应用量身定做，特别是涉及敏感数据的应用。

芯片系统通过一种全新的信号处理架构工作，最大限度地减少所需的电量。它由带有RISC-V处理器(也由CSEM开发)的ASIC芯片和两个紧密耦合的机器学习加速器组成:一个用于人脸检测，另一个用于分类。第一个引擎是二叉决策树(BDT)引擎，它可以执行简单的任务，但不能执行识别操作。例如，当系统用于面部识别应用时，第一个加速器将回答诸如图像中是否有人，以及如果有，他们的脸能否识别的问题。如果系统用于语音识别，第一个加速器将确定是否存在噪音，以及该噪音是否与人的声音相一致。但它不能分辨出特定的声音或词语——这就是第二个加速器的作用。

第二个加速器是一个卷积神经网络(CNN)引擎，它可以执行更复杂的任务：识别人脸和检测特定的单词——但它也会消耗更多的能量。这种两层数据处理方法大大降低了系统的电力需求，因为大多数时候只有第一个加速器在运行。

作为研究的一部分，工程师们增强了加速器本身的性能，使其能够适应任何需要基于时间的信号和图像处理的应用。不管应用程序如何，系统工作原理基本相同，只需要重新配置CNN引擎的各个层面。CSEM该项创新为新一代的处理器能够独立运行一年以上的设备打开了大门，这也大大降低了此类设备的安装和维护成本，并使它们能够在难以更换电池的地方使用。