rohm开发出数十毫瓦超低功耗的设备端学习ai芯片，无需云服务器、在设备端即可实时预测故障-ag凯发旗舰厅

 

2022年9月27日
*设备端（on-device）学习： 在同一ai芯片上进行学习和训练

全球知名半导体制造商rohm（总部位于日本京都市）开发出一款设备端学习*ai芯片（配备设备端学习ai加速器的soc），该产品利用 ai（人工智能）技术，能以超低功耗实时预测内置电机和传感器等的电子设备的故障（故障迹象检测），非常适用于iot领域的边缘计算设备和端点*1。

通常，ai芯片要实现其功能，需要进行设置判断标准的“训练”，以及通过学到的信息来判断如何处理的“推理”。在这种情况下，“训练”需要汇集庞大的数据量形成数据库并随时更新，因此进行训练的ai芯片需要具备很高的运算能力，而其功耗也会随之增加。正因如此，面向云计算设备开发的高性能、昂贵的ai芯片层出不穷，而适用于边缘计算设备和端点（更有效地构建物联网社会的关键）的低功耗、可在设备端学习的ai芯片开发却困难重重。

此次开发出的ai芯片，是rohm在基于日本庆应义塾大学松谷教授开发的“设备端学习算法”，面向商业化开发的ai加速器*2（ai专用硬件计算电路）和rohm8位高效cpu“tinymicon matissecore™（以下简称“matisse”）”构成。通过将2万门超小型ai加速器与高效cpu相结合，能以仅几十mw（仅为以往ai训练芯片的1/1000）的超低功耗实现训练和推理。利用本产品，无需连接云服务器，就可以在设备终端将未知的输入数据和模式形成“不同于以往”的数值并输出，因此可在众多应用中实现实时故障预测。

未来，rohm计划将该ai芯片的ai加速器应用在ic产品中，以实现电机和传感器的故障预测。计划于2023年度推出产品，于2024年度投入量产。

日本庆应义塾大学 理工学部信息工学科 松谷 宏纪 教授表示：“随着5g通信和数字孪生*3等物联网技术的发展，对云计算的要求也越来越高，而在云服务器上处理所有数据，从负载、成本和功耗方面看并不现实。我们研究的‘设备端学习’和开发的‘设备端学习算法’，是为了提高边缘端的数据处理效率，创建更好的物联网社会。这次，我校通过与rohm公司进行联合研究，进一步改进了设备端学习电路技术，并有望以高性价比的方式推出产品。我们预计在不久的将来，这种原型ai芯片将会成功嵌入rohm的ic产品中，为实现更高效的物联网社会做出贡献。”

    ＜关于tinymicon matissecore™＞

    tinymicon matissecore™（matisse: micro arithmetic unit for tiny size sequencer）是rohm自主开发的8位微处理器（cpu），该产品旨在随着物联网技术的发展来提高模拟ic的智能化程度。凭借针对嵌入式应用而优化的指令集和最新的编译器技术，以高标准实现了更小的芯片面积和程序代码、以及更高速的运算处理能力。此外，该产品还符合汽车功能安全标准“iso 26262”、asil-d等的要求，适用于对可靠性要求高的应用。另外，利用内置的自有“实时调试功能”，在调试时的处理可以完全不影响应用程序的运行，因此能在应用产品工作的同时进行调试。

    ＜ai芯片（配备设备端学习ai加速器的soc）详细介绍＞

    这次开发出的设备端学习ai芯片原型（产品型号：bd15035）在人工智能技术的基础上，采用了庆应义塾大学松谷教授开发的“设备端学习算法（三层神经网络*4的ai电路）”。为了推出可以投放市场的产品，rohm将这种ai电路的大小从500万门缩小为2万门，仅为原来的0.4%，并将其重新构建为自有的ai加速器“axlcore-odl”，同时，利用rohm的8位高效微处理器“tinymicon matissecore™”进行ai加速器的运算控制，使得仅数十毫瓦的超低功耗ai训练和推理成为可能。利用本产品，无需连接云服务器和事先进行ai训练，就可以设备终端将未知的输入数据和模式（例如加速度、电流、照度、声音等）形成“不同于以往（异常度）”的数值并输出，因此不仅可以降低云服务器和通信成本，还能通过终端ai进行实时故障预测（故障迹象检测）。

    另外，rohm还提供可安装微控制器开发板“arduino*5”用扩展板（配备arduino兼容引脚）的评估板，以方便客户评估这款ai芯片。评估板上装有无线通信模块（wi-fi和bluetooth®）以及64kbit eeprom（内存），只需将该评估板与传感器等单元相连接，将传感器装在监控对象上，即可在显示屏上确认ai芯片的效果。关于该评估板，如有需要欢迎联系rohm的销售部门。

    ＜ai芯片的演示视频＞

    rohm还准备了该ai芯片在使用评估板时的演示视频，欢迎观看！

    ＜术语解说＞

    *1) 边缘计算设备和端点
    将构成大数据基础的服务器和计算机连接云端，即成为“云服务器”和“云计算设备”，而构成边缘（端）侧的边缘计算设备则是指终端的计算机或设备。端点是指比边缘计算设备更末端的设备和地点。

    *2) ai加速器
    在实现ai功能时，将由软件让处理器（cpu）执行处理改为通过硬件处理来提高处理速度的设备（或电子电路）。

    *3) 数值孪生
    一种将现实世界中的信息像双胞胎一样映射在虚拟空间（数字空间）中的技术。

    *4) 三层神经网络
    在受人脑机制启发而诞生的神经网络（数学公式和函数的模型）中，由输入层、中间层和输出层组成的处理流程中，将中间层视为一层、总共仅由三层构成的简单神经网络。由几十层中间层来执行更复杂的ai处理的多层神经网络即为“深度学习”。

    *5) arduino
    arduino推出的由载有微控制器和输入输出端口的pcb板及软件开发环境构成的开放源代码平台，已在全球广泛普及。

    ・“tinymicon matissecore™”是rohm co.，ltd.的商标或注册商标。
    ・bluetooth是美国bluetooth sig, inc.的商标或注册商标。

    关于这个产品的询问