Kneron KL720 Arm Cortex-M4 AI SoC обеспечивает 1,5 TOPS при 1,2 Вт


Мы впервые столкнулись с AI процессорами Kneron в прошлом году, когда мы рассматривали карты-ускорители AAEON M.2 и mPCIe AI, работающие на двухъядерном процессоре Kneron KL520 Cortex-M4 и обеспечивающие ускорение 0,3 TOPS AI при 0,5 Вт.

Теперь компания представила более мощный процессор — Kneron KL720 с одним ядром Arm Cortex-M4 AI, обеспечивающим до 1,5 TOPS при 1,2 Вт или 0,9 TOPS на 1 Вт.

Компания не предоставляет другой информации о спецификациях, но Kneron KL720 считается в два-четыре раза более энергоэффективным, чем конкуренты, при более низкой цене и лучше всего подходит для высокопроизводительных IP-камер, Smart TV, AI-очков и гарнитуры, а также AIoT-шлюзов.

Процессор может обрабатывать изображения 4K, видео Full HD и данные 3D-зондирования для распознавания лиц и управления жестами для игр, торговых киосков и т. д. Помимо компьютерного зрения, чип также может обрабатывать естественный язык (NLP) для переводчиков и помощников AI.

Если вас действительно интересует решение, вы можете посмотреть 3-часовое видео, представленное ниже. Информация о Kneron KL720 начинается на отметке 5 минут. Многое обсуждается с партнерами, такими как DJI и AAEON, инвесторами и преподавателями, так что, вероятно, это в видео не сильно раскрываются технические вопросы. Извините, мы не все это смотрели …

Компания также представила «открытую платформу Kneron Neural Network Edge AI Open» (также известную как KNEO). Платформа создает частную ячеистую сеть с использованием технологии блокчейн для защиты сети узлов на базе Kneron и поддержки объединения датчиков. Это устраняет необходимость в облачном доступе для обработки моделей и AI-приложений, вместо этого используется множество «датчиков», которые могут быть камерами, микрофонами, термометрами и т. д., обменивающиеся данными в частной ячеистой сети.

Со временем может появиться более подробная информация о Kneron KL720 на странице продукта, но более подробная информация о KNEO уже доступна.

Выражаем свою благодарность источнику из которого взята и переведена статья, сайту cnx-software.com.

Оригинал статьи вы можете прочитать здесь.

0 0 vote
Article Rating
Подписаться
Уведомление о
guest

Этот сайт использует Akismet для борьбы со спамом. Узнайте, как обрабатываются ваши данные комментариев.

0 Комментарий
Inline Feedbacks
View all comments