在图像传感器领域，Sony已经推出了IMX500系列传感器，其中把传感器芯片和集成了人工智能计算能力的逻辑芯片做了堆叠，从而可以把像素信号传输给逻辑芯片上的人工智能计算引擎，从而传感器的输出可以是图像，可以是人工智能模型的输出，或者是两者的结合。这样一来，就可以让传感器运行在低功耗always-on状态，而仅仅当其模型输出符合某些特定条件（例如检测到人脸）时才去唤醒MCU或者SoC做下一步动作。我们预计，Sony将会在接下来的传感器芯片中进一步加强其人工智能能力，从而增强在这个领域的领先地位。

     传感器和人工智能结合的另一个例子是ST推出的IMU系列产品。ST在拥有相关人工智能特性的IMU中集成了机器学习核（Machine Learning Core）和有限状态机（Finite State Machine），从而可以用非常高效的方式支持IMU上直接进行人工智能计算。ST目前支持的人工智能算法主要是决策树算法，并且可以支持IMU信号的一些重要特征提取（例如信号幅度，信号方差等），从而能在IMU上直接实现用户活动分类（例如静止，行走，骑车，驾驶汽车等等分类），这样能在检测到相关事件时唤醒MCU/SoC进行下一步操作。根据ST公布的资料，MLC的功耗仅仅在微瓦数量级，从而能很好地支持always-on需求。当然，另一方面我们也看到决策树算法事实上的能力有限，难以对于复杂的活动进行建模，因此如同我们之前讨论的，这里的IMU传感器内人工智能适合完成事件的初筛来过滤掉无关事件，而更复杂的分类和确认可以通过运行在MCU或者SoC上的模型来完成。

    低功耗人工智能MCU
除了传感器内人工智能之外，另一个重要的低功耗人工智能技术路径是运行在MCU内的人工智能。无论是物联网还是智能设备，都离不开低功耗MCU作为最关键的控制单元，而通常来说MCU的功耗会比SoC要低一到两个数量级。通过在MCU上集成人工智能，我们可以把运行人工智能的任务放到MCU上，从而无需唤醒SoC；或者在一些低成本应用中，成本考量使得无法集成SoC，这时候如果需要人工智能的话，拥有人工智能能力的MCU就是一个重要选项了。
值得注意的是，MCU上的人工智能和传感器端的人工智能并不矛盾。如前所述，传感器里的人工智能通常能运行的模型种类的复杂度都会比较有限，同时一个传感器里的模型显然只能使用该传感器的信号作为输入。另一方面，MCU上的人工智能模块通常可以支持较为通用的人工智能模型，同时也有机会做到使用多个传感器的信号作为模型输入。当然，MCU上的人工智能模块的能效比通常会略逊于传感器端的人工智能模块，因此，在一个系统中可以把具有人工智能能力的传感器和具有人工智能能力的MCU联用，在传感器端运行较为专用的第一级较为简单的模型初筛事件，在需要的时候唤醒MCU上的 人工智能模块去执行较为通用的模型去进行事件确认。
目前，MCU芯片市场上已经有一些相关的产品，例如NXP的RT600 MCU，该产品在ARM M33核之外，还集成了Tensilica HiFi 4 DSP并且拥有4.5 MB的片上存储，从而可以加速通用人工智能模型。除了NXP之外，ADI的MAX78000 MCU集成了ARM M4和RISC-V核心，还集成了CNN加速器用来实现人工智能加速。我们认为，未来会有越来越多的低功耗MCU加入人工智能能力从而满足物联网和智能设备的需求。
低功耗人工智能的市场格局
如我们之前所讨论的，低功耗人工智能更多并非创造一种新的芯片品类，而是在现有的芯片中加入人工智能能力，从而创造一定的差异化竞争优势。我们目前看到，无论是在传感器端还是在MCU端，都有市场中处于领先地位的企业（例如传感器领域的Sony，ST；MCU领域的NXP，ADI等等）在积极加入人工智能功能，未来可望会有越来越多的公司的产品也会在人工智能方面进行投入。
对于中国半导体企业来说，传感器和MCU方面的人工智能也是一个值得重视的方向。目前来看，加入人工智能更多的是一个产品定位和集成度问题（即如何把握好产品对应的市场，并且去集成最合适的人工智能模块），但是在未来随着技术的进步，相关的技术积累也会逐渐加深，因此中国半导体厂商如果能在这个领域从目前就开始布局，可以加深自己在这方面的技术实力并且增加产品在未来智能物联网和下一代智能设备里的竞争力。

本文内容转载自：互联网,版权归原作者所有，如有侵权请及时联系删除。