ROHM推出數十毫瓦等級超低功耗On Device學習AI晶片
無需雲端伺服器 透過現場AI即時進行故障預測

※On Device學習:在同一顆AI晶片上進行學習

半導體製造商ROHM(總公司:日本京都市)推出一款On Device學習AI晶片(配備On Device學習AI加速器的SoC),該產品利用AI(人工智慧)技術,能以超低功耗即時預測內建馬達和感測器等電子裝置故障(故障跡象檢測),非常適用於IoT領域的邊緣運算裝置和端點*1
一般而言,AI晶片要能徹底發揮功能,需要進行判斷標準設定的「學習」,以及透過學到的資訊判斷如何處理的「推理」。因此,「學習」需要彙集龐大的資料,組成資料程式庫並隨時進行更新,導致進行學習的AI晶片需要具備很高的運算能力,並且功耗也會隨之增加。正因如此,針對雲端計算裝置研發的高性能、昂貴的AI晶片不斷推出,而適用於邊緣計算裝置和端點(更有效地構建物聯網社會的關鍵)的低功耗、可進行On Device學習的AI晶片的研發卻困難重重。
此次研發出的AI晶片,是ROHM基於日本慶應義塾大學松谷教授所研發的「On Device學習演算法」,針對商業化的AI加速器*2(AI專用硬體計算電路)和ROHM 8位元高效CPU「tinyMicon MatisseCORE™(以下簡稱 Matisse)」所構成。透過結合2萬Gate超小型AI加速器與高效CPU,便能以僅數十毫瓦(僅為傳統AI學習晶片的1/1000)的超低功耗進行學習和推理。使用本產品,無需連接雲端伺服器,就可以在裝置現場將未知輸入資料中的「與平常的相異」加以數字化後輸出,因此可在眾多應用中達到即時故障預測。
今後ROHM計畫將該AI晶片的AI加速器應用在IC產品中,以實現馬達和感測器的故障預測。並計畫於2023年度推出產品,於2024年度投入量產。

日本慶應義塾大學 理工學部資訊工學科 松谷 宏紀 教授表示:
隨著5G通訊和Digital Twin*3等物聯網技術的發展,對雲端計算的要求也越來越高,然而,在雲端伺服器上處理所有資料,從負載、成本和功耗方面看並不具現實性。我們所研究的「On Device學習」和開發中的「On Device學習演算法」,是為了提高邊緣端的資料處理效率,打造出更好的物聯網社會。本次,我們與ROHM進行聯合研究,進一步改善了On Device學習電路技術,並有望以高CP值的型態推出產品。我們預計在不久的將來,這種原型AI晶片將會成功嵌入ROHM的IC產品中,有助實現更高效的物聯網社會。

性能比較
比較

關於tinyMicon MatisseCORE™

性能比較

tinyMicon MatisseCORE™(Matisse: Micro arithmetic unit for tiny size sequencer)是ROHM自主研發的8位元微處理器(CPU),該產品可隨著物聯網技術的發展來提高類比IC的智慧化程度。憑藉針對嵌入式應用而進行最佳化的指令集和最新的編譯器技術,以高標準實現了更小的晶片面積和程式碼、以及更高速的運算處理能力。此外,該產品還符合汽車功能安全標準「ISO 26262」、ASIL-D等,適用於對可靠性要求高的應用。另外,利用內建的自有「即時除錯」功能,在除錯時的處理可以完全不影響應用程式的運行,因此能在應用產品工作的同時進行除錯。

<AI晶片(配備裝置端學習AI加速器的SoC)詳細介紹>

本次研發出的裝置端學習AI晶片原型(產品型號:BD15035)在人工智慧技術的基礎上,採用了慶應義塾大學松谷教授研發的「On Device學習演算法(三層神經網路*4的AI電路)」。為了推出符合市場需求的產品,ROHM將該AI電路的大小從500萬Gate縮小為2萬Gate,僅為原來的0.4%,並將其重新構建為自有的AI加速器「AxlCORE-ODL」,同時利用ROHM的8位元高效微處理器「tinyMicon MatisseCORE™」進行AI加速器的運算控制,實現僅數十毫瓦的超低功耗AI學習和推理。利用本產品,無需連接雲端伺服器或事先進行AI學習,就可以在裝置現場將未知的輸入資料和模式(例如加速度、電流、照度、聲音等)轉成「與平常的相異(出現異常)」的數值並加以輸出,因此不僅可以降低雲端伺服器和通訊成本,還能透過現場AI進行即時故障預測(故障跡象檢測)。
另外,ROHM還提供可安裝微控制器研發板「Arduino*5」用擴展板(配備Arduino相容引腳)的評估板,方便客戶針對本AI晶片進行評估。評估板上裝有無線通訊模組(Wi-Fi和Bluetooth®)以及64kbit EEPROM(記憶體),只需將該評估板與感測器等相連接,將感測器裝在監控物件上,即可在螢幕上確認AI晶片的效果。如需該評估板的相關資訊,歡迎聯繫ROHM營業部門。

 

<名詞解釋>

*1) 邊緣運算和端點
將構成大數據基礎的伺服器和電腦連接雲端,即成為“雲端伺服器”和“雲端運算裝置”,而構成邊緣(端)側的邊緣運算裝置則是指末端的電腦或裝置。端點是指比邊緣運算裝置更末端的裝置和地點。
*2) AI加速器
在實現AI功能時,將透過軟體讓處理器(CPU)執行改為透過硬體處理來提高處理速度的裝置(或電子電路)。
*3) Digital Twin
一種將現實世界中的資訊像雙胞胎一樣映射在虛擬空間(網際空間)中的技術。
*4) 三層神經網路
在受人腦機制啟發而誕生的神經網路(數學公式和函數的模型)中,由輸入層、中間層和輸出層所組成的處理流程中,將中間層視為一層、總共僅由三層構成的簡單神經網路。由幾十層的中間層來執行更複雜的AI處理的多層神經網路即為Deep learning (深度學習)。
*5) Arduino
由Arduino所推出,搭載微控制器和輸入輸出埠的PCB板,及軟體發展環境構成的開放原始程式碼平台,已在全球廣泛普及。

・「tinyMicon MatisseCORE™」是ROHM Co., Ltd.的商標或註冊商標。
・Bluetooth是美國Bluetooth SIG, Inc.的商標或註冊商標。

關於此產品的諮詢