Producenci chipsetów wbudowanych zwiększają swoje zainteresowanie Neutral Processing Units (NPU) dla aplikacji Internetu Rzeczy (IoT) dzięki efektywnemu wykonywaniu obciążeń sieci neuronowych przez tę architekturę. NPU będą zdobywać coraz większy udział w ogólnej liczbie wysyłanych jednostek kosztem ustalonych mikrokontrolerów (MCU), ponieważ implementatorzy dążą do uzyskania coraz większej liczby informacji i inteligencji na krawędzi sieci. Według ABI Research, globalnej firmy zajmującej się analizą technologii, przyczyni się to do wzrostu przychodów z chipsetów AI dedykowanego krzemowi do zastosowań IoT do ponad 7,3 miliarda dolarów amerykańskich do 2030 roku.
“NPU dla aplikacji TinyML w urządzeniach osobistych i roboczych (PWD) są już dobrze ugruntowane. Niemniej jednak są one wciąż w początkowej fazie rozwoju poza tym segmentem urządzeń, a główni dostawcy, tacy jak ST Microelectronics, Infineon i NXP Semiconductors, dopiero wprowadzają ten typ ASIC do swoich portfeli wbudowanych,” powiedział Paul Schell, analityk branżowy w ABI Research. “Przeanalizowanie urządzeń PWD dostarczyło nam większej wiedzy na temat modelowania aplikacji IoT, które obejmuje 15 branż, w tym najważniejsze, takie jak inteligentne domy i produkcja.”
Ze strony oprogramowania, kompleksowe narzędzia MLOps są teraz standardem dla dużych i małych dostawców, w tym start-upów takich jak Syntiant, GreenWaves, Aspinity i Innatera. Podobnie jak w przypadku większych form faktorów, inwestycje w ofertę oprogramowania często odpowiadają badaniom i rozwojowi sprzętu, co przyniosło korzyści dostawcy Eta Compute w ich współpracy z NXP na licencjonowanie platformy programowej Aptos. Takie innowacje również demokratyzują wdrażanie TinyML, zmniejszając potrzebę posiadania wewnętrznych talentów z zakresu nauki o danych.
Włączenie wysoko wydajnych architektur, takich jak NPU i niektóre FPGA, do urządzeń wbudowanych rozszerzy ofertę aplikacji, które będą mogły działać na urządzeniu, od wykrywania obiektów po prostą klasyfikację obiektów do zastosowań wizyjnych, a także niektóre NLP do analiz audio.
Wraz z trendem w większych form faktorach krawędziowych, takich jak komputery osobiste i bramy, przyczyni się to do skalowalności AI poprzez zmniejszenie kosztów sieciowych i zależności od chmury. W związku z tym spodziewamy się, że rynek TinyML będzie się rozwijał, wykorzystując te innowacje, napędzany głównie przez duże obiekty przemysłowe modernizujące swoje wdrożenia IoT, rosnącą inteligencję pojazdów i urządzeń inteligentnego domu.
Te wnioski pochodzą z raportu rynkowego ABI Research “Artificial Intelligence and Machine Learning: TinyML“. Raport ten jest częścią usługi badawczej firmy dotyczącej AI i uczenia maszynowego, która obejmuje badania, dane i spostrzeżenia ABI.
Skomentuj ten artykuł za pośrednictwem X: @IoTNow i odwiedź nasza strone IoT Now Polska
