日前，模擬芯片大廠Maxim Integrated發布了一款名為MAX78000的革命性芯片。按照他們的說法，這顆低功耗神經網絡加速微控制器能將人工智能（AI）推向邊緣端，更重要的是，因為其低功耗特性，那就意味著即使在將其應用在電池供電的物聯網（IoT）設備里，芯片性能并未受到影響。

　　如上圖所示，新芯片MAX78000包括兩個超低功耗內核——Arm Cortex-M4內核和RISC-V內核——一個基于FPU的微控制器和一個卷積神經網絡加速器。按照他們的說法，之所以他們采用了一個RISC-V內核，是因為在將消息傳入加速器之前，RISC-V是一個很好的低功耗選擇。根據MAXIM的設計，客戶可以在使用的時候，選擇兩個集成微控制器內核中的一個。

　　按照他們的介紹，該芯片具有一些令人印象深刻的規格，特別是在功耗和延遲方面。

　　Maxim Integrated指出，得益于這個芯片的優越設計，在執行AI推理時，芯片的功耗大幅降低，同時還能在以電池供電的設備中，執行以前被認為是不可能任務的復雜新AI的用例。他們強調，這些功耗改進在延遲或成本上也沒有絲毫妥協。

　　從他們提供的數據可以看到，在與運行在低功耗微控制器上的軟件解決方案相比，MAX78000執行推理的速度快100倍，而其成本僅為FPGA或GPU解決方案的一小部分。該公司繼續表示，運行MNIST時，MAX78000的能耗降低1100倍；在MNIST時，延遲提高了400倍；與低功耗的Cortex M4F相比，關鍵字發現期間的能耗低600倍；與96 MHz Cortex M4F相比，關鍵字發現的效率提高了200倍。

　　能獲得以上的AI性能表示，其獨特的加速器設計是關鍵。

　　此SoC中最獨特的功能是神經網絡加速器，它是專用硬件，旨在最大程度地減少卷積神經網絡（CNN）的能耗和等待時間。

　　根據他們的說法，這個加速器所采用的體系結構是完全專有和新穎的。它的設計目標是最大程度地減少數據移動，這能極大降低SoC的能量損耗，尤其是在處理CNN鏈中的復雜數學配置時。

　　Maxim指出，他們的CNN引擎具有442KB的權重存儲，可以支持1位，2位，4位和8位權重（最多支持350萬個權重的網絡）。因為CNN權重存儲器基于SRAM，所以可以實時進行AI網絡更新。CNN引擎還具有512KB的數據存儲器，同時CNN的體系架構是高靈活性，從而允許網絡中像PyTorch和TensorFlow常規工具集來訓練，然后使用Maxim提供的工具將其轉換，讓其在MAX78000上運行。

　　Maxim方面表示，這個SoC的另一個特征是微控制器的介入最少。一般而言，此架構中的MCU用于配置網絡，加載數據并啟動它。MCU完成其最初的工作后，它基本上就置身事外。因為在他們看來，MAX78000的核心是專用硬件，旨在最大程度地減少卷積神經網絡（CNN）的能耗和等待時間。為此該硬件在運行時幾乎不受任何微控制器內核的干擾，從而極大地簡化了操作。

　　事實證明，這對于提高能源效率也極為重要。

　　該設備還可以在執行之前加載數據，從而消除了在推理過程中訪問內存的需求，從而降低了能耗并改善了延遲。Maxim方面強調：“不需要外部存儲器，這實際上是我們節省能源的方法之一，因為所有存儲器都在芯片上?！?/p>

　　根據Maxim Integrated的說法，該設備可能為系統提供了在邊緣執行實時決策的能力（比基于云的計算更快），并且無需擔心安全性。

　　通過將AI帶到邊緣設備，該設備可以啟用新的應用，例如毫秒之內的面部ID或數據處理助聽器。這樣，MAX78000可能是“切斷嵌入式設備電源線”的重要一步。

　　Maxim表示，希望MAX78000能夠朝著“嵌入式革命”的道路邁進，就像以前嵌入式來到卓念一樣。他們指出：“在使用微控制器之前，沒有人考慮過微控制器的所有功能?，F在，我至少要戴兩個?！?/p>

　　這就是Maxim認為邊緣技術的AI將會變成的東西，希望我們將成為引領潮流的人之一。