德國慕尼黑市，2022年2月24日 - 處理器設計自動化領域的領導者Codasip于今日發布了其L31和L11兩款新產品，它們是相關產品系列中專為定制處理器而優化的最新低功耗嵌入式RISC-V處理器內核。基于這些新內核，客戶可以很方便地使用Codasip Studio工具去定制處理器設計，以支持諸如神經網絡、人工智能/機器學習（AI/ML）等具有挑戰性的應用，包括例如物聯網（IoT）邊(bian)緣計算等極小型化(hua)的、功率受限的應(ying)用(yong)。
在物聯網/工業物聯網（IoT/IIoT）等邊緣計算設備上部署AI/ML將獲益良多，可有助于提高安全性、降低功耗，以及減少實時處理的延遲。由于AI/ML的算法類型屬于計算密集型，并且嵌入式系統內部資源有限，因此需要使用定制處理器才能提供足夠的性能。為此，Codasip L31/L11嵌入式內核運行在谷歌的TensorFlowLite for Microcontrollers上，并利用Codasip Studio工具來定制一類全新的嵌入式AI*內核，因此特別適用于空間和功率開銷極其有限的物聯網應用。
Codasip首席技術官Zdeněk P?ikryl表示：“通(tong)過購買RISC-V處(chu)理器高級描述語言CodAL的授(shou)權，使Codasip客(ke)(ke)戶獲得了一(yi)套完整架構(gou)許可(ke)，從而可(ke)去實現ISA和(he)微體系架構(gou)的定制。隨著新L11/31內核的問世，方(fang)便了我們在(zai)尺寸和(he)功率受限的嵌入(ru)式處(chu)理器設計中加入(ru)客(ke)(ke)戶所需的功能，如邊(bian)緣人(ren)工智能等。”
長期(qi)以來，Codasip的(de)內(nei)(nei)核(he)可定制(zhi)功能(neng)是(shi)公司成功的(de)基石，這也是(shi)目前全球已有超過20億顆處理器使用了Codasip IP的(de)原因。除了更容易定制(zhi)內(nei)(nei)核(he)以匹配特定的(de)嵌入(ru)式設計(ji)以外，Codasip還增強了兩種新內(nei)(nei)核(he)的(de)性能(neng)使其能(neng)夠支(zhi)持更高主(zhu)頻。
現(xian)有(you)的處(chu)理(li)器(qi)并不能很好地加載人工智能和機器(qi)學習應(ying)用(yong)(yong)；同(tong)時，器(qi)件(jian)的數據類型、量化模型和性(xing)能需(xu)求(qiu)也(ye)因應(ying)用(yong)(yong)不同(tong)而差異(yi)巨大。Codasip提供(gong)的“創造差異(yi)化設計(ji)”模式意味著(zhu)使用(yong)(yong)其Studio工具的客戶(hu)，可以(yi)根據其特定系統、軟件(jian)及應(ying)用(yong)(yong)程序的要求(qiu)來定制處(chu)理(li)器(qi)。同(tong)樣地，低功耗(hao)物聯網應(ying)用(yong)(yong)中嵌入(ru)式設備的資源也(ye)極為(wei)有(you)限：內(nei)(nei)存有(you)限，指令集也(ye)有(you)限，但器(qi)件(jian)開發人員還需(xu)要保證此類器(qi)件(jian)具有(you)功耗(hao)低和內(nei)(nei)生安全性(xing)等特性(xing)，并且能夠實現(xian)實時響應(ying)和通信。
Codasip Studio RISC-V設計工具可以提供定制的指令，它們特別適合用來開發人工智能/機器學習（AI/ML）處理器。通過將TensorFlow Lite for Microcontrollers** （TFLite Micro）、RISC-V定制指令以及Codasip處理器設計工具三者相結合，就可以為嵌入式的、高效率的邊緣神經網絡處理功能帶來了更多優勢，包括低延遲、高安全性、快速通信和低功耗等。而這些優勢對于新興物聯網和工業物聯網（IIoT）邊緣應用而言至關重要，能夠在此類應用中實時運行AI/ML任務正在迅速成為系統級芯片（SoC）的一項標(biao)準特(te)性。
Codasip的最新L31和L11處理器內(nei)(nei)核是業內(nei)(nei)首批支(zhi)持(chi)TFLite Micro的內(nei)(nei)核，但支(zhi)持(chi)范圍僅限適用于Codasip的整個RISC-V內(nei)(nei)核產品組合。
通過(guo)采用(yong)TensorFlow Lite AI框(kuang)架來(lai)支持神經(jing)網(wang)絡，Codasip RISC-V處理器(qi)IP因此特(te)別適合(he)那(nei)(nei)些計(ji)劃(hua)在其AI/ML器(qi)件(jian)的內核中加載市場領(ling)先性(xing)能的系統開發(fa)人(ren)員。同時憑借著邊緣(yuan)處理器(qi)功能性(xing)，Codasip定制化設計(ji)的性(xing)能也為那(nei)(nei)些關鍵任(ren)務型嵌入式物聯網(wang)應(ying)用(yong)帶來(lai)了(le)高實時性(xing)優勢。
背景
*Codasip的(de)嵌(qian)入式AI是(shi)嵌(qian)入式軟件中(zhong)的(de)機(ji)器學習(xi)與深度(du)(du)(du)學習(xi)功能(neng)(neng)在器件級上的(de)應(ying)用(yong)，可(ke)支持小型物聯網(wang)嵌(qian)入式設備能(neng)(neng)夠(gou)在邊(bian)緣流暢地(di)運(yun)行人工智能(neng)(neng)模型，并且能(neng)(neng)夠(gou)實現實時(shi)通(tong)信。從(cong)安全(quan)角度(du)(du)(du)來看，這樣可(ke)以最(zui)大限度(du)(du)(du)降(jiang)低數據傳輸(shu)時(shi)間和用(yong)電成本(ben)，并且不再(zai)需要使用(yong)通(tong)信硬件。同時(shi)這種應(ying)用(yong)模式對于關鍵任務型工業物聯網(wang)（IIoT）基礎設施而言非常重要，其中(zhong)邊(bian)緣人工智能(neng)(neng)算法可(ke)以從(cong)各種傳感器中(zhong)收集數據，并實時(shi)預測和報告系統故(gu)障。
**TensorFlow Lite for Microcontrollers是專門用(yong)于(yu)(yu)嵌入式(shi)(shi)系統的(de)人(ren)工智能（AI）框(kuang)架(jia)，它有(you)(you)效地解決了(le)(le)存(cun)儲器(qi)(qi)(qi)和功耗(hao)限制等問題。由于(yu)(yu)支持各(ge)種(zhong)微架(jia)構，其特(te)別適用(yong)于(yu)(yu)供應商特(te)有(you)(you)的(de)優(you)化(hua)項目。這一特(te)性與Codasip的(de)處理器(qi)(qi)(qi)設計自動化(hua)工具實現了(le)(le)完美的(de)匹配，有(you)(you)效地簡(jian)化(hua)了(le)(le)特(te)定領域的(de)加速器(qi)(qi)(qi)開發流程，并(bing)且使Codasip客戶(hu)能夠快速、輕松(song)地為物聯網打(da)造適合特(te)定應用(yong)的(de)嵌入式(shi)(shi)AI/ML器(qi)(qi)(qi)件。
