Pensado para su uso en dispositivos equipados por baterías, este chip acelerador de redes neuronales mueve las operaciones de IA con una eficiencia mucho mayor que los microcontroladores.
Maxim Integrated, fabricante alemana de productos y tecnologías de señal mixta, anuncia su nuevo chip MAX78000, un acelerador para redes neuronales en aplicaciones de inteligencia artificial dirigidas a trabajar en el borde de la red (edge).
Una de sus principales virtudes es su bajo consumo energético, una característica que lo convierte en idóneo para su uso con dispositivos que deben ser alimentados por baterías. En este sentido, es capaz de ejecutar operaciones de inferencia de IA con un consumo energético inferior al 1% de lo que supondría una solución por software, algo que le permite mejorar de forma notable la autonomía de las aplicaciones de IA alimentadas por baterías a la par que permite el desarrollo de nuevos casos de uso de la IA considerados hasta ahora imposibles, según indica la misma Maxim.
Estas mejoras en la gestión energética no repercuten negativamente en la latencia de las comunicaciones o el coste del dispositivo, ya que este chip acelerador de redes neuronales ejecuta inferencias a una velocidad de un centenar de veces mayor que las soluciones de software que corren sobre microcontroladores de bajo consumo, y a una fracción del coste de las soluciones FPGA o GPU.
Posibilidades de utilización
Entre las aplicaciones para las que el MAX78000 ha sido ideado, encontramos las de visión por computadora, y reconocimiento facial y de audio, que se realizan de una forma más eficiente que mediante el uso de microcontroladores.
En el centro de este chip acelerador encontramos un diseño orientado a disminuir el consumo de energía y la latencia de las CNN (convolutional neural networks).
Este hardware trabaja con una mínima intervención de cualquier núcleo microcontrolador, una característica que agiliza en gran medida la operativa. No obstante, también se puede integrar bien con microcontroladores, facilitando así las tareas de IA complejas.
Entre los microcontroladores citados por Maxim, tenemos los ARM Cortex M4F y los RISC-V.
