人工智能（AI）技術已經滲透到我們的日常生活中。每當您讓Alexa執行任務時，機器學習技術都在努力理解您的指令，并做出最佳響應。每次Netflix或亞馬遜向您推薦“下一部電影”或“下一個購買商品”時，都是基于復雜的機器學習算法，為您提供更具吸引力的建議。盡管亞德諾半導體可能不是每個人都有自動駕駛汽車，但公司敏銳地意識到了這一領域的發展潛力和自主導航的重要性。

人工智能的前景與挑戰

人工智能技術的前景非常廣闊——它使機器能夠根據周圍環境做出決策，像人類一樣處理信息，甚至在某些方面超越人類。然而，上述例子中的AI功能通常依賴于大型、高耗電的服務器，這些服務器沒有功率、尺寸或成本限制。例如，Alexa和Netflix依靠云端的大型服務器來分析用戶意圖。雖然自動駕駛汽車需要電池供電，但考慮到驅動車輪和轉向所需的能量，即使是非常昂貴的人工智能決策也會消耗大量能源。

目前，人工智能在大型設備上的應用已經取得了顯著進展，但在小型化和邊緣計算方面的進展相對滯后。那些由小型電池供電或存在成本和尺寸限制的設備難以實現復雜的視覺和聽覺分析功能。目前，這些小型設備只能利用簡單的人工智能技術，如關鍵詞識別或低維信號分析（例如通過光容積描記術測量心率）。

小型設備的視聽功能

那么，小型設備具備視聽功能是否有實際價值呢？考慮一下門鈴攝像頭這樣的小產品。它們是否需要像自動駕駛或自然語言處理這樣復雜的人工智能技術呢？顯然不需要。因此，可以采用不太復雜的小型化邊緣計算技術，如詞匯識別、語音識別和圖像分析。

普通的門鈴攝像頭和消費類安保攝像頭經常會被無關緊要的事件觸發，比如風吹植物擺動、光線變化或寵物跑過。這些誤觸發不僅煩人，還可能導致不必要的警報。一個智能攝像頭可以通過更具體的事件觸發，例如當畫面中出現一個人時才發出警報。

門鎖或其他出入口可以使用面部識別或語音識別來授予人員訪問權限，從而減少對鑰匙或胸卡的需求。很多攝像頭希望在特定事件發生時被觸發，例如跟蹤攝像頭在畫面中出現鹿時觸發，安保攝像頭在有人或噪音時觸發，而個人攝像頭則可以通過語音命令觸發。

雖然“Hey Alexa”這樣的簡單解決方案已經很常見，但多詞匯量命令在許多應用中也非常有用。如果能夠識別20個或更多單詞的詞匯表，就可以簡化工業設備、家居自動化、烹飪設備等領域的交互。

使小型設備具備視聽功能的挑戰

盡管小型設備具備視聽功能具有巨大潛力，但為什么亞德諾半導體還沒有廣泛實現呢？答案在于計算能力。人工智能推理是神經網絡模型計算的結果。現代視覺問題的主要模型是卷積神經網絡（CNN），這類模型在圖像和音頻分析方面表現出色，但需要數百萬或數十億次的數學計算。

傳統設計方法面臨兩難選擇：

使用低成本、低功耗的微控制器解決方案。雖然平均功耗可能很低，但卷積神經網絡可能需要幾秒鐘的時間來計算，這意味著人工智能推理不是實時的，且會消耗大量電池電量。

購置一個昂貴的高性能處理器，能在規定的延遲內完成這些計算。這些處理器通常很大，需要很多外部組件，包括散熱器或冷卻裝置。雖然執行速度快，但成本和尺寸超出了預算。

亞德諾半導體的解決方案

亞德諾半導體需要的是一個從頭開始構建的嵌入式人工智能解決方案，以最小化卷積神經網絡計算所需的能耗。幸運的是，亞德諾半導體已經在這一領域取得了突破。MAX78000是一款新型的AI微控制器，能夠使神經網絡在邊緣端以超低功耗運行，消除了人工智能推理的能源成本，并實現了電池供電的機器視覺功能。

MAX78000的特點：

超低功耗：MAX78000集成帶浮點運算單元（FPU）的Arm? Cortex?-M4內核，通過超低功耗深度神經網絡加速器實現高效的系統控制。CNN引擎具有442KB的權重存儲器，支持1、2、4和8位權重（支持高達350萬權重的網絡）。該CNN權重存儲器基于SRAM，可進行即時更新。

靈活的架構：高度靈活的CNN架構允許用戶通過PyTorch?和TensorFlow?等工具訓練網絡，然后經Maxim提供的工具轉換后在MAX78000上運行。

大容量存儲器：除CNN引擎的存儲器外，MAX78000還具備512KB的閃存和高達128KB的SRAM，支持多個高速和低功耗的通信接口，包括I2S和并行攝像頭接口（PCIF）。

如需MAX78000產品規格書、樣片測試、采購、BOM配單等需求，請加客服微信：13310830171。

結論

亞德諾半導體通過MAX78000 AI微控制器，為小型設備帶來了前所未有的智能功能。這款微控制器能夠在超低功耗下運行復雜的神經網絡，使得即使是電池供電的小型設備也能具備強大的視覺和聽覺分析能力。隨著技術的不斷進步，我們有理由相信，未來將會有更多的小型設備能夠看到、聽到并解決過去需要人為干預的問題。