從連網走向自主智慧 Ceva以系統級IP布局實體AI

對Ceva這家以無線連結與DSP IP建立市場基礎的公司而言,AI帶來的機會,正在於協助客戶將既有連網裝置,升級為能夠感知環境、自主判斷的智慧系統。

邊緣人工智慧(Edge AI)商機升溫,市場競爭焦點正從單一晶片的算力,延伸至感測、推論與連結能力的系統整合。從PC、智慧型手機、智慧車輛到各種智慧物聯網裝置,還有當紅的機器人,都開始需要了解周遭環境,並在裝置端即時反應,因此IC設計業者所面臨的挑戰也從「能否執行AI模型」,轉變為如何在功耗、記憶體、成本與模型快速演進之間取得平衡。

Edge AI領域的半導體產品和軟體IP授權廠商Ceva於11月初舉辦年度技術研討會,邀集技術團隊、客戶與生態系夥伴,探討實體AI、裝置端推論及新一代無線連結。對這家以無線連結與DSP IP建立市場基礎的公司而言,AI帶來的機會,正在於協助客戶將既有連網裝置,升級為能夠感知環境、自主判斷的智慧系統。

Ceva於11月初於新竹舉辦年度技術研討會,由(左至右)策略長Iri Trashanski、台灣區總經理于長艷,以及市場情報、投資人關係暨公共關係副總裁Richard Kingston共同主持。(攝影:Judith Cheng)

實體AI帶來新挑戰 設計重心轉向系統效率

從嵌入式系統、IoT走向Edge AI,IP供應商與客戶的合作出現哪些改變?Ceva策略長Iri Trashanski指出,裝置必須同時具備感知、推論與連結能力,才能理解環境並採取行動;不同模型與AI代理,也可能分布在終端、閘道器與雲端,必須依任務配置資源。

「我們認為應該在正確的時間、正確的位置,使用合適的引擎;」Trashanski舉例指出,穿戴裝置的常時感測與喚醒詞辨識,適合由低功耗引擎處理;較複雜的模型則可交由手機、閘道器或雲端執行。若將過大的運算引擎放進小型裝置,耗電與散熱便可能成為問題。

Ceva的市場情報、投資人關係暨公共關係副總裁Richard Kingston則以人形機器人為例指出,系統需要透過視覺、聲音與動作感測取得資訊,再於本地端完成即時分析。「當這些資料進入人形機器人時,你需要AI能力,在機器人內部即時處理資訊;」他強調,需要即時回應的工作,不能完全依賴將資料送往雲端處理。

本月專欄評析免費閱讀額度已用完

免費註冊會員,每月可讀 3 篇專欄評析。

額度於下個月 1 日重新計算。

讀者留言