|
|
|
|
|
|
|
|
使用微芯片的模擬嵌入式SuperFlash技術的邊緣語音處理挑戰
|
|
內存計算技術有望消除與在網絡邊緣執行人工智能（AI）語音處理相關的大規模數據通信瓶頸，但需要同時執行神經網絡計算和存儲權重的嵌入式內存解決方案。冠西今天通過其硅存儲技術（SST）子公司宣布，其SuperFlash®memBrain™ 神經形態記憶解決方案為WITINMEM神經處理SoC解決了這個問題，這是 個批量生產的系統，使sub-mA系統能夠減少語音噪聲，並在通電后立即實時識別數百個命令字。
冠西已與WITINMEM合作，將Microchip基於SuperFlash技術的memBrain模擬內存計算解決方案整合到WITINMEM的超低功耗SoC中。SoC採用了用於神經網絡處理的內存計算技術，包括語音識別、聲紋識別、深度語音降噪、場景檢測和健康狀態監測。反過來，WITINMEM正與多個客戶合作，在2022年將基於該SoC的產品推向市場。
WITINMEM首席執行官王紹迪（Shaodi Wang）表示：“WITINMEM正在利用冠西的memBrain解決方案開闢新天地，以解決基於高級神經網絡模型的網絡邊緣實時人工智能語音的計算密集型需求。”。“2019年，我們率先開發了一款用於音頻的內存計算芯片，現在，我們在超低功耗神經處理SoC中批量生產這項技術，實現了又一個里程碑，它簡化並提高了智能語音和健康產品中的語音處理性能。”
SST授權部門副總裁馬克·雷滕（Mark Reiten）表示：“我們很高興WITINMEM成為我們的主要客戶，並為該公司利用我們的技術，以一款卓越的產品進入不斷擴大的人工智能邊緣處理市場而喝彩。”。“WITINMEM SoC展示了使用memBrain技術創建基於內存計算神經處理器的單芯片解決方案的價值，該解決方案消除了傳統處理器的問題，傳統處理器使用基於數字DSP和SRAM/DRAM的方法存儲和執行機器學習模型。”
冠西的memBrain神經形態記憶產品經過優化，可以為神經網絡執行向量矩陣乘法（VMM）。它使電池供電和深度嵌入式邊緣設備中使用的處理器能夠提供 的每瓦人工智能推理性能。這是通過將神經模型權重作為值存儲在內存數組中，並使用內存數組作為神經計算元素來實現的。其結果是，由於不需要外部DRAM和NOR，因此功耗比其他方法低10到20倍，處理器的總體物料清單（BOM）成本也更低。
將神經模型 存儲在memBrain解決方案的處理單元中，還支持實時神經網絡處理的即時功能。WITINMEM利用SuperFlash技術的浮柵單元的非易失性，在空閑狀態下關閉其內存中的計算宏，以在要求苛刻的物聯網使用情況下進一步降低洩漏功率。
如您要了解更多冠西產品，參考：https://guanxi.diytrade.com/sdp/2954494/2/pl-7799107/0/冠西產品.html
|
|
|
|
|
|
|
|
|
|
