AGM推出基于ASIC的MCU算力加速芯片,将是车载计算平台未来发展趋势.pdfVIP

AGM推出基于ASIC的MCU算力加速芯片,将是车载计算平台未来发展趋势--第1页

AGM推出基于ASIC的MCU算力加速芯片，将是

车载计算平台未来发展趋势

近日，在AI芯片的寒地深“”领域增加了一位新玩家，AGM（alta-gate）

将推出一款基于ASIC的MCU算力加速芯片，主打高性价比的嵌入式MCU

市场，用于物联网边缘AI推理的算力加速。

近几年，深度神经网络（DNN）在图像识别、自然语言处理等方向上取

得了前所未有的成功，并推动相关行业的快速发展。但是，这些应用中使用

的深度神经网络的参数量巨大，模型训练（training）与推断（inference）都

需要大量的计算，传统计算芯片的算力无法满足DNN计算需求。具有高算

力的AI芯片能够满足AI行业计算需求并得到了快速发展。

现阶段，由于终端设备的计算力普遍有限，模型训练与推断大都在云端服

务器上完成。在云端模型训练中，NVIDIA的GPU占主导地位，多GPU并

行架构是云端训练常用的基础架构方案。在云端识别中，基于功耗与运算速

度的考量，单独基于GPU的方式并非最优方案，利用CPU、GPU、FPGA、

ASIC各自的优势，采用异构计算（CPU+GPU+FPGA/ASIC）是目前主流方

案。

在计算机视觉、语音识别等应用中，终端采集数据（特别是图像数据），

AGM推出基于ASIC的MCU算力加速芯片,将是车载计算平台未来发展趋势--第1页

AGM推出基于ASIC的MCU算力加速芯片,将是车载计算平台未来发展趋势--第2页

然后上传到云端处理的云计算对网络带宽与数据中心存储都带来越来越大的

挑战。另外，无人驾驶等应用对实时性与安全性要求极高。网络的时延与稳

定性所带来的安全隐患是无人驾驶等应用所无法忍受的。在终端采集数据，

并完成数据处理，提供智能终端推断的边缘计算（Edgecomputing），因其能

够满足实时性、安全性的需求，且能节约带宽与存储，得到越来越多的关

注。业界判断inference将越来越多的在终端设备上完成，即，智能将会下沉

到终端设备，智能边缘计算将会崛起。

实时性是选择在终端完成推断最主要的原因之一。但是，由于深度神经网

络参数量巨大，推断过程需要完成大量的计算，其对终端硬件的计算力提出

了很高的要求。另外，电池供电的终端设备对功耗也有极高的要求，且大多

数的终端产品价格敏感。即，执行DNN推断的终端芯片对算力、功耗、价

格都有严格的限制。

AGM研发的嵌入式AI算力芯片，集成了多项在其FPGA+MCU现有产

品中,已使用并且大批量产验证的技术：

超低成本和低功耗可重构逻辑定制ASIC

计算单元ASIC定制技术–ASIC矩阵计算

AGM推出基于ASIC的MCU算力加速芯片,将是车载计算平台未来发展趋势--第2页

AGM推出基于ASIC的MCU算力加速芯片,将是车载计算平台未来发展趋势--第3页

嵌入式内存存读ASIC技术–低延迟低功耗

融合以mcu为主导的芯片架构和软件生态

AGM此次推出的MCU算力芯片，成本类似ASIC，但是在架构上属于可

重构ASIC，适用于AI高算力需求和不断演进的算法升级，例如CNN、RNN

和矩阵运算。这款芯片满足了低功耗，尤其是低延迟的内存存取的需求。

这款物联网边缘AI推理的算力芯片，主打超低价和高性价比，可以应用

在以下应用场景的终端中：

边缘摄像头图像AI分析；

智能音箱的声音AI分析；