通常，AI芯片要實現(xiàn)其功能，需要進行設置判斷標準的“訓練”，以及通過學到的信息來判斷如何處理的“推理”。在這種情況下，“訓練”需要匯集龐大的數(shù)據(jù)量形成數(shù)據(jù)庫并隨時更新，因此進行訓練的AI芯片需要具備很高的運算能力，而其功耗也會隨之增加。正因如此，面向云計算設備開發(fā)的高性能、昂貴的AI芯片層出不窮，而適用于邊緣計算設備和端點（更有效地構建物聯(lián)網社會的關鍵）的低功耗、可在設備端學習的AI芯片開發(fā)卻困難重重。
未來，ROHM計劃將該AI芯片的AI加速器應用在IC產品中，以實現(xiàn)電機和傳感器的故障預測。計劃于2023年度推出產品，于2024年度投入量產。 日本慶應義塾大學理工學部信息工學科松谷宏紀教授表示：“隨著5G通信和數(shù)字孿生*3等物聯(lián)網技術的發(fā)展，對云計算的要求也越來越高，而在云服務器上處理所有數(shù)據(jù)，從負載、成本和功耗方面看并不現(xiàn)實。我們研究的‘設備端學習’和開發(fā)的‘設備端學習算法’，是為了提高邊緣端的數(shù)據(jù)處理效率，創(chuàng)建更好的物聯(lián)網社會。這次，我校通過與ROHM公司進行聯(lián)合研究，進一步改進了設備端學習電路技術，并有望以高性價比的方式推出產品。我們預計在不久的將來，這種原型AI芯片將會成功嵌入ROHM的IC產品中，為實現(xiàn)更高效的物聯(lián)網社會做出貢獻。” 關于tinyMiconMatisseCORE™ tinyMiconMatisseCORE™（Matisse:Microarithmeticunitfortinysizesequencer）是ROHM自主開發(fā)的8位微處理器（CPU），該產品旨在隨著物聯(lián)網技術的發(fā)展來提高模擬IC的智能化程度。憑借針對嵌入式應用而優(yōu)化的指令集和最新的編譯器技術，以高標準實現(xiàn)了更小的芯片面積和程序代碼、以及更高速的運算處理能力。此外，該產品還符合汽車功能安全標準“ISO26262”、ASIL-D等的要求，適用于對可靠性要求高的應用。另外，利用內置的自有“實時調試功能”，在調試時的處理可以完全不影響應用程序的運行，因此能在應用產品工作的同時進行調試。 |
