<track id="7w9q1"></track>
<tt id="7w9q1"><noscript id="7w9q1"><sup id="7w9q1"></sup></noscript></tt>
<ruby id="7w9q1"><meter id="7w9q1"></meter></ruby>

<strong id="7w9q1"><tbody id="7w9q1"><label id="7w9q1"></label></tbody></strong>
      1. <cite id="7w9q1"><address id="7w9q1"></address></cite>
        <rp id="7w9q1"></rp>

        <source id="7w9q1"><meter id="7w9q1"><em id="7w9q1"></em></meter></source>
        <s id="7w9q1"><div id="7w9q1"><font id="7w9q1"></font></div></s>
        <rp id="7w9q1"><menuitem id="7w9q1"><em id="7w9q1"></em></menuitem></rp>
      2. 新聞稿 Silicon Labs通過Matter-Ready平臺實現人工智能和機器學習在邊緣設備上的應用

        2022-02-07 09:06:00 來源:Silicon Labs
        中國,北京-2022年1月25日-致力于以安全、智能無線技術建立更互聯世界的全球領導者Silicon Labs(亦稱“芯科科技”,NASDAQ:SLAB)今日宣布推出BG24和MG24系列2.4 GHz無線SoC,分別支持藍牙和多協議操作,同時也推出新的軟件工具包。這個新平臺同時優化硬件和軟件,有助于在電池供電的邊緣設備實現AI/ML應用和高性能無線功能。Matter-Ready的超低功耗BG24和MG24系列產品支持多種無線協議,并提供PSA 3級Secure Vault™安全保護,是各種智能家居、醫療和工業應用的理想選擇。今天宣布推出的物聯網SoC和軟件解決方案包括以下產品:
         
        •     兩款全新系列2.4 GHz無線SoC:擁有業界率先集成的AI/ML加速器,支持Matter、Zigbee、OpenThread、低功耗藍牙、藍牙網狀網絡、專有和多協議操作、高級別的行業安全認證、超低功耗以及Silicon Labs產品組合中最大的內存和閃存容量。
        •     全新軟件工具包:旨在讓開發人員通過一些常用的工具套件(如TensorFlow),來快速構建及部署人工智能和機器學習算法。
         
        Silicon Labs首席執行官Matt Johnson表示:“BG24和MG24無線SoC代表業界所需功能的絕佳組合,包括廣泛的無線多協議支持、電池壽命、機器學習和物聯網邊緣應用的安全性。”
         
        率先集成AI/ML加速器帶來性能和能效的提升
         
        物聯網產品設計人員深知人工智能和機器學習的巨大潛力,可為家庭安全系統、可穿戴醫療監測器、商業設施和工業設備監控傳感器等邊緣應用帶來更多的智能化。但是,當下想要在邊緣設備上考慮部署人工智能或機器學習的人員往往在性能和功耗上面臨困境,最終得不償失。
         
        作為率先擁有內置專用AI/ML加速器的超低功耗器件,BG24和MG24產品使這些困境迎刃而解。這種專用硬件旨在快速高效地處理復雜計算,內部測試顯示其性能提升最高達4倍,能效提升最多達6倍。由于機器學習計算是在本地設備上而不是在云端進行的,因此消除了網絡延遲,加快了決策和行動。
         
        BG24和MG24系列還具有Silicon Labs產品組合中最大的閃存和隨機存取存儲器(RAM)容量。這意味著該器件可以支持多協議、Matter以及針對大型數據集訓練ML算法。PSA 3級認證的Secure VaultTM是物聯網設備的高級別安全認證,可為門鎖、醫療設備和其他需小心部署的產品提供所需的安全性,對這類產品而言,強化設備免受外部威脅至關重要。
         
        要了解有關BG24和MG24 SoC功能的更多信息,并觀看如何入門的演示,請在此處注冊Tech Talk “開箱新的BG24和MG24 SoC”:https://www.silabs.com/tech-talks
         
        AI/ML軟件和支持Matter幫助設計人員構建創新應用
         
        除了原本就支持的TensorFlow,Silicon Labs還與一些領先的AI和ML工具提供商(如SensiML和Edge Impulse等)合作,以確保開發人員獲得端對端工具鏈,簡化機器學習模型的開發,并優化無線應用的嵌入式部署。將新的AI/ML工具鏈與Silicon Labs的Simplicity Studio以及BG24和MG24系列的SoC結合使用,開發人員可從使用Matter相互通信的各種連接設備中汲取信息,然后做出智能的機器學習驅動決策。
         
        例如,在商業辦公樓中,很多燈具是由運動檢測器(motion detector)控制的,這些檢測器通過監控是否有人在現場活動以判斷應該開燈還是關燈。然而當人員在辦公桌前打字時,只有手和手指動作,單憑運動傳感器無法識別人員是否在場,這時工作人員可能就會處于黑暗之中。通過Matter應用層將音頻傳感器與運動檢測器連接起來,這個額外的音頻數據(例如打字聲)就可以輸入到機器學習算法中,從而使照明系統更智能地決定是開燈還是關燈。
         
        邊緣ML計算支持其他智能工業和家庭應用,包括用于異常檢測的傳感器數據處理、預測性維護、用于改進玻璃破碎檢測的音頻模式識別、簡單命令詞識別以及視覺應用,如使用低分辨率相機進行在場檢測或人數統計。
         
         
        初期(Alpha)項目凸顯多樣化的部署選項
         
        代表不同行業和應用的40多家公司已經在非公開的初期項目中,開始開發和測試新的平臺解決方案。吸引這些公司的,正是BG24和MG24平臺的超低功耗和高級功能,如AI/ML功能和支持Matter。全球零售商正在尋求通過更準確的資產跟蹤、實時價格更新和其他方面來改善店內購物體驗。商業辦公樓管理部門的工作人員正在探索如何使建筑系統(包括照明和暖通空調)更加智能,以降低業主成本并減少環境影響??傊?,消費者和智能家居解決方案提供商都在努力簡化各種設備的連接并擴展其交互方式,從而為消費者帶來創新的功能和服務。
         
        Silicon Labs強大的SoC系列產品
         
        BG24和MG24 SoC結合了運行速率為78 MHz的ARM Cortex-M33處理器、高性能2.4 GHz射頻、行業領先的20位ADC、優化的閃存(最大1536 kB)和RAM(最大256 kB)組合,以及AI/ML硬件加速器(用于在卸載ARM Cortex-M33工作量時處理機器學習算法),因此應用程序可以有更多的時鐘周期來完成其他工作。這些SoC支持廣泛的2.4 GHz無線物聯網協議,且具有市場上難得的安全性和極優良的射頻性能/能效比。
         
        供貨情況
        采用5mmx5mm QFN40和6mmx6mm QFN48封裝的EFR32BG24和EFR32MG24 SoC現已向初期客戶發貨,并將于2022年4月進行批量供應。多種評估板已可供設計人員開發應用程序?;贐G24和MG24 SoC的模塊將在2022年下半年供貨。
         
        了解更多BG24新系列,請訪問http://silabs.com/bg24
        了解更多MG24新系列,請訪問http://silabs.com/mg24
        了解Silicon Labs如何支持AI 和ML,請訪問http://silabs.com/ai-ml
         
        # # #
        關于Silicon Labs
        Silicon Labs(亦稱“芯科科技”,NASDAQ:SLAB)是致力于以安全、智能無線技術建立更互聯世界的全球領導者。我們集成化的硬件和軟件平臺、直觀的開發工具、無與倫比的生態系統和強大的支持能力,使我們成為構建先進工業、商業、家庭和生活應用的理想長期合作伙伴。我們可以幫助開發人員輕松解決整個產品生命周期中復雜的無線挑戰,并快速向市場推出創新的解決方案,從而改變行業、發展經濟和改善生活。更多信息請瀏覽網站:silabs.com和cn.silabs.com
        。

        1. EETOP 官方微信

        2. 創芯大講堂 在線教育

        3. 創芯老字號 半導體快訊

        相關文章

        全部評論

        @2003-2022 EETOP

        京ICP備10050787號   京公網安備:11010502037710

        久久精品中文字幕一区

        <track id="7w9q1"></track>
        <tt id="7w9q1"><noscript id="7w9q1"><sup id="7w9q1"></sup></noscript></tt>
        <ruby id="7w9q1"><meter id="7w9q1"></meter></ruby>

        <strong id="7w9q1"><tbody id="7w9q1"><label id="7w9q1"></label></tbody></strong>
          1. <cite id="7w9q1"><address id="7w9q1"></address></cite>
            <rp id="7w9q1"></rp>

            <source id="7w9q1"><meter id="7w9q1"><em id="7w9q1"></em></meter></source>
            <s id="7w9q1"><div id="7w9q1"><font id="7w9q1"></font></div></s>
            <rp id="7w9q1"><menuitem id="7w9q1"><em id="7w9q1"></em></menuitem></rp>