SamurAI: низкоэнергетический AI чип устанавливает новый бенчмарк распознавания образов в IoT

На VLSI Symposium 2020 французские исследовательские институты CEA‑Leti и LIST представили SamurAI — компактный AI ускоритель, переопределяющий энергоэффективность для image‑recognition нагрузок в Интернете вещей.

SamurAI интегрирует низкоэнергетический IoT узел и выделенный AI ускоритель, достигая невиданного 15 000× снижения peak‑to‑idle потребления мощности при выдаче до 1.3 тера‑операций в секунду на ватт (TOPS/Вт) или 36 GOPS для ML‑задач.

В реальном прототипе occupancy‑detection чип питает систему, включающую PIR сенсор, 224×224 пиксель b/w камеру, FeRAM и низкоэнергетический радио. Система в среднем потребляла 105 мкВт в день, из них SamurAI — 26% бюджета.

Обзор системы SamurAI

SamurAI построен вокруг двух он‑чип подсистем:

• Бестактовый, event‑driven wake‑up контроллер, способный запустить систему за 207 нс.
• On‑demand подсистема, содержащая RISC‑V CPU с deep‑sleep режимом, PNeuro AI ускоритель и криптографические ускорители.

Эта dual‑subsystem архитектура дает peak‑to‑idle мощность 15 000×. В idle режиме чип потребляет всего 6.4 мкВт; когда CPU и AI ускоритель активны — 96 мВт.

Спроектирован в STMicro 28 нм fully‑depleted silicon‑on‑insulator (FD‑SOI) процессе, 4.5 мм² кристалл содержит шесть переключаемых доменов питания и работает без body biasing.

PNeuro AI ускоритель

Ускоритель PNeuro — single‑instruction multiple‑data (SIMD) программируемый движок. Состоит из двух кластеров по 32 × 8‑бит processing elements с 264 КБ multi‑banked SRAM. Блок выполняет 64 MAC за цикл.

Ключевые цифры:

• 1.3 TOPS/Вт при 2.8 GOPS на 0.48 В питании.
• 36 GOPS для 8‑битных fully‑connected нейросетевых слоев на 0.9 В.

Развертывание PNeuro разрезает общее системное потребление пополам относительно выполнения ML‑нагрузок на RISC‑V ядре.

Спроектирован для IoT сценариев, требующих спорадических вычислительных всплесков между долгими снами, SamurAI позволяет on‑device AI обработку. Это устраняет облачную зависимость, снижает латентность и сохраняет приватность, делая идеальным для приложений вроде детекции людей или идентификации сцен камерами или другими сенсорами.

>> Эта статья изначально опубликована на нашем партнерском сайте EE Times Europe.