Kneron Revela KL720 AI SoC, Aumentando Eficiência Energética de Dispositivos Edge
A startup de silício e IP de IA baseada em San Diego, Kneron, introduziu seu system-on-chip (SoC) de IA de segunda geração, o KL720. O novo dispositivo constrói sobre o IP de neural processing unit (NPU) existente da Kneron, adicionando um co-processador Cadence DSP AI e um core Arm Cortex-M4 para controle de sistema.
Projetado para aplicações edge low-power e smart-home — variando de video doorbells a robot vacuums — o KL720 também é adequado para um amplo espectro de dispositivos, de carros elétricos a eletrodomésticos de cozinha, de acordo com materiais de marketing da Kneron.
Em termos de eficiência energética, a Kneron afirma que o KL720 supera a linha Movidius da Intel e o Coral Edge TPU do Google. O core NPU entrega 1,4 TOPS, enquanto o SoC inteiro — incluindo DSP e Cortex-M4 — atinge 0,9 TOPS/W. Este nível de performance é mais que suficiente para processar vídeo 4K e imagery Full-HD 1080p. Para comparação, o predecessor KL520 (lançado em maio de 2019) entregou 0,3 TOPS a 0,6 TOPS/W.

KL720 AI SoC da Kneron apresenta o IP NPU da empresa junto a um co-processador DSP AI e um core Cortex-M4 de controle de sistema (Imagem: Kneron)
Diferente de seu predecessor, que focava exclusivamente em processamento de imagem, o KL720 também se destaca em tarefas de áudio. Com interfaces de voice-control tornando-se ubíquas, IA on-device oferece alternativas mais rápidas, baratas e preservadoras de privacidade ao processamento cloud-based. A Kneron afirma que o headroom computacional do KL720 pode reconhecer um dicionário completo de palavras — bem além de chips competidores que suportam apenas wake words específicas.
Desde pelo menos janeiro, a Kneron tem demonstrado o protótipo KL720 para potenciais clientes. Fundada em 2015, a empresa começou desenvolvendo modelos de IA para reconhecimento facial e desde então expandiu para silício de IA e licenciamento de NPU IP. O NPU do KL720 já foi integrado com sucesso com Cadence Tensilica Vision P6 DSP IP e Synopsys' ARC processor IP.
A versatilidade do NPU deriva de sua arquitetura reconfigurável. CEO Albert Liu explicou em entrevista prévia ao EE Times: "Quebramos frameworks de IA mainstream e modelos de convolutional neural network em blocos de construção básicos, reconfigurando-os para match a aplicação e framework. Isso deixa nossa solução adaptar e acelerar os modelos CNN relevantes."
"Por exemplo, ResNet para face recognition e LSTM para voice recognition compartilham blocos de construção comuns. Enquanto outros vendors podem precisar de soluções separadas, o engine reconfigurável da Kneron pode switch entre ResNet e LSTM em tempo real," Liu adicionou.

KL720 da Kneron pode lidar com processamento de vídeo e áudio (Imagem: Kneron)
Além do KL720, a Kneron introduziu Kneo — uma private mesh network para sensores AI-powered conectados. Kneo permite que dispositivos equipados com chips Kneron se comuniquem localmente, armazenando dados on-device e protegendo-os com blockchain. A solução capacita consumidores a manter seus dados longe de grandes provedores cloud e, se desejado, vendê-los em seus próprios termos.
Amostras do KL720 estarão disponíveis “em breve.”
>> Este artigo foi publicado originalmente em nosso site irmão, EE Times.
Integrado
- Edge AI Ganha Momentum: Líderes de Nuvem AWS e Microsoft Mostram Soluções Integradas de Inferência e Gerenciamento
- Mouser Estoca Microchip SAM R34 LoRa SiP: Solução Ultra-Low-Power para Dispositivos de Borda
- STMicroelectronics Lança STM32Cube.AI: Redes Neurais Embarcadas para Dispositivos Edge
- Blaize Revela Graph Streaming Processor (GSP) para Cargas de Trabalho de IA
- Drivers LED de Baixo Consumo Impulsionam Iluminação Automotiva de Próxima Geração
- ImeC Introduz Primeiro Chip Radar Spiking Neural Network: Corta Potência 100x e Latência 10x
- SFM3019: Sensor de Fluxo de Precisão para Dispositivos Respiratórios Avançados
- Edge Cloud Computing: A Espinha Dorsal Essencial para o Crescimento Rápido da IoT
- Dispositivos de Proteção contra Queda Auto-Retráteis: Soluções Essenciais para Trabalho em Altura
- 5 Perguntas-Chave para Avaliar Antes de Adotar Edge Computing