部位于圣地亞哥和臺灣的AI芯片和IP初創公司Kneron推出了AI SoC，該芯片具有該公司神經處理單元（NPU）IP的更新版本。KL720還具有Cadence DSP AI協處理器和用于系統控制的Arm Cortex M4內核。該公司表示，雖然Kneron的下一代AI SoC面向低功率邊緣和智能家居設備，例如視頻門鈴和機器人吸塵器，但KL720“可用于從特斯拉到烤面包機的所有產品”。

Kneron聲稱，第二代芯片在能源效率方面優于英特爾的Movidius系列和Google的Coral Edge TPU。KL720的NPU模塊可以執行1.4 TOPS，而整個SoC（包括附加的DSP和Cortex M4內核）的速度為0.9 TOPS / W。這足以處理高達全高清1080p分辨率的4K分辨率圖像和視頻。與Kneron的上一代芯片KL520于2019年5月發布相比，該芯片可在0.6 TOPS / W的條件下達到0.3 TOPS。

上一代芯片僅用于圖像處理，而Kneron的下一代AI SoC也非常適合音頻處理。隨著語音控制接口的日益普及，對邊緣設備內部的AI處理的需求不斷增加，因為它比云中的處理更快，更便宜，并且可以維護用戶隱私。Kneron說，KL720具有足夠的處理能力來識別“整個詞典中的單詞”，遠遠超出了只能識別特定喚醒單詞的競爭芯片。

至少從一月份開始， Kneron就一直在向客戶展示KL720的原型。該公司成立于2015年，開始為包括面部識別在內的用例開發AI模型。除AI芯片外，該公司還為其NPU IP授予許可。KL720中的NPU版本已經成功與Cadence Tensilica Vision P6 DSP IP和Synopsys的ARC處理器IP集成在一起。

NPU可以同時處理圖像和音頻的關鍵是其可重新配置的設計。

Kneron首席執行官Albert Liu 在之前的一次采訪中對EE Times表示，“我們將主流的AI框架和卷積神經網絡模型分解為基本的構建塊，并根據所需的應用程序和所使用的AI框架對其進行重新配置，以便我們的解決方案能夠適應和加速相關的CNN模型。”

Liu說，“例如，ResNet（用于面部識別）和LSTN（用于語音識別），盡管其中一個是音頻，而另一個是視覺的，卻具有共同的構建基塊，”“盡管其他解決方案提供商可能需要使用獨立的解決方案來支持它們，但Kneron的解決方案在我們可重新配置的AI引擎中重新配置了通用的構建基塊，因此我們可以基于AI應用程序實時支持ResNet和LSTM等不同模型。”

Kneron最近還宣布了Kneo，這是公司的專用網狀網絡，用于連接AI供電的傳感器。Kneo旨在允許消費者的設備（至少包括Kneron芯片的設備）一起工作，而無需將任何數據發送到云。數據而是存儲在本地，受區塊鏈保護。該公司表示，Kneo還將允許消費者將其數據遠離“大技術”，甚至根據需要出售自己的數據。
責任編輯：tzh