BrainChip推出基于AKD1000 SNN AI SoC的树莓派和x86开发套件

原文链接:BrainChip AKD1000 SNN AI SoC gets Raspberry Pi and x86 development kits 由Jean-Luc Aufranc撰写。
本文共计1455字,预计阅读4分钟

备注:脉冲神经网络Spiking Neuron Networks,简称SNN。经常被誉为第三代人工神经网络。其模拟神经元更加接近实际,除此之外,它把时间信息的影响也考虑其中。

BrainChip是一家提供边缘人工智能应用的全球技术公司,其总部位于美国。最近,他们BrainChip 为基于树莓派的Akida AKD1000神经拟态处理器和英特尔 (x86) 迷你 PC 推出了两个开发套件。这两个开发套件的主要目的是为了方便其合作伙伴、大型企业和设备制造商能够测试和验证Akida芯片。

实际上,BrainChip 的 Akida 神经主要依赖于SNN(脉冲神经网络),它能够以超低功耗实现高性能、实时推理。与依赖CNN(卷积神经网络)技术的传统 AI 芯片相比,Akida 神经的功耗明显要降低很多。

基于树莓派CM4的Akida开发套件

树莓派Akira开发套件
树莓派Akira开发套件

规格:

  • SoM – 树莓派CM4或CM4Lite
    • SoC:博通BCM2711C0四核ARM Cortex-A72 (ARMv8-A) 64位、1.5GHz,附带博通VideoCore VI GPU
    • RAM – 1GB、2GB、4GB或8GB LPDDR4 SDRAM
    • 存储 – 用于CM4 Lite的MicroSD卡,或用于CM4的2GB至 32GB eMMC
    • 网络 – 可选 2.4 GHz和5 GHz 802.11b/g/n/ac Wi-Fi、蓝牙5.0 LE、千兆以太网PHY
  • 载板 – 树莓派计算模块4 IO板,配有PCIe插槽、2个DSI、2个CSI、2个HDMI
  • AI加速器– 迷你PCIe卡,搭载Brainchip Akida AKD1000 AI芯片
  • 尺寸 – 20.06 x 10.5 x 3.7cm
搭载AI加速卡的树莓派模块
搭载AI加速卡的树莓派模块

BrainChip的这个树莓派Akira开发套件由现成的部件树莓派CM4 +载板组成,并安装在一个配有该公司Akida人工智能加速器卡的外壳中。

基于Shuttle PC的Akida开发套件

基于Shuttle-PC的Brainchip Akira开发套件
基于Shuttle-PC的Brainchip Akira开发套件
  • SoC 支持 – LGA1200插槽适用于第10代英特尔酷睿i9/i7/i5/i3、奔腾Gold和赛扬“Comet Lake-S”处理器,TDP最大65W,热管冷却系统包括带两个风扇
  • 系统内存 – 2个260-引脚SO-DIMM插槽、适用于DDR4-2933 /2666,RAM最大2个32 GB
  • 存储
    • 1个2.5英寸SATA硬盘或最大9.5mm的SSD托架
    • 1个M.2-2280M插槽(支持PCIe x4 NVMe或SATA)
  • 视频输出 – HDMI 2.0a、VGA
  • 音频 – 2个3.5mm音频插孔用于线路输出和麦克风
  • 连网
    • 千兆以太网RJ45端口
    • 1个M.2-2230AE用于可选的WLAN卡
  • USB – 4个USB 3.2 Gen1、4个USB 2.0、1个USB 2.0 内置U盘
  • 串口– 可选RS232 COM端口
  • 扩展 –1个PCI Express X16 v3.0 插槽
  • AI加速器– 迷你PCIe卡,搭载Brainchip Akida AKD1000 AI芯片
  • 电源 – 外部180 W/19.5 V电源适配器
  • 尺寸 – 25 x 20 x 7.85cm
  • 适用Windows 10和Linux系统(64位)
搭载AI加速器卡的Brainchip Akira Shuttle-PC开发套件
搭载AI加速器卡的Brainchip Akira Shuttle-PC开发套件

该开发套件基本上就是一台搭载Braindchip AkidaAI加速器卡的Shuttle XH410G迷你PC。

BrainChip AKD1000 NSoC和软件支持

Brainchip神经形态处理器
Brainchip神经形态处理器

该神经形态SoC(简写为“NSoC”)利用Akida神经元结构可模拟120万个神经元和100亿个突触,并提供了以下主要功能和接口:

  • M 级SPU,配有FPU和DSP
  • 内存接口 – LPDDR4
  • 存储 – SPI 闪存,用于启动/存储
  • Akira Neuro Fabric – 80个NPU,具有8MB SRAM的数字逻辑
  • 数据输入接口
    • 2个PCIe 2.1
    • USB 3.0
    • I3C、I2C、UART、JTAG
  • 数据处理——像素事件转换器;SW数据事件编码器;多变量数字数据;声音、压力、温度等数据处理
  • 通过额外的 PCIe 2.1 2 通道根复合体实现多芯片扩展,最多可连接 64个“菊花链”设备
  • 制程 – 28nm台积电

以上,我列出的开发套件包括Meta TF软件开发环境、用户指南和 Akida模型示例。

在接受EETimes采访时,BrainChip 联合创始人兼首席开发官Anil Mankar解释说,熟悉TensorFlow或Keras API的人可以将他们现有的应用程序、网络、数据集,经过量化感知训练后在Akida硬件上运行,并自行测量功率。因此,就无需确切了解SNN的工作原理了。

Brainchip Akida芯片的运行效率

对象分类推理所需的MAC操作如上图所示深蓝色是非事件域中的 CNN,浅蓝色是事件域中的 Akida,绿色是进一步活动正则化的事件域。

资料来源: EETimes期刊BrainChip提供

他们将该解决方案与CNN进行比较的方式很有趣,他们报告的是每次推理所需的MAC操作次数,而不是直接的mW值。而且EETimes的文章还提供了另外一组功耗数据:

在 Akida开发板上运行的关键字识别模型在 4位量化后每次推算能耗低至 37 µJ(或每瓦每秒27,336次推)。预测准确率为91.3%,芯片速度减慢至5 MHz以达到到的性能。

可用性和价格

其实,基于SNN的神经形态芯片现在仍然是一种新兴技术,从开发套件的价格中我们也能看出这一点。这个树莓派开发套件的售价4,995美元,Shuttle PC套件的售价则高达9,995 美元。其他更多详细信息,你们可以在BrainChip上找到。另外,现在也有一些其他致力于 SNN AI芯片开发的公司,比如像Innatera和Prophesee

分享这篇文章
订阅评论
提醒
0 评论
最旧
最新 最多投票
内联反馈
查看所有评论