ROHM开发出数十毫瓦超低功耗的设备端学习 AI芯片， 无需云服务器、在设备端即可实时预测故障

*设备端（On-device）学习： 在同一AI芯片上进行学习和训练

全球知名半导体制造商ROHM（总部位于日本京都市）开发出一款设备端学习*AI芯片（配备设备端学习AI加速器的SoC），该产品利用 AI（人工智能）技术，能以超低功耗实时预测内置电机和传感器等的电子设备的故障（故障迹象检测），非常适用于IoT领域的边缘计算设备和端点*1。


      
通常，AI芯片要实现其功能，需要进行设置判断标准的“训练”，以及通过学到的信息来判断如何处理的“推理”。在这种情况下，“训练”需要汇集庞大的数据量形成数据库并随时更新，因此进行训练的AI芯片需要具备很高的运算能力，而其功耗也会随之增加。正因如此，面向云计算设备开发的高性能、昂贵的AI芯片层出不穷，而适用于边缘计算设备和端点（更有效地构建物联网社会的关键）的低功耗、可在设备端学习的AI芯片开发却困难重重。
此次开发出的AI芯片，是ROHM在基于日本庆应义塾大学松谷教授开发的“设备端学习算法”，面向商业化开发的AI加速器*2（AI专用硬件计算电路）和ROHM8位高效CPU“tinyMicon MatisseCORE™（以下简称“Matisse”）”构成。通过将2万门超小型AI加速器与高效CPU相结合，能以仅几十mW（仅为以往AI训练芯片的1/1000）的超低功耗实现训练和推理。利用本产品，无需连接云服务器，就可以在设备终端将未知的输入数据和模式形成“不同于以往”的数值并输出，因此可在众多应用中实现实时故障预测。

未来，ROHM计划将该AI芯片的AI加速器应用在IC产品中，以实现电机和传感器的故障预测。计划于2023年度推出产品，于2024年度投入量产。
 
日本庆应义塾大学 理工学部信息工学科 松谷 宏纪 教授表示：“随着5G通信和数字孪生*3等物联网技术的发展，对云计算的要求也越来越高，而在云服务器上处理所有数据，从负载、成本和功耗方面看并不现实。我们研究的‘设备端学习’和开发的‘设备端学习算法’，是为了提高边缘端的数据处理效率，创建更好的物联网社会。这次，我校通过与ROHM公司进行联合研究，进一步改进了设备端学习电路技术，并有望以高性价比的方式推出产品。我们预计在不久的将来，这种原型AI芯片将会成功嵌入ROHM的IC产品中，为实现更高效的物联网社会做出贡献。”