Cooper™ 开发者平台为工业应用、AIoT、智能视频分析和前端 AI 计算应用提供高能效解决方案。
美国加利福尼亚州圣克拉拉市,2024年1月10日—
Ambarella(下称“安霸”,专注 AI 视觉感知的半导体公司,纳斯达克股票代码:AMBA)在 2024 国际消费电子展(CES)期间,发布了业界领先的 Cooper™ 开发者平台。Cooper 集成了软件、硬件、以及先进的优化 AI 模型,为安霸全系列 AI 芯片产品组合提供支持。Cooper 为客户提供高度灵活、模块化和预训练的软硬件开发工具:Cooper Metal 硬件平台(AI SoC 和底层硬件开发板集合解决方案)和 Cooper Foundry 软件平台(涵盖 Cooper Core 核心组件、Cooper Foundation AI 应用组件、Cooper Vision 视觉感知组件和 Cooper UX 应用交互组件,提供多层软件解决方案),让开发者快速上手。
Cooper Metal 是一套硬件参考板,包括高能效 AI SoC、模块化系统(SoM)和参考开发套件(预置 Cooper Foundry 对应的软件)。
Cooper Foundry软件解决方案
01 Cooper Core 核心组件
包含基于 Linux 的操作系统、编译器和 SDK。基于安霸现有的开发工具包,Cooper Core 针对广泛使用的开源软件工具,引入了开发框架,方便无缝集成。
02 Cooper FoundationAI 应用组件
包含一系列开源的、最先进的、已调优的预训练神经网络模型,称之为“Model Garden”,可用于快速的 AI 应用开发。
03 Cooper Vision 视觉感知组件
包含数据处理和融合的构建模块,这些数据来自于摄像头、毫米波雷达和激光雷达等多模态传感器。
04 Cooper UX 应用交互组件
提供基于 “荔枝”(Lychee)操作系统的用户界面,开发者将拥有极为友好的本地开发的使用体验。(“荔枝”系统,是安霸公司基于 Fedora 发行版,专为安霸 SoC 优化的桌面级带 GUI 加速的 Linux 系统。)
Cooper UX 通过 Cooper Home 统一了性能分析和调试工具,在目标 SoC 平台上直接对 AI 模型性能进行可视化的实时量化统计。此功能可进一步通过系列演示程序给用户说明,帮助 AI 开发和性能调优。
此外,基于 Cooper 开发者平台的统一工具包,客户可以使用不同的安霸 AI SoC 创建多芯片系统。
安霸总裁兼 CEO 王奉民表示:“开发人员基于最新 AI 技术开发产品时,会面临多种软件工具需要适配不同硬件平台的巨大挑战。我们全新的统一、功能强大且可扩展的 Cooper 开发者平台,支持安霸 CV 全系列芯片和参考平台,减少了硬件差异带来的困扰。Cooper 提供了直观而全面的工具,帮助设计人员专注于产品创新与研发,使软件重用变得更容易。Cooper 充分利用了我们 SoC 业界领先的性能功耗比,使安霸 AI SoC 更好地满足不同市场和应用领域的需求。”

许多开发人员已经掌握了使用开源软件工具和软件库的专业知识,如 TensorFlow、Docker、PyTorch、Yocto 和 ROS2 等。Cooper 开发者平台将这些成熟的行业标准工具集成在内,通过其包管理系统,方便开发人员轻松利用大量开源在线社区的成果,本地编译,一键安装,让前端 AI 应用开发及部署变得前所未有的简单。
在硬件方面, Cooper 开发者平台将不断扩充安霸的生态系统,增加硬件制造商来生产 PCIe 接口的 AI 加速卡和模块化核心系统(SoM),为 Cooper Metal 硬件平台添加更多新产品。为了帮助客户进一步缩短新产品的上市时间,安霸正在与越来越多的设计和制造服务供应商合作,包括 e-Con Systems、VVDN、Quanta 等,以上这些公司都参加了安霸在 CES 上的共同展示。
全新的 Cooper 开发者平台现已推出,在本周举行的 2024 国际消费电子展(CES)期间,安霸将向受邀客户进行演示。欲了解更多信息或参观展会期间的演示,请联系您的安霸代表或直接访问 www.ambarella.com/cooper。
好文章,需要你的鼓励
北京大学团队开发的DragMesh系统通过简单拖拽操作实现3D物体的物理真实交互。该系统采用分工合作架构,结合语义理解、几何预测和动画生成三个模块,在保证运动精度的同时将计算开销降至现有方法的五分之一。系统支持实时交互,无需重新训练即可处理新物体,为虚拟现实和游戏开发提供了高效解决方案。
AI硬件的竞争才刚刚开始,华硕Ascent GX10这样将专业级算力带入桌面级设备的尝试,或许正在改写个人AI开发的游戏规则。
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限,提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式,强调AI智能体应具备自主探索、社会学习和环境重塑能力,为政策制定、教育创新和社会治理提供前所未有的模拟工具。