作者: Arm 物联网事业部物联网参考设计平台产品总监 Diya Soubra
随着语音、音频和视觉功能融合到物联网 (IoT) 中,联网设备与其周围环境交互、解读和感知的方式发生了彻底的变化。未来的物联网市场蕴含巨大机遇,特别是在视觉领域。在未来的十年里,数以百万计的先进摄像头将被部署到工厂、仓库、城市、办公室和商店等各类场所,从而推动了物联网用例前所未见的规模,呈指数级增长。这些用例涵盖安保、人员和环境监测、能源、设施和库存管理、访问控制、安全和用户界面,并且根据位置的不同,每个用例所需要的部署和管理水平各异。
Arm Corstone-320
Arm® Corstone™-320 是Arm新推出的全新物联网参考设计平台,助力我们的生态伙伴掌握物联网市场激动人心的新机遇。该平台结合了领先的嵌入式 IP、软件、工具和支持,其中包含了Arm虚拟硬件 (Arm Virtual Hardware)。该平台不仅能加快语音、音频和视觉系统的部署,还能够降低系统级芯片 (SoC) 设计人员和软件开发者所面临的复杂性。
除了降低复杂性和加快产品上市进程,Corstone-320 还带来了以下优势:
Corstone-320 硬件
在硬件方面,物联网参考设计平台 Corstone-320 集成了以下前沿的 Arm IP:
Cortex-M85 搭载 Arm Helium™ 技术,也是性能最高的Cortex-M 处理器。尤其是视觉应用的理想之选。其优势包括:
对于采用 Cortex-M 的应用而言,若想显著提升性能和强化安全性,升级到 Cortex-M85 是一条顺理成章的路径。除了 Arm TrustZone® 技术,该处理器还集成了指针验证和分支目标识别 (PACBTI) 安全技术,可抵御返回导向编程 (ROP) 和跳转导向编程 (JOP) 的安全漏洞攻击。
Ethos-U85 是 Arm 的第三代 NPU。与上一代产品相比,其性能提升四倍,能效提高 20%。该 NPU在物联网应用中具有可扩展性 ,支持 128 至 2048 个 MAC 单元的配置,可在1GHz时提供高达4 TOPs的机器学习(ML)加速。用于 AI 推理时,Ethos-U85 还支持 Transformer 架构和卷积神经网络 (CNN)。
Mali-C55绝佳地集成了高分辨率图像处理能力(可支持 4800 万像素的图像分辨率)、能效、可配置性及无与伦比的图像质量,适用于广泛的物联网视觉应用。同时,高度可配置的直接内存访问控制器 DMA-350,可实现高效的数据移动,从而提高系统性能和能效,并支持 Arm TrustZone技术。
Corstone-320 套件还涵盖了技术参考手册、配置和渲染脚本,以及验证报告。这意味着 ASIC 开发者能够根据特定细分市场的要求构建 SoC,或在开始定制设计前,使用此套件来探索 Arm 的计算设计概念。
Corstone-320 软件
Corstone-320 软件套件包括固件、所有 IP 的驱动程序、中间件、实时操作系统 (RTOS) 和云集成、ML 模型和参考应用程序。这意味着软件开发者能够轻松选择其特定细分市场所需的组件,并使用所选开发工具为该设备构建物联网堆栈。开源应用程序演示了关键词识别、语音识别和目标识别用例。与此同时,Corstone-320 中包含的原型平台能使软件开发与 SoC 设计并行启动。
软件中还包含了固定虚拟平台 (FVP),用于对构成完整 FPGA 系统的外设进行建模。通过使用 FVP,软件开发者无需硬件即可开始开发应用,从而加快开发速度。
Arm 拥有全球最大规模的 AI 合作伙伴生态系统,这些合作伙伴提供 ML 模型和软件,满足多样化的物联网设备需求,覆盖了从嵌入式系统的低功耗传感器到未来环境体验的高性能物联网应用。
解锁物联网的创新机遇
语音、音频和视觉与物联网设备的持续集成带来了巨大的创新机遇。通过赋能这些设备以更加复杂的方式与其周围环境交互、解读和感知,从前难以想象的广泛新应用和功能正逐步被发掘。而这将推动物联网设备和技术实现重大的创新与变革。
Corstone-320 正处于这个变革的前沿,为物联网市场提供低成本、低功耗、高性能的智能参考设计平台。通过集成式软件与硬件相结合,该平台将在各个用例和场景中显著加快产品上市进程,并降低 SoC 设计与软件开发的复杂性。这将有助于生态系统以前所未有的速度扩展物联网应用。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。