边缘人工智能芯片制造商Ambiq Micro公司今日在拉斯维加斯举办的2026年国际消费电子展上发布了Atomiq,这是该公司首款集成专用神经处理单元的片上系统,专为加速网络边缘AI应用而设计。
Ambiq在去年声名鹊起,7月份进行的首次公开募股筹集了9600万美元资金。该公司最终售出的股票比预期多出100万股,首日交易股价上涨超过60%,凸显了投资者对其"边缘AI"芯片的巨大热情。
该公司的处理器专为智能手表、无人机和传感器等小型低功耗设备而设计。这些芯片能够在本地运行强大的生成式AI模型,无需将数据发送到云端进行处理。
Ambiq的处理器基于专有的亚阈值功耗优化技术(SPOT)架构,使其能耗比传统中央处理器低五倍,非常适合电池供电设备。其最大客户之一是三星电子,该公司使用Ambiq的处理器为Galaxy Watch设备提供动力。
在Atomiq产品中,Ambiq在此基础上推出了全球首款SPOT优化的神经处理单元,承诺带来额外的能效提升。神经处理单元是专门设计用于通过模仿人脑处理功能来加速AI任务的专用微处理器。它们针对并行处理和低精度运算进行了优化,与传统CPU和图形处理单元相比,在AI应用方面更加高效。
Atomiq基于Arm Holdings公司节能的Ethos-U85架构构建,并利用SPOT的频率缩放能力以更低电压运行,比以往消耗更少电力。通过Atomiq,该公司承诺在比竞争对手神经处理单元更低的功耗预算内提供卓越的AI性能水平。
Ambiq表示,Atomiq的技术进步可以帮助制造商扩展设备端AI智能,而不会影响电池续航或使设备运行时产生更多热量。这些芯片经过精心设计,在计算性能和功耗之间实现完美平衡,以支持边缘端的持续AI处理。Ambiq声称它每秒可执行多达2000亿次操作,足够快速地在电池供电设备上本地运行计算机视觉、多语言语音识别和感官模型等AI工作负载。
Ambiq表示,Atomiq神经处理单元非常适合智能安防摄像头、增强现实眼镜和具有高分辨率物体识别、先进实时跟踪功能和对话语音界面的可穿戴设备等平台。它们还可以用于需要在工厂车间执行高保真语义音频处理和数据分析的工业应用和机器人技术。开发者可以利用该公司的Helia AI平台及其AI开发套件或ADK以及模块化neuralSPOT SDK来为特定设备和应用定制处理器。
Ambiq创始人兼首席技术官Scott Hanson表示:"Atomiq产品系列代表了节能边缘AI的重大突破。通过将Atomiq系统架构与Arm Ethos-U85相结合,我们能够以行业领先的能效在边缘端支持明显更大的AI模型。"
该公司相信未来能够实现进一步的能效提升。在国际消费电子展上,公司公布了将其SPOT平台转向新的12纳米架构的路线图,该架构将能够支持边缘端更复杂的AI应用,包括医疗保健、消费电子产品和智能建筑等新用例。
Q&A
Q1:Atomiq芯片有什么特别之处?
A:Atomiq是全球首款基于SPOT优化技术的神经处理单元,比传统CPU能耗低五倍。它基于Arm的Ethos-U85架构,每秒可执行2000亿次操作,能在电池供电设备上本地运行AI模型,无需云端处理。
Q2:Atomiq芯片主要应用在哪些设备上?
A:Atomiq神经处理单元主要应用于智能手表、无人机、传感器、智能安防摄像头、增强现实眼镜和可穿戴设备等。还可用于工厂车间的工业应用和机器人技术,支持语音识别、计算机视觉和数据分析等功能。
Q3:Ambiq公司的SPOT技术有什么优势?
A:SPOT(亚阈值功耗优化技术)是Ambiq的专有架构,使处理器能耗比传统CPU低五倍,特别适合电池供电设备。该技术通过频率缩放在更低电压下运行,在保持高性能的同时大幅降低功耗和发热。
好文章,需要你的鼓励
人工智能和数据安全公司Cyera宣布完成4亿美元后期融资,估值达90亿美元。此轮F轮融资由贝莱德领投,距离上次融资仅6个月。随着95%的美国企业使用生成式AI,AI应用快速普及带来新的安全挑战。Cyera将数据安全态势管理、数据丢失防护和身份管理整合为单一平台,今年推出AI Guardian扩展AI安全功能。
上海AI实验室开发RePro训练方法,通过将AI推理过程类比为优化问题,教会AI避免过度思考。该方法通过评估推理步骤的进步幅度和稳定性,显著提升了模型在数学、科学和编程任务上的表现,准确率提升5-6个百分点,同时大幅减少无效推理,为高效AI系统发展提供新思路。
SAP在2026年全国零售联盟大展上发布了一系列新的人工智能功能,将规划、运营、履约和商务更紧密地集成到其零售软件组合中。这些更新旨在帮助零售商管理日益复杂的运营,应对客户参与向AI驱动发现和自动化决策的转变。新功能涵盖数据分析、商品销售、促销、客户参与和订单管理等领域,大部分功能计划在2026年上半年推出。
MIT团队开发的VLASH技术首次解决了机器人动作断续、反应迟缓的根本问题。通过"未来状态感知"让机器人边执行边思考,实现了最高2.03倍的速度提升和17.4倍的反应延迟改善,成功展示了机器人打乒乓球等高难度任务,为机器人在动态环境中的应用开辟了新可能性。