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
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。