莱迪思博客

人工智能和机器学习革命持续席卷多个应用领域，尤其是网络边缘应用。安全摄像头、机器人、工业设备、客户端PC甚至玩具等网络边缘设备现在都可以支持AI/ML功能，为用户带来了新的功能和体验。行业分析公司ABI Research表示，网络边缘AI 芯片组市场“过去经历了强劲增长，预计到2024年将继续增长至710亿美元规模，而2019年至2024年的复合年增长率高达31%。如此强劲的增长是因为AI推理工作负载由云端向网络边缘迁移，尤其是在智能手机、智能家居、汽车、可穿戴设备和机器人行业。” 然而，让客户端计算设备具备“智能”给产品设计带来了新的挑战。AI/ML作为一项新兴技术，许多OEM没有足够的团队经验或时间来从头开始设计解决方案。另一方面，用于训练客户端计算设备的算法正快速发展，因此开发人员也在寻找可现场升级的AI/ML解决方案。但对于许多网络边缘AI/ML应用的开发人员来说，最关键的问题在于如何在使用电池供电的设备中提供足够的处理性能来实现AI/ML功能？ 为了解决这些问题，应用开发人员和OEM需要使用灵活的硬件和软件解决方案，实现低功耗下...

近几十年来系统设计的处理器拓扑结构不断演化，从集中式架构转变为分布式架构，而后又回归集中式，如此反复，旨在寻找最为理想的解决方案。