ROHM推出數十毫瓦等級超低功耗On Device學習AI晶片

ROHM AI晶片開發概念。ROHM

半導體製造商ROHM(總公司：日本京都市)推出一款On Device學習AI晶片(配備On Device學習AI加速器的SoC)，該產品利用AI(人工智慧)技術，能以超低功耗即時預測內建馬達和感測器等電子裝置故障(故障跡象檢測)，非常適用於IoT領域的邊緣運算裝置和端點。

一般而言，AI晶片要能徹底發揮功能，需要進行判斷標準設定的「學習」，以及透過學到的資訊判斷如何處理的「推論」。因此，「學習」需要彙集龐大的資料，組成資料程式庫並隨時進行更新，導致進行學習的AI晶片需要具備很高的運算能力，並且功耗也會隨之增加。正因如此，針對雲端運算裝置研發的高效能、昂貴的AI晶片不斷推出，而適用於邊緣計算裝置和端點(更有效地構建物聯網社會的關鍵)的低功耗、可進行On Device學習的AI晶片的研發卻困難重重。

此次研發出的AI晶片，是ROHM基於日本慶應義塾大學松谷教授所研發的「On Device學習演算法」，針對商業化的AI加速器(AI專用硬體計算電路)和ROHM 8位元高效CPU「tinyMicon MatisseCORE(Matisse)」所構成。透過結合2萬Gate超小型AI加速器與高效CPU，便能以僅數十毫瓦(僅為傳統AI學習晶片的1／1000)的超低功耗進行學習和推論。使用本產品，無需連接雲端伺服器，就可以在裝置現場將未知輸入資料中的「與平常的相異」加以數字化後輸出，因此可在眾多應用中達到即時故障預測。

今後ROHM計劃將該AI晶片的AI加速器應用在IC產品中，以實現馬達和感測器的故障預測。並計劃於2023年度推出產品，於2024年度投入量產。

日本慶應義塾大學 理工學部資訊工學科松谷宏紀教授表示

隨著5G通訊和Digital Twin等物聯網技術的發展，對雲端運算的要求也愈來愈高，然而，在雲端伺服器上處理所有資料，從負載、成本和功耗方面看並不具現實性。我們所研究的「On Device學習」和開發中的「On Device學習演算法」，是為了提高邊緣端的資料處理效率，打造出更好的物聯網社會。本次，我們與ROHM進行聯合研究，進一步改善了On Device學習電路技術，並有望以高CP值的型態推出產品。我們預計在不久的將來，這種原型AI晶片將會成功嵌入ROHM的IC產品中，有助實現更高效的物聯網社會。

關於tinyMicon MatisseCORE

tinyMicon MatisseCORE(Micro arithmetic unit for tiny size sequencer；Matisse)是ROHM自主研發的8位元微處理器(CPU)，該產品可隨著物聯網技術的發展來提高類比IC的智慧化程度。憑藉針對嵌入式應用而進行最佳化的指令集和最新的編譯器技術，以高標準實現了更小的晶片面積和程式碼、以及更高速的運算處理能力。此外，該產品還符合汽車功能安全標準「ISO 26262」、ASIL-D等，適用於對可靠性要求高的應用。另外，利用內建的自有「即時除錯」功能，在除錯時的處理可以完全不影響應用程式的運行，因此能在應用產品工作的同時進行除錯。

AI晶片(配備裝置端學習AI加速器的SoC)詳細介紹

本次研發出的裝置端學習AI晶片原型(產品型號：BD15035)在人工智慧技術的基礎上，採用了慶應義塾大學松谷教授研發的「On Device學習演算法(三層神經網路的AI電路)」。為了推出符合市場需求的產品，ROHM將該AI電路的大小從500萬Gate縮小為2萬Gate，僅為原來的0.4%，並將其重新構建為自有的AI加速器「AxlCORE-ODL」，同時利用ROHM的8位元高效微處理器「tinyMicon MatisseCORE」進行AI加速器的運算控制，實現僅數十毫瓦的超低功耗AI學習和推論。

利用該產品，無需連接雲端伺服器或事先進行AI學習，就可以在裝置現場將未知的輸入資料和模式(例如加速度、電流、照度、聲音等)轉成「與平常的相異(出現異常)」的數值並加以輸出，因此不僅可以降低雲端伺服器和通訊成本，還能透過現場AI進行即時故障預測(故障跡象檢測)。

另外，ROHM還提供可安裝微控制器研發板「Arduino」用擴展板(配備Arduino相容引腳)的評估板，方便客戶針對本AI晶片進行評估。評估板上裝有無線通訊模組(Wi-Fi和Bluetooth)以及64kbit EEPROM(記憶體)，只需將該評估板與感測器等相連接，將感測器裝在監控物件上，即可在螢幕上確認AI晶片的效果。如需該評估板的相關資訊，可洽ROHM營業部門。