超级详细凯发天生赢家一触即发(中国)360百科

　　一方面✿★✿，他们与耶鲁大学合作基于 Gemma 研发的 Cell2Sentence-Scale 27B (C2S-Scale) 首次预测了一种新的潜在癌症疗法✿★✿，引发世界广泛关注✿★✿。另一方面✿★✿，他们又更新上线✿★✿，为用户带来了大幅提升的视频生成能力✿★✿，参阅报道《刚刚✿★✿，谷歌 Veo 3.1 迎来重大更新✿★✿，硬刚 Sora 2》✿★✿。

　　再一方面✿★✿，他们又推出了Coral NPU✿★✿，可用于构建在低功率设备上持续运行的 AI✿★✿。具体来说✿★✿，其可在可穿戴设备上运行小型 Transformer 模型和 LLM✿★✿，并可通过 IREE 和 TFLM 编译器支持 TensorFlow✿★✿、JAX 和 PyTorch✿★✿。

　　谷歌给 Coral NPU 的定位是「一个全栈✿★✿、开源的平台蜜芽188.mon.✿★✿，旨在解决性能✿★✿、碎片化和隐私这三大核心挑战✿★✿，而这些挑战限制了功能强大✿★✿、始终在线的 AI 技术在低功耗边缘设备和可穿戴设备上的应用✿★✿。」

　　也就是说✿★✿，使用 Coral NPU✿★✿，未来我们有望打造出能在智能手表等设备上本地持续运行的好用 AI✿★✿，让智能直接嵌入到用户的个人环境中✿★✿。

　　性能差距✿★✿：复杂且先进的机器学习模型需要更多的计算资源✿★✿，这远超边缘设备有限的功率✿★✿、散热和内存预算✿★✿。碎片化成本✿★✿：为多样化的专有处理器编译和优化机器学习模型既困难又昂贵✿★✿，这阻碍了跨设备实现一致的性能天生赢家 一触即发✿★✿，✿★✿。用户信任缺失✿★✿：要想真正发挥作用✿★✿，个人 AI 必须优先保障个人数据和情境的隐私与安全✿★✿。

　　而谷歌今天推出的 Coral NPU 基于其最初的 Coral 项目✿★✿，「可为硬件设计者和机器学习开发者提供了构建下一代私密✿★✿、高效边缘 AI 设备所需的工具✿★✿。」

　　它提供了统一的开发者体验✿★✿，使部署环境感知等应用变得更加容易✿★✿。它专为在可穿戴设备上实现全天候 AI 而设计✿★✿，同时能最大限度地减少电池消耗蜜芽188.mon.✿★✿，并且可通过适当配置来适应更高性能的应用场景✿★✿。

　　顾名思义✿★✿，Coral NPU 采用了 NPU（神经处理单元 /neural processing unit）架构✿★✿，其为下一代高能效✿★✿、针对机器学习优化的片上系统 (SoC) 提供了构建模块✿★✿。

　　该架构基于一套符合 RISC-V 指令集架构 (RISC-V ISA) 的 IP 模块✿★✿，专为最低功耗而设计✿★✿，使其成为始终在线的环境感知的理想选择✿★✿。

　　其基础设计可在仅消耗几毫瓦功率的情况下✿★✿，提供512 GOPS(每秒十亿次操作) 级别的性能✿★✿，从而可为边缘设备✿★✿、耳戴式设备✿★✿、AR 眼镜和智能手表带来强大的端侧 AI 能力✿★✿。

　　Coral NPU 生态系统统一视图✿★✿，展示了为 SoC 设计者和机器学习开发者提供的端到端技术栈✿★✿。

　　这种基于 RISC-V 的开放且可扩展的架构为 SoC 设计者提供了灵活性✿★✿，让他们可以修改基础设计✿★✿，或将其用作一个预配置的 NPU✿★✿。

　　一个标量核心（scalar core）✿★✿： 一个轻量级✿★✿、可用 C 语言编程的 RISC-V 前端✿★✿，负责管理流向后端核心的数据流✿★✿。它采用简单的「运行到完成」 (run-to-completion) 模型✿★✿，以实现超低功耗和传统的 CPU 功能✿★✿。一个向量执行单元（vector execution unit）✿★✿： 一个强大的单指令多数据 (SIMD) 协处理器✿★✿，符合 RISC-V 向量指令集 (RVV) v1.0 规范K8凯发集团✿★✿，能够对大型数据集进行同步操作✿★✿。一个矩阵执行单元（matrix execution unit）✿★✿： 一个高效的量化外积乘积累加 (MAC) 引擎✿★✿，专为加速神经网络的基本运算而构建✿★✿。请注意✿★✿，该矩阵执行单元仍在开发中✿★✿，将于今年晚些时候在 GitHub 上发布链条导轨✿★✿，✿★✿。

　　Coral NPU 架构是一个简单的✿★✿、可用 C 语言编程的目标平台✿★✿，可以与 IREE 和 TFLM 等现代编译器无缝集成✿★✿。这使得它能够轻松支持 TensorFlow✿★✿、JAX 和 PyTorch 等机器学习框架✿★✿。

　　Coral NPU 包含一个全面的软件工具链✿★✿，其中包括针对 TensorFlow 的 TFLM 编译器等专用解决方案✿★✿，以及一个通用的 MLIR 编译器✿★✿、C 编译器✿★✿、自定义内核和一个模拟器✿★✿。这可为开发者提供了灵活的路径✿★✿。

　　例如✿★✿，一个来自 JAX 等框架的模型首先会使用 StableHLO 方言 (dialect) 导入为 MLIR 格式K8凯发集团✿★✿。这个中间文件随后被送入 IREE 编译器✿★✿，该编译器会应用一个硬件特定的插件来识别 Coral NPU 的架构✿★✿。之后✿★✿，编译器会执行渐进式降低 (progressive lowering)—— 这是一个关键的优化步骤✿★✿，在此过程中代码会通过一系列方言被系统地翻译✿★✿，逐步接近机器的本地语言蜜芽188.mon.✿★✿。优化后✿★✿，工具链会生成一个最终的✿★✿、紧凑的二进制文件✿★✿，以便在边缘设备上高效执行✿★✿。

　　Coral NPU 编译器工具链✿★✿，展示了从机器学习模型创建✿★✿、优化✿★✿、编译到设备端部署的完整流程✿★✿。

　　首先✿★✿，该架构能高效加速当今设备端视觉和音频应用中领先的✿★✿、基于编码器的架构✿★✿。其次✿★✿，谷歌正与 Gemma 团队紧密合作蜜芽188.mon.✿★✿，针对小型 Transformer 模型优化 Coral NPU✿★✿，以确保该加速器架构能够支持下一代边缘生成式 AI✿★✿。

　　这种双重关注意味着 Coral NPU 有望成为首个开放K8凯发集团✿★✿、基于标准✿★✿、专为将大语言模型 (LLM) 引入可穿戴设备而设计的低功耗 NPU✿★✿。

　　对于开发者而言✿★✿，这可提供一条单一且经过验证的路径✿★✿，可以用最低的功耗和最高的性能来部署当前和未来的模型✿★✿。

　　Coral NPU 旨在支持超低功耗凯发k8娱乐官网入口✿★✿，✿★✿、始终在线的边缘 AI 应用✿★✿，尤其侧重于环境感知系统✿★✿。其主要目标是在可穿戴设备✿★✿、手机和物联网 (IoT) 设备上实现全天候的 AI 体验✿★✿，同时最大限度地减少电池消耗✿★✿。

　　情境感知✿★✿：检测用户活动（如步行K8凯发集团✿★✿、跑步）K8凯发集团✿★✿、距离或环境（如室内 / 室外✿★✿、移动中）✿★✿，以启用「免打扰」模式或其他情境感知功能✿★✿。音频处理✿★✿：语音和声音检测✿★✿、关键词识别✿★✿、实时翻译✿★✿、转录以及基于音频的无障碍功能✿★✿。图像处理✿★✿：人物和物体检测✿★✿、面部识别✿★✿、手势识别以及低功耗视觉搜索✿★✿。用户交互✿★✿： 通过手势✿★✿、音频提示或其他传感器驱动的输入进行设备控制✿★✿。

　　谷歌表示✿★✿：「我们的架构正在被设计用来支持 CHERI 等新兴技术✿★✿，该技术提供细粒度的内存级安全和可扩展的软件分区✿★✿。我们希望通过这种方法✿★✿，将敏感的 AI 模型和个人数据隔离在硬件强制的沙箱中✿★✿，以抵御基于内存的攻击✿★✿。」

　　为此✿★✿，谷歌宣布了与 Synaptics 的合作关系✿★✿，这也是其「第一个战略芯片合作伙伴」蜜芽188.mon.✿★✿，同时也是物联网领域嵌入式计算✿★✿、无线连接和多模态传感的领导者✿★✿。

　　今天✿★✿，Synaptics 在其技术日活动上宣布了其新的 Astra SL2610 系列 AI 原生物联网处理器✿★✿。该产品线采用了他们的 Torq NPU 子系统✿★✿，这是业界首个 Coral NPU 架构的量产实现✿★✿。该 NPU 的设计支持 Transformer 并支持动态算子✿★✿，使开发者能够为消费和工业物联网构建面向未来的边缘 AI 系统✿★✿。

　　谷歌表示 Coral NPU 有望「解决边缘计算的核心危机」✿★✿：「借助 Coral NPU✿★✿，我们正在为个人 AI 的未来构建一个基础层K8凯发集团✿★✿。我们的目标是通过提供一个通用的✿★✿、开源的蜜芽188.mon.K8凯发集团✿★✿、安全的平台供业界在此基础上发展蜜芽188.mon.✿★✿，从而催生出一个充满活力的生态系统✿★✿。」

　　石林虎的左臂光芒闪耀✿★✿，那块凶兽臂骨竟与他手臂融合在一起蜜芽188.mon.✿★✿，化作了他身体的一部分✿★✿，血肉交融✿★✿，不分彼此K8凯发集团✿★✿，非常神秘✿★✿。