Los ingresos de IoT AI Chipset superará los $ 7.3B para 2030
Aunque las unidades de procesamiento neuronal (NPU) se establecieron para TinyML en dispositivos personales y laborales, solo recientemente han comenzado a penetrar en las aplicaciones del Internet de las Cosas (IoT).
Los fabricantes de chips integrados están centrando cada vez más sus esfuerzos en las unidades de procesamiento neuronal (NPU) para aplicaciones del IoT, gracias a la ejecución eficiente por parte de esta arquitectura de cargas de trabajo de redes neuronales. A medida que los usuarios buscan una mayor comprensión e inteligencia en el extremo de la red, las NPU representarán una cuota creciente de los envíos totales, en detrimento de los microcontroladores (MCU) existentes. Según ABI Research, los ingresos por chipset de chips específicos para IA destinados a aplicaciones IoT superarán los 7.300 millones de dólares para 2030.
“Las NPU para aplicaciones de TinyML en dispositivos personales y laborales (PWD) están bien establecidas. Sin embargo, todavía están en su infancia fuera de este segmento de dispositivos, con grandes proveedores como STMicroelectronics, Infineon y NXP Semiconductors que apenas están introduciendo este tipo de ASIC en sus carteras de productos integrados”, afirmó Paul Schell, analista de industria en ABI Research. “El análisis de los PWD proporciona una visión más profunda sobre la modelización de aplicaciones IoT en 15 verticales, incluidas las más importantes como el hogar inteligente y la fabricación.”
En el lado del software, las herramientas MLOps completas son ahora un “imprescindible” tanto para proveedores grandes como pequeños, incluidas startups como Syntiant, GreenWaves, Aspinity e Innatera. Para formatos de mayor tamaño, las inversiones en productos de software suelen ir acompañadas de I+D en hardware, siendo ejemplo de ello la colaboración entre Eta Compute y NXP para licenciar su plataforma de software Aptos. Estas innovaciones también democratizan el despliegue de TinyML al reducir la necesidad de contar con talento interno especializado en ciencia de datos.
La incorporación de arquitecturas de alto rendimiento, como las NPU y algunos FPGAs, en dispositivos integrados ampliará el rango de aplicaciones que pueden ejecutarse en estos dispositivos, desde la detección de objetos hasta la clasificación simple de objetos para casos de uso de visión artificial, así como cierto procesamiento de lenguaje natural (NLP) para análisis basados en audio. “Con la tendencia hacia formatos de borde más grandes, como PCs y gateways, esto ayudará a escalar la IA al reducir los costes de red y la dependencia de la nube. Como resultado, esperamos que el mercado de TinyML crezca impulsado por estas innovaciones, principalmente debido a la actualización de las implementaciones de IoT por parte de las principales bases industriales, el aumento de la inteligencia de los vehículos y los dispositivos de hogar inteligente.”
Republicado desde: International Electronic Commerce, traducido automáticamente por Google