Les revenus du chipset IoT AI dépassez 7,3 milliards de dollars d'ici 2030
Alors que les unités de traitement neuronal (NPU) ont été conçues pour le TinyML dans les appareils personnels et professionnels, elles ne font que récemment leur entrée sur le marché des applications IoT.
Les fabricants de puces intégrées se concentrent de plus en plus sur les unités de traitement neuronal (NPU) pour les applications Internet des objets (IoT), grâce à l'exécution efficace des charges de travail des réseaux neuronaux par cette architecture. À mesure que les utilisateurs recherchent une meilleure compréhension et une intelligence accrue aux extrémités du réseau, les NPU représenteront une part croissante des expéditions totales au détriment des microcontrôleurs (MCU) existants. Selon ABI Research, les revenus liés aux puces spécifiques à l'IA pour les applications IoT dépasseront 7,3 milliards de dollars d'ici 2030.
« Les NPU pour les applications TinyML dans les appareils personnels et professionnels (PWD) sont bien établies. Cependant, elles en sont encore à leurs débors en dehors de ce secteur, avec des grands fournisseurs tels que STMicroelectronics, Infineon et NXP Semiconductors qui viennent tout juste d'intégrer ce type d'ASIC dans leurs gammes embarquées », a déclaré Paul Schell, analyste industriel chez ABI Research. « L'étude des PWD permet d'obtenir des informations plus approfondies sur la modélisation des applications IoT dans 15 secteurs verticaux, notamment les plus importants comme la maison intelligente et la fabrication. »
Du côté logiciel, des chaînes d'outils MLOps complètes sont désormais un « must-have » pour les fournisseurs de toutes tailles, y compris les startups telles que Syntiant, GreenWaves, Aspinity et Innatera. Pour les formats plus grands, les investissements dans les produits logiciels sont souvent accompagnés de R&D matérielle, comme le partenariat entre Eta Compute et NXP pour licencer sa plateforme logicielle Aptos. Ces innovations démocratisent également le déploiement du TinyML en réduisant le besoin en talents internes en data science.
L'intégration d'architectures haute performance, telles que les NPU et certains FPGA, dans les dispositifs embarqués élargira la gamme d'applications pouvant être exécutées sur ces appareils, allant de la détection d'objets à la classification simple d'objets pour les cas d'utilisation de vision machine, ainsi qu'à certaines tâches de traitement du langage naturel (NLP) pour l'analyse basée sur l'audio. « Avec la tendance vers des formats edge plus grands tels que les PC et les passerelles, cela aidera à la scalabilité de l'IA en réduisant les coûts réseau et la dépendance au cloud. Par conséquent, nous prévoyons que le marché du TinyML croîtra grâce à ces innovations, principalement stimulé par les grandes bases industrielles qui modernisent leurs déploiements IoT, l'intelligence croissante des véhicules et les appareils domestiques intelligents. »
Reposté depuis : International Electronic Commerce, traduit automatiquement par Google