Receita do chipset IoT AI excedem US $7,3 bilhões até 2030
Embora as NPUs tenham sido estabelecidas para TinyML em dispositivos pessoais e de trabalho, elas apenas recentemente começaram a ganhar espaço nas aplicações de IoT.
Os fabricantes de chipsets embarcados estão cada vez mais focando em unidades de processamento neural (NPUs) para aplicações de Internet das Coisas (IoT), graças à execução eficiente da arquitetura de cargas de trabalho de redes neurais. À medida que os usuários buscam maior percepção e inteligência na extremidade da rede, as NPUs representarão uma parcela crescente dos envios totais, às custas dos microcontroladores (MCUs) existentes. A receita de chipsets para chips específicos de IA destinados a aplicações de IoT ultrapassará US$ 7,3 bilhões até 2030, segundo a ABI Research.
“NPUs para aplicações de TinyML em dispositivos pessoais e de trabalho (PWD) estão bem estabelecidas. No entanto, ainda estão em sua fase inicial fora desse segmento de dispositivos, com grandes fornecedores como STMicroelectronics, Infineon e NXP Semiconductors acabando de introduzir esse tipo de ASIC em seus portfólios embarcados”, disse Paul Schell, analista de indústria da ABI Research. “A análise dos PWDs fornece insights mais profundos sobre o modelamento de aplicações de IoT em 15 verticais, incluindo as mais importantes: casa inteligente e manufatura.”
No lado do software, toolchains abrangentes de MLOps agora são um “must have” para fornecedores de todos os portes, incluindo startups como Syntiant, GreenWaves, Aspinity e Innatera. Para formatos maiores, os investimentos em produtos de software muitas vezes são acompanhados por P&D em hardware, com a fornecedora Eta Compute fazendo parceria com a NXP para licenciar sua plataforma de software Aptos. Essas inovações também democratizam a implementação de TinyML, reduzindo a necessidade de talentos internos em ciência de dados.
A incorporação de arquiteturas de alto desempenho, como NPUs e alguns FPGAs, em dispositivos embarcados ampliará a gama de aplicações que podem ser executadas nos dispositivos, desde detecção de objetos até classificação simples de objetos para casos de uso de visão computacional, e alguma NLP para análise baseada em áudio. “Com a tendência de formatos de borda maiores, como PCs e gateways, isso ajudará na escalabilidade da IA ao reduzir custos de rede e a dependência da nuvem. Como resultado, esperamos que o mercado de TinyML cresça com essas inovações, impulsionado principalmente pela atualização das implantações de IoT pelas principais bases industriais, pelo aumento da inteligência dos veículos e pelos dispositivos de casa inteligente.”
Repostado de: International Electronic Commerce, traduzido automaticamente pelo Google