Доход от чипсетов IoT AI превысит $7,3 млрд к 2030 году
Хотя нейронные процессоры (NPU) были разработаны для TinyML в персональных и рабочих устройствах, лишь недавно они начали проникать в приложения Интернета вещей (IoT).
Производители встроенных чипсетов все больше фокусируются на нейронных процессорах (NPU) для приложений Интернета вещей благодаря эффективному выполнению вычислений нейронных сетей. По мере того как пользователи стремятся получить более глубокие аналитические данные и интеллектуальные возможности на периферии сети, NPU будут занимать все большую долю общих поставок за счет существующих микроконтроллеров (MCU). Доход от продаж чипсета для специализированных AI-чипов для IoT-приложений превысит 7,3 млрд долларов к 2030 году, согласно исследованию ABI Research.
«Нейронные процессоры для приложений TinyML в персональных и рабочих устройствах (PWD) уже хорошо развиты. Однако вне этой категории устройств они находятся на ранней стадии развития, и такие крупные производители, как STMicroelectronics, Infineon и NXP Semiconductors, только начинают внедрять этот тип ASIC в свои встроенные портфели», — сказал Пол Шелл, отраслевой аналитик ABI Research. «Анализ PWD позволяет глубже понять моделирование IoT-приложений по 15 вертикалям, включая самые важные сегменты умного дома и производства».
На стороне программного обеспечения комплексные MLOps-инструменты теперь являются обязательными для производителей любого масштаба, включая стартапы, такие как Syntiant, GreenWaves, Aspinity и Innatera. Для крупных форматов инвестиции в программные продукты часто сопровождаются разработкой аппаратного обеспечения, например, компания Eta Compute сотрудничает с NXP для лицензирования своей платформы Aptos. Эти инновации также демократизируют развертывание TinyML, снижая потребность во внутренних специалистах по науке о данных.
Внедрение высокопроизводительных архитектур, таких как NPU и некоторые FPGA, во встроенные устройства расширит спектр приложений, которые могут выполняться на этих устройствах, от обнаружения объектов до простой классификации объектов для задач машинного зрения и некоторых аспектов обработки естественного языка (NLP) для анализа аудио. «С тенденцией к увеличению размеров периферийных устройств, таких как ПК и шлюзы, это поможет масштабировать искусственный интеллект за счет снижения затрат на сеть и зависимости от облачных технологий. В результате мы ожидаем роста рынка TinyML благодаря этим инновациям, движимым преимущественно модернизацией IoT-развертываний крупными промышленными базами, повышением уровня интеллектуальности транспортных средств и устройств умного дома».
Перепубликовано из: International Electronic Commerce, автоматически переведено Google