各行各业的数字化转型和日常生活中的新场景已经处于人工智能的边缘（AI）需要机器学习、先进的数据处理、音频、视觉等。边缘机器学习（ML）计算支持广泛的智能工业和家庭应用，包括传感器数据处理、预测维护、音频模式识别、简单命令词识别和视觉应用，用于异常检测，如使用低分辨率摄像头进行现场检测或数量统计。如今，产品设计师看到了人工智能和机器学习的巨大潜力，可以为家庭安全系统、可穿戴医疗监控器、商业设施和工业设备监控传感器等边缘应用带来更多的智能化。所以SiliconLabs 认为边缘AI 机器学习将广泛应用于工业和家庭。

芯片采购网专注于整合国内外授权IC代理商现货资源，芯片库存实时查询，行业价格合理，采购方便IC芯片，国内专业芯片采购平台。

商业建筑管理部门的工作人员正在探索如何使其建筑系统（包括照明和暖通空调）更智能，以降低业主的成本，减少对环境的影响。消费品和智能家居解决方案提供商都在努力简化各种设备的连接，扩大其互动模式，为消费者带来创新的功能和服务。那些考虑在边缘设备上部署人工智能或机器学习的人面临着巨大的性能和功耗困难，这可能超过了它的好处，最终得不偿失。边缘人工智能解决方案需要具备行业所需功能的最佳组合，包括支持多元化无线多协议、电池寿命、机器学习和物联网边缘应用安全等。在集成创新和产业合作方面取得突破AIoT(人工智能物联网)期待已久的边缘AI 最近，我们进入了工作和生活。

无线技术、先进的外围设备和先进的计算核心围设备和先进的计算核心SoC 供应商，Silicon Labs 边缘人工智能/ 制定了机器学习的战略和路线图。该战略的一个关键部分是解决无线问题SoC 机器学习模型的挑战行机器学习模型的挑战。我们正在探索集成机器学习和无线连接功能的单芯片解决方案及其最有意义的应用，特别关注低功耗，这将成为一个对象

网络产业的彻底变化。Silicon Labs 相信颠覆性的边缘AI 不同的技术需要创新地集成解决方案。SoC单芯片解决方案是保证高性能和高效率的最佳途径之一；它们还需要产业链之间的合作，以加速硬件AI/ML 工Trinamic代理与算法相匹配。集成工具的能力是边缘AI 成功的关键因素。例如，Silicon Labs 于今年1 月推出了其BG24 和MG24 系列2.4 GHz 无线SoC，分别支持蓝牙和多协议操作，并推出新的软件开发工具包用于机器学习。该新平台同时优化硬件和软件，帮助用户在电池供电的边缘设备上实现AI/ML 所有这些应用程序和高性能无线功能都集成在同一个SoC 中。

除了最初的支持TensorFlow，Silicon Labs 还有一些领先的AI 和ML 工具提供商(如SensiML 和EdgeImpulse 等)合作，确保开发人员获得端到端工具链，简化机器学习模型的开发，优化无线应用的嵌入式部署。

这个新的AI/ML 工具链与Silicon Labs 的SimplicityStudio 工具以及BG24 和MG24 系列SoC 开发人员可以创建从各种连接设备中提取信息的应用程序，并使用所有设备Matter 相互通信，然后做出由机器学习驱动的智能决策。

异构计算对人工智能、机器学习和深度学习解决方案非常重要。这些解决方案广泛应用于硬件数据加速器。AI 由于解决方案资源有限，能效要求高，架构创新变得越来越重要。AI/ML功能的2.4 GHz无线SoC架构上需要创新。

(本文来源《IC2022年4月，代理杂志