实验室将人工智能和机器学习推向前沿

全新 bg24和 mg24单片机的完整 Pro Kit，以及开发高容量、可伸缩的2.4 GHz 无线物联网解决方案所需的所有硬件和软件。新的硬件支持物质，ZigBee，OpenThread，低耗电蓝牙，蓝牙网，专有和多协议操作。(图片来源: Silicon Labs)

首次集成 AI/ML 加速提高性能和能源效率
物联网产品设计师看到了人工智能和机器学习的巨大潜力，它们可以为诸如家庭安全系统、可穿戴医疗监视器、传感器监控商业设施和工业设备等应用领域带来更大的智能。但是今天，那些考虑在边缘部署人工智能或机器学习的人面临着性能和能源使用方面的严重损失，这些损失可能会超过好处。
Bg24和 mg24作为第一个内置 AI/ML 加速器的超低功率设备缓解了这些处罚。这种专门设计的硬件可以快速有效地处理复杂的计算，内部测试显示性能提高了4倍，能源效率提高了6倍。由于 ML 计算是在本地设备上进行的，而不是在云中，因此网络延迟可以消除，从而更快地做出决策和执行操作。
Bg24和 mg24系列也有最大的闪存和随机存取存储器(RAM)的能力在硅实验室的投资组合。这意味着该设备可以为大型数据集提供多协议支持、物质和训练有素的机器学习算法。PSA Level 3-Certified Secure VaultTM 是物联网设备的最高级别安全认证，为门锁、医疗设备和其他敏感部署产品提供所需的安全性，在这些产品中，加强设备抵御外部威胁是至关重要的。
人工智能/机器学习软件和物质支持帮助设计师创造新的创新应用
除了天生支持 TensorFlow 之外，Silicon Labs 还与一些领先的 AI 和 ML 工具提供商合作，比如 SensiML 和 Edge Impulse，以确保开发者拥有一个端到端的工具链，简化了针对无线应用程序嵌入式部署优化的机器学习模型的开发。使用这个新的 AI/ML 工具链，加上硅实验室的 Simplicity Studio 和 soa 的 bg24和 mg24家族，开发人员可以创建从各种连接设备获取信息的应用程序，所有这些应用程序都使用 Matter 相互通信，然后做出智能机器学习驱动的决策。
例如，在商业办公楼中，许多灯都是由运动探测器控制的，这些探测器监测占用情况，以确定灯是否应该打开或关闭。然而，当工作人员在仅限于手和手指运动的桌子上打字时，由于运动传感器本身无法识别他们的存在，他们可能被置身于黑暗之中。通过 Matter 应用层将音频传感器与运动探测器连接起来，可以通过机器学习算法运行额外的音频数据(如打字的声音) ，从而使照明系统能够更明智地决定灯是开还是关。
边缘的机器学习计算使其他智能化的工业和家庭应用成为可能，包括传感器数据处理、预测维护、音频模式识别以改进玻璃破碎检测、简单的命令文字识别，以及视觉用例，比如在场检测或者用低分辨率相机计算人数。这些应用包括异常检测传感器数据处理、预测维护、音频模式识别。
阿尔法程序强调多种部署选项
代表不同行业和应用程序的40多家公司已经开始在一个封闭的 Alpha 程序中开发和测试这个新的平台解决方案。这些公司已经吸引到 bg24和 mg24平台的超低功耗，先进的功能，包括人工智能/机器学习能力和支持物质。全球零售商正在寻求通过更精确的资产跟踪、实时价格更新和其他用途来改善店内购物体验。来自商业楼宇管理界的参加者正在探讨如何使他们的楼宇系统，包括照明和暖通空调系统，更智能化，以降低业主的成本和减少他们的环境足迹。最后，消费者和智能家居解决方案提供商正在努力使连接各种设备变得更加容易，并扩展它们的互动方式，为消费者带来创新的功能和服务。
硅实验室最有能力的 SoCs 家族
单芯片 bg24和 mg24单片机结合了78mhz ARM cortex-m33处理器、高性能2.4 GHz 无线电、业界领先的20位 ADC、 Flash (高达1536kb)和 RAM (高达256kb)的优化组合，以及一个 AI/ML 硬件加速器，用于在卸载 ARM cortex-m33的同时处理机器学习算法，因此应用程序有更多的周期来做其他工作。这些单片机支持范围广泛的2.4 GHz 无线物联网协议，具有市场上最高的安全性和最佳的射频性能/能源效率比。