Arm lancerede officielt Ethos-U85 NPU. Som et avanceret produkt til edge AI er Ethos-U85 specielt designet til områder som industriel automation og videoovervågning og leverer fire gange højere ydeevne end sin forgænger.
Ethos-U85 opnår 20 % større energieffektivitet sammenlignet med tidligere modeller og understøtter almindelige neurale netværk med 85 % udnyttelse. Dens arkitektur tilpasser sig systemer baseret på Arm Cortex-M/A-processorkerner og demonstrerer stærk modstandsdygtighed over for hukommelsesforsinkelse.
Ethos-U85 NPU'en understøtter fleksible konfigurationer, der spænder fra 128 til 2048 MAC-enheder, og leverer op til 4 TOP'er af regnekraft ved en maksimal frekvens på 1GHz.
Dette NPU-produkt bruger den samme værktøjskæde som Ethos-U55/65, hvilket gør det muligt for udviklere at komme hurtigt i gang, mens de understøtter almindelige AI-frameworks såsom TensorFlow Lite og PyTorch.
Virksomheder, der var banebrydende med at indføre Ethos-U85 NPU, omfatter Infineon og Alif Semiconductor (IT Home Note: Sidstnævnte blev grundlagt i 2019 og var en af de første virksomheder, der adopterede Ethos-U55).
Derudover lancerede Arm samtidig Corstone-320 IoT-referencedesignplatformen, der integrerede Cortex-M85 CPU, Mali-C55 IPS og Ethos-U85 NPU for at levere kraftfuld ydeevne til edge AI-applikationer som lyd og vision.
Corstone-320-referencedesignplatformen inkorporerer virtuel Arm-hardware, der gør det muligt for udviklere at begynde softwareudvikling, før fysiske chips er færdiggjort, hvilket reducerer tiden-til at markedsføre for edge AI-enheder markant.
Paul Williamson, Senior Vice President og General Manager for Arm's IoT Business Unit, udtalte: Efterhånden som Edge AI-implementeringer fortsætter med at skalere, står IC-designere over for stadigt mere komplekse systemer og software, hurtigt voksende AI-ydelseskrav og presserende tid-til-markedspres. Samtidig søger softwareudviklere en mere samlet og forenklet udviklingsoplevelse for lettere at kunne integreres med nye AI-rammer og biblioteker. Arms nye teknologier imødekommer disse behov og fremskynder adoptionen af edge AI-implementeringer."