Suchen

xcore.ai-Prozessor: Wenn der Rauchmelder die Rettung koordiniert

| Redakteur: Michael Eckstein

Der 1-US-Dollar-Prozessor xcore.ai soll auch solche Endgeräte smart machen, für die ein KI-Prozessor bislang zu teuer ist. Die Funktionsvielfalt und Flexibilität des von der EU geförderten Chips lassen aufhorchen.

Firmen zum Thema

Vier-in-einem: Der xcore.ai-Prozessor vereint Mikrocontroller, KI-Beschleuniger, Applikationsprozessor und programmierbare Logik in einem 1-US-Dollar-Baustein.
Vier-in-einem: Der xcore.ai-Prozessor vereint Mikrocontroller, KI-Beschleuniger, Applikationsprozessor und programmierbare Logik in einem 1-US-Dollar-Baustein.
(Bild: XMOS)

Bisherige, auf die Verarbeitung von KI-Algorithmen ausgelegte Prozessoren haben ein Problem: Sie sind für den Einsatz in einfachen Endgeräten oft zu teuer. Eine Alternative ist der Einsatz von aufgebohrten Mikrocontrollern, die mit speziellen Erweiterungen zur Beschleunigung grundlegender KI-Funktionen ausgestattet sind.

Der junge britische Prozessorspezialist XMOS (2005 aus der University of Bristol ausgegründet) geht das Problem von der anderen Seite an: Er hat – mit Unterstützung im Rahmen des Europäischen Förderprogramms Horizon 2020 – den günstigen „Crossover“-Prozessor „xcore.ai“ entwickelt. Dieser vereint vier Funktionsblöcke auf einem Chip: einen auf KI-Inferenzberechnungen spezialisierten Kern, einen digitalen Signalprozessor (DSP), einen Anwendungsprozessor für zeitkritische Steuerungsfunktionen und einen FPGA für das Bereitstellen flexibel programmierbarer I/O-Schnittstellen. Trotz der gebotenen Funktionsvielfalt soll der Baustein nur rund 1 US-Dollar kosten.

Hohe Funktionsvielfalt inklusive Inferenzberechnungen für 1 US-Dollar

Laut Mark Lippett, CEO von XMOS, vereint der Chip die Leistung eines Anwendungsprozessors mit der Benutzerfreundlichkeit eines Mikrocontrollers. Der Baustein verfügt über 16 logische Echtzeit-Kerne, die Skalar-, Float- und Vektor-Befehle verarbeiten und je nach Anwendung eine höhere Flexibilität und Skalierung ermöglichen. Embedded-Software-Entwickler hätten dadurch die Möglichkeit, unterschiedliche Klassen von Arbeitslasten auf einem einzelnen Multicore-Crossover-Prozessor zu implementieren.

xcore.ai soll in der Lage sein, direkt am Edge Sensorsignale aufzubereiten, Echtzeit-Inferenzberechnungen samt Entscheidungsfindung durchzuführen und über seine Schnittstellen sowohl Geräte anzusteuern als auch mit einem Host-System zu kommunizieren. Damit wäre es Elektronikherstellern möglich, maschinenintelligente (I)IoT-Geräte mit weniger Komponenten aufzubauen.

Geringe Latenz, bessere Datensicherheit

Die Signalvorverarbeitung und Entscheidungsfindung am Edge hat gegenüber einer reinen IoT-Cloud-Applikation Vorteile: Nötige Entscheidungen können nahezu latenzfrei getroffen werden. Der Kommunikationsaufwand sinkt, was Energie auf dem Endgerät spart. Und wenn weniger Daten in eine Cloud-Anwendung geladen werden, reduziert dies das übertragene Datenvolumen – und damit je nach Modell die an einen Provider zu entrichtenden Gebühren. Nicht zuletzt werden weniger Daten möglichen Cyber-Angriffen ausgesetzt, was wiederum die Sicherheit erhöht.

Nach Angaben von Lippett ist xcore.ai vollständig in C programmierbar. Spezifische Funktionen wie DSP-Berechnungen, Verschlüsselung und maschinelles Lernen sind demnach über optimierte C-Bibliotheken zugänglich. Der Baustein unterstützt das Echtzeitbetriebssystem „FreeRTOS“, so dass Entwickler eine breite Palette bekannter Open-Source-Bibliothekskomponenten nutzen können.

Deep-Learning-Framework „TensorFlow Lite“ per Konverter nutzen

Durch die Verarbeitung gewichteter, binärer neuronaler Netzwerke soll xcore.ai eine 2,6- bis 4-mal höhere Effizienz als ein 8-Bit-Controller erreichen. Darüber hinaus beherrscht der Chip laut XMOS auch die Verarbeitung von 8-, 16- und 32-Bit-Befehlen. Gegenüber einem vergleichbaren ARM-Cortex-Produkt gibt XMOS für xcore.ai eine 32-fache Verbesserung der AI-Leistung, eine 16x schnellere E/A-Verarbeitung und eine 15-fache digitale Signalverarbeitungsleistung an. Zudem stünden 21x 16-Bit-MACs zur Verfügung.

Verfügbar ist zudem ein Konverter, der das Deep-Learning-Framework „TensorFlow Lite“ auf xcore.ai portiert. Dies ermögliche den Einsatz vieler neuronaler Netzwerkmodellen und erleichtere das Prototyping.

Für die Verbindung mit der Außenwelt stehen bis zu 128 Pins für I/O-Schnittstellen bereit, die den zeitkritischen Zugriff auf viele Peripheriegeräte in wenigen Nanosekunden ermöglichen. Sie lassen sich per Software programmieren und „genau auf die Bedürfnisse der Anwendung zuschneiden“. Integriert sind zudem Hardware-USB 2.0 PHY- und MIPI-Schnittstelle, an die unterschiedliche Sensoren angeschlossen werden können.

Beispiel: Intelligenter Rauchmelder rettet Leben

Lippett sieht seinen Prozessor gut positioniert: „xcore.ai kann Daten lokal verarbeiten und Aktionen auf dem Endgerät steuern – innerhalb von Nanosekunden. Mit seinem geringen Preis kann er eine neue Generation von Embedded-Plattformen initiieren.“ In dem sich rasch entwickelnden AIoT-Ökosystem ermögliche dies den Herstellern, „intelligentere Sensortechnologien zu entwickeln, die sich nahtlos in unser Leben einfügen“.

Als Beispiel für eine Anwendung führt Lippett einen Rauchmelder an: Mit eingebettetem xcore.ai könnte dieser mithilfe von Radar und Bildverarbeitung feststellen, ob sich Personen im betroffenen Gebäude aufhalten, und wenn ja, wie viele und wo sie sich befinden. Per Sprachschnittstellen könnte der Detektor mit den Personen in den Räumen kommunizieren, während er ihre Vitalzeichen analysiert und ermittelt, ob sie beispielsweise noch atmen. Zusammen ergibt dies ein umfassendes Bild der Umgebung, das direkt an die Rettungsdienste weitergeleitet werden kann. Mit mehr Informationen ließen sich dann Rettungsaktionen schneller und besser abstimmen.

(ID:46676633)