Eta Compute 推出面向边缘设备的超低功耗机器学习平台

　　在 Arm TechCon 展出中，该公司将展示包含自主学习功能的最新人工智能技术。

　　加州韦斯特莱克村, Oct. 16, 2018 (GLOBE NEWSWIRE) -- Eta Compute Inc. 是一家致力运用其革命性新平台向移动和边缘设备提供机器学习功能的公司。该公司今天推出其包含自主学习功能的最新机器学习 SoC。这款名为 TENSAI® 的突破性产品可执行图像分类、关键词定位和唤醒词检测等操作，重新定义了超低功耗嵌入式解决方案的标准。

　　“我认为，在微型、廉价的电池供电芯片上运行机器学习的时代即将到来，”TensorFlow 的 Google 技术主管 Pete Warden 表示，“这将为一些令人惊奇的新应用打开大门。”

　　TENSAI 芯片包含第三代 Eta Compute 的延迟不敏感逻辑，使该产品能够在最低电源电压下可靠运行，从而实现最低功耗。

　　这款 SoC 的其他独特功能包括：

　　Eta Compute 自有的尖峰神经网络 (SNN)和 CNN 内核可最大限度地减少操作次数并降低功耗

　　自主学习语音、图像和其他数据，对没有标签的数据进行分类，从而能够提高对故障模式未知或难以获得数据的系统的异常检测能力

　　图像分类应用在处理每张照片时仅消耗 0.4mJ，比最近发布的结果功耗降低了 30 倍

　　永远在线的唤醒字应用在分类时消耗 500uA、在静音期间消耗 50uA，满足了可穿戴设备和电池供电的消费电子产品的严格要求

　　“我们的专利硬件架构 (DIAL™) 与基于 CNN 和 SNN 的完全可定制算法相结合，可在数百微瓦内执行机器学习推理，”Eta Compute 首席技术官 Nara Srinivasa 博士表示，“我们正在将这些产品作为样品提供给客户，他们会将这些产品集成到智能扬声器和物体检测平台等产品中，以向网络边缘提供机器智能。”

　　处理器可使用流行的 TensorFlow® 或 Caffe® 软件进行训练，而 Eta Compute 的定制内核则可进一步优化训练模型。TENSAI 采用紧密集成的 DSP 处理器和微控制器架构，大大降低了嵌入式机器智能的功耗。该解决方案可在功率受到严重限制的音频、视频和信号处理领域广泛应用，例如移动设备、可穿戴设备、工业传感和相机市场。

　　此外，对于容易标记的数据稀缺或不可用的实际场景，尽管存在这种限制，我们的自主学习算法仍可以提取可操作的智能解决方案。这使得 Eta Compute 的解决方案具有更广的适用范围，包括为在远程环境中获取能量的设备提供智能化。

　　具有机器学习功能的 Eta Compute SoC 现已开始提供样品，预计将于 2019 年第一季度开始量产。

　　关于 Eta Compute

　　Eta Compute 成立于 2015 年，其愿景是让网络边缘的智能型设备变得更加普及，使日常生活更安全、更健康、更舒适、更方便，但同时又不会牺牲隐私性和安全性。最近推出的 DIAL™ 技术是世界功耗最低的嵌入式计算平台，是支持便携式设备的事件驱动的神经形态学习和机器智能的理想架构。有关更多信息，请访问 EtaCompute.com 或通过电子邮件 info@etacompute.com 与本公司联系。

　　联络人：

　　Phyllis Grabot, Corridor Communications, Inc.

　　805.341.7269 / phyllis@corridorcomms.com