Kneron stellt KL720 AI SoC vor: Steigert Energieeffizienz von Edge-Geräten
Das in San Diego ansässige KI-Silizium- und IP-Startup Kneron hat seine zweite Generation KI-System-on-Chip (SoC), den KL720, vorgestellt. Das neue Gerät baut auf Knerons bestehender Neural Processing Unit (NPU) IP auf, fügt einen Cadence DSP KI-Co-Prozessor und einen Arm Cortex-M4 Kern für Systemsteuerung hinzu.
Entwickelt für niedrigenergetische Edge- und Smart-Home-Anwendungen – von Video-Türklingeln bis Roboterstaubsauger – ist der KL720 laut Knerons Marketingmaterialien auch für ein breites Spektrum von Geräten geeignet, von Elektroautos bis Küchengeräten.
In puncto Energieeffizienz behauptet Kneron, der KL720 übertreffe Intels Movidius-Linie und Googles Coral Edge TPU. Der NPU-Kern liefert 1,4 TOPS, während der gesamte SoC – einschließlich DSP und Cortex-M4 – 0,9 TOPS/W erreicht. Dieses Leistungsniveau reicht mehr als aus, um 4K-Video und Full-HD-1080p-Bilder zu verarbeiten. Zum Vergleich: Der Vorgänger KL520 (veröffentlicht Mai 2019) lieferte 0,3 TOPS bei 0,6 TOPS/W.

Knerons KL720 AI SoC verfügt über die firmeneigene NPU IP neben einem DSP KI-Co-Prozessor und einem Cortex-M4 Systemsteuerungskern (Bild: Kneron)
Im Gegensatz zum Vorgänger, der sich ausschließlich auf Bildverarbeitung konzentrierte, glänzt der KL720 auch bei Audioaufgaben. Da Sprachsteuerungsschnittstellen allgegenwärtig werden, bietet On-Device-KI schnellere, günstigere und datenschutzfreundlichere Alternativen zu Cloud-basierter Verarbeitung. Kneron behauptet, der KL720s rechnerischer Spielraum könne ein vollständiges Wörterbuch an Wörtern erkennen – weit über konkurrierende Chips hinaus, die nur bestimmte Wake-Words unterstützen.
Seit mindestens Januar demonstriert Kneron den KL720-Prototyp potenziellen Kunden. Gegründet 2015, begann das Unternehmen mit der Entwicklung von KI-Modellen für Gesichtserkennung und expandierte seither in KI-Silizium und NPU-IP-Lizenzierung. Der KL720s NPU wurde bereits erfolgreich mit Cadence Tensilica Vision P6 DSP IP und Synopsys ARC Prozessor-IP integriert.
Die Vielseitigkeit der NPU stammt aus ihrer rekonfigurierbaren Architektur. CEO Albert Liu erklärte in einem früheren Interview mit EE Times: „Wir zerlegen Mainstream-KI-Frameworks und Convolutional Neural Network Modelle in grundlegende Bausteine und konfigurieren sie neu, um sie an Anwendung und Framework anzupassen. Dies lässt unsere Lösung adaptieren und die relevanten CNN-Modelle beschleunigen.“
„Zum Beispiel teilen ResNet für Gesichtserkennung und LSTM für Spracherkennung gemeinsame Bausteine. Während andere Anbieter separate Lösungen benötigen, kann Knerons rekonfigurierbare Engine in Echtzeit zwischen ResNet und LSTM wechseln“, fügte Liu hinzu.

Knerons KL720 kann sowohl Video- als auch Audioverarbeitung bewältigen (Bild: Kneron)
Zusätzlich zum KL720 hat Kneron Kneo eingeführt – ein privates Mesh-Netzwerk für vernetzte KI-gestützte Sensoren. Kneo erlaubt Geräten mit Kneron-Chips, lokal zu kommunizieren, Daten on-device zu speichern und sie mit Blockchain zu schützen. Die Lösung befähigt Verbraucher, ihre Daten fern von großen Cloud-Anbietern zu halten und, falls gewünscht, sie zu eigenen Bedingungen zu verkaufen.
Samples des KL720 werden „bald“ verfügbar sein.
>> Dieser Artikel wurde ursprünglich auf unserer Schwesterseite EE Times veröffentlicht.
Eingebettet
- Edge AI gewinnt Momentum: Cloud-Führer AWS und Microsoft zeigen integrierte Inferenz- & Management-Lösungen
- Mouser führt Microchip SAM R34 LoRa SiP: Ultra-Niedrigstrom Edge-Geräte-Lösung
- STMicroelectronics stellt STM32Cube.AI vor: Edge-Geräte mit eingebetteten Neural Networks befähigen
- Blaize stellt Graph Streaming Processor (GSP) für KI-Workloads vor
- Energiesparende LED-Treiber ermöglichen nächste Generation Automobilbeleuchtung
- ImeC präsentiert ersten Spiking Neural Network Radar Chip: 100× weniger Strom, 10× weniger Latenz
- SFM3019: Präzisions-Durchflusssensor für fortschrittliche Respirationsgeräte
- Edge Cloud Computing: Das unverzichtbare Rückgrat für IoTs rasantes Wachstum
- Selbsteinziehende Absturzsicherungen: Essentielle Sicherheitslösungen für Höhenarbeit
- 5 Schlüsselfragen zur Bewertung vor der Einführung von Edge Computing