Der nRF54LM20B System-on-Chip mit großem Speicher integriert eine NPU, die TensorFlow Lite-Modelle bis zu 15-mal schneller und mit deutlich geringerem Stromverbrauch als auf einer Arm Cortex CPU beschleunigt. Darüber hinaus bietet er die bis zu 7-fache Leistung und eine 8-mal höhere Energieeffizienz als die vergleichbarste KI-Edge-Lösung auf dem Markt. Dadurch werden KI-Workloads mit hochfrequenten Sensoren, Audio und Ereignissen auch auf Geräten mit kleinen Batterien realisierbar.
„Diese neue Generation KI-gestützter Funktionen am Netzwerkrand revolutioniert die Wahrnehmungs- und Interpretationsmöglichkeiten kleiner, batteriebetriebener Geräte in der realen Welt“, so Øyvind Strøm, EVP Short-Range bei Nordic Semiconductor. „Indem wir leistungsstarke Intelligenz direkt auf das Gerät bringen, ohne Kompromisse bei Energieeffizienz, Latenz oder Systemkomplexität einzugehen, ermöglichen wir eine neue Produktklasse, die deutlich intelligenter, reaktionsschneller und wesentlich energieeffizienter ist als alle bisherigen Lösungen.“.
Durch die Vereinfachung der Erstellung, Optimierung und Bereitstellung von KI-Modellen am Netzwerkrand erleichtert Nordic es Entwicklern, ihren Produkten sinnvolle Intelligenz hinzuzufügen, ohne den Energieverbrauch oder die Entwicklungskomplexität zu erhöhen.
Nordic stärkt sein Angebot im Bereich Edge-KI durch die Kombination von fortschrittlicher Hardwarebeschleunigung, flexibler Modellunterstützung und intuitiven Entwicklungs-Workflows, um On-Device-Intelligenz in Konsumprodukten zu ermöglichen.
Der neue nRF54LM20B System-on-Chip mit NPU bietet die nötige Leistung für Echtzeit-Intelligenz in batteriebetriebenen Wearables, Smart-Home-Geräten, Smart-Audio-Systemen, industriellen und medizinischen Sensoren sowie Tracking-Geräten.
Dies ermöglicht:
präzise Aktivitätserkennung,
natürliche Reaktion auf Geräusche und Anwesenheit,
sofortige Anomalieerkennung und
Bewegungsinterpretation –
alles ohne Cloud-Verarbeitung.
Vereinfachung der KI-Entwicklung am Netzwerkrand
Zusätzlich zur neuen Hardwarebeschleunigung hat Nordic seine KI-Lösung mit extrem niedrigem Stromverbrauch um Funktionen erweitert, die die üblichen Hindernisse für die Integration von Intelligenz in vernetzte, batteriebetriebene IoT-Produkte beseitigen:
Entwickler können KI-Modelle für die direkte Ausführung auf Geräten erstellen, indem sie benutzerdefinierte Datensätze laden und die Modellarchitektur definieren, um Klassifizierungs- oder Regressionsmodelle zu generieren. Dies vereinfacht die Entwicklung von KI-Architekturen von Grund auf für Wearables, industrielle Sensoren und Smart-Home-Geräte.
Entwickler können aus einer einzigen eingegebenen Phrase (z. B. „Hallo Nordic“) ein benutzerdefiniertes Aktivierungswortmodell generieren, ohne Tausende von Audiobeispielen sammeln und annotieren zu müssen. Dies reduziert die Kosten für die Erstellung von Sprachdatensätzen erheblich und ermöglicht die Implementierung von Sprachsteuerungen in Smart Speakern, Wearables, Fernbedienungen und batteriebetriebenen Audiogeräten.
Mit dem neuen Online-Tool Nordic Edge AI Lab erstellte Modelle lassen sich sowohl für beschleunigte Inferenz auf der NPU als auch für effiziente Ausführung auf der CPU optimieren und bieten so Flexibilität hinsichtlich Leistungs- und Energiebedarf.
Dies erleichtert die Integration von Modellen, Tools und eingebetteter Firmware und ermöglicht Anwendungen wie
Audioklassifizierung,
Anomalieerkennung,
erweiterte IMU-Verarbeitung,
vorausschauende Wartung,
Umweltsensorik
und Signalverarbeitung.
