nRF54LM20B 系统级芯片 (SoC) 拥有大容量内存，集成了 NPU，与在 Arm Cortex CPU 上运行相比，其 TensorFlow Lite 级模型的运行速度最高可提升 15 倍，且功耗显著降低。此外，它比市面上最接近的 AI 边缘解决方案性能高出 7 倍，能效高出 8 倍，使得使用高频传感器、音频和事件的 AI 工作负载能够在小型电池供电的设备上正常运行。.
“新一代边缘人工智能技术从根本上改变了小型电池供电设备在现实世界中的感知和解读能力，”北欧半导体公司短程业务执行副总裁Øyvind Strøm表示。“通过将强大的智能直接引入设备，同时又不影响能效、延迟或系统复杂性，我们正在打造一类全新的产品，它们比以往任何解决方案都更加智能、响应速度更快、能效也更高。”.
Nordic 通过简化边缘 AI 模型的创建、优化和部署方式，使开发人员能够更轻松地为其产品添加有意义的智能，而不会增加能源消耗或开发复杂性。.
Nordic 正在通过结合先进的硬件加速、灵活的模型支持和直观的开发工作流程，强化其边缘人工智能产品，从而使设备端智能在消费产品中得以实现。
全新的 nRF54LM20B 系统级芯片 (SoC) 集成了 NPU，可为电池供电的可穿戴设备、智能家居设备、智能音频设备、工业和医疗传感器以及追踪设备提供实时智能所需的性能。
这使得
无需云端处理
精准的活动检测、
对声音和存在做出自然响应、
即时异常识别和
运动解读。
简化边缘 AI 开发
除了新的硬件加速之外，Nordic 还扩展了其超低功耗 AI 解决方案，新增的功能消除了将智能集成到互联的、电池供电的物联网产品中的常见障碍：
开发者可以通过加载自定义数据集并定义模型架构来构建可在设备上直接执行的 AI 模型，从而生成分类或回归模型。这简化了可穿戴设备、工业传感器和智能家居设备从零开始设计 AI 架构的过程。.
开发者只需输入一个短语（例如“Hello Nordic”），即可生成自定义唤醒词模型，无需收集和标注数千个音频样本。这显著降低了创建语音数据集的成本，并使智能音箱、可穿戴设备、遥控器和电池供电的音频配件能够实现语音控制。
使用全新在线工具 Nordic Edge AI Lab 创建的模型可以针对 NPU 上的加速推理和 CPU 上的高效执行进行优化，从而根据性能和功耗需求提供灵活性。
音频分类、
异常检测、
高级 IMU 处理、
预测性维护、
环境感知
等应用
。
