人工智能芯片通常通过学习和推理来实现人工智能功能。由于学习需要采集大量数据、将其编译成数据库并根据需要进行更新，因此执行学习的人工智能芯片需要强大的计算能力，这必然会消耗大量的能量。迄今为止，开发能够实时学习且功耗极低的人工智能芯片仍然是一个难题，这使得边缘计算机和终端难以构建高效的物联网生态系统。.
基于庆应义塾大学松谷教授开发的“设备端学习算法”，ROHM 开发的新型 AI 芯片主要由 AI 加速器（专用 AI 硬件电路）和 ROHM 高效的 8 位“tinyMicon MatisseCORE™”CPU 组成。这款超紧凑的 20,000 门 AI 加速器与高性能 CPU 的结合，实现了超低功耗下的学习和推理，功耗低至几十毫瓦（比传统 AI 芯片的功耗低 1000 倍）。这使得该芯片能够对各种应用进行实时故障预测，因为无需云服务器，即可在设备安装现场针对未知输入数据输出“异常检测结果（异常评分）”。.
未来，ROHM计划将这款AI芯片中使用的AI加速器集成到各种用于电机和传感器的集成电路产品中。预计将于2023年开始商业化，并计划于2024年实现量产。.
日本庆应义塾大学信息与计算机科学系教授松谷弘树表示
：“随着5G通信和数字孪生等物联网技术的进步，云计算也需要不断发展，但就负载、成本和功耗而言，将所有数据都放在云服务器上处理并非总是最佳解决方案。我们致力于研究设备端学习技术并开发相应的算法，旨在实现更高效的边缘数据处理，从而构建更完善的物联网生态系统。通过此次合作，ROHM公司通过推进设备端学习电路技术，为我们指明了实现低成本商业化的道路。我希望这款人工智能芯片原型能在不久的将来被应用到ROHM的集成电路产品中。”
关于 tinyMicon MatisseCORE™：
tinyMicon MatisseCORE™（Matisse：微型序列器微算单元）是 ROHM 自主研发的 8 位 CPU，旨在提升模拟 IC 在物联网生态系统中的智能化水平。其针对嵌入式应用优化的指令集，结合最新的编译器技术，可在更小的芯片面积和程序代码量内实现快速的算术处理。此外，它还支持高可靠性应用，例如需要符合 ISO 26262 和 ASIL-D 车辆功能安全标准的应用。其专利的板载“实时调试功能”可防止调试过程干扰程序运行，从而允许在应用程序运行时进行调试。
ROHM AI芯片详情（搭载设备端学习AI加速器的SoC）
这款原型AI芯片（原型部件号BD15035）基于庆应义塾大学松谷教授开发的设备端学习算法（三层神经网络AI电路）。ROHM将该AI电路从500万个门电路缩减至仅2万个门电路（体积缩小0.4%），并重新配置后作为专有AI加速器（AxlCORE-ODL）推向市场。该加速器由ROHM高效的8位tinyMicon MatisseCORE™ CPU控制，能够以仅几十毫瓦的超低功耗实现AI学习和推理。这使得在设备安装位置输出未知输入数据模式（即加速度、电流、亮度、语音）的数值“异常检测结果”成为可能，而无需涉及云服务器或需要事先进行人工智能学习，从而能够通过现场人工智能进行实时故障预测（预测性故障信号检测），同时保持云服务器和通信成本较低。
为了评估人工智能芯片，我们提供一款配备 Arduino 兼容接口的评估板。该评估板可连接扩展传感器板，用于连接 Arduino 微控制器 (MCU)。评估板包含无线通信模块（Wi-Fi 和蓝牙®）以及 64kbit EEPROM。通过连接传感器并将评估板连接到目标设备，您可以在屏幕上验证人工智能芯片的效果。此评估板将由 ROHM 销售部门提供。请联系我们了解更多信息。.
AI芯片演示视频
我们提供了一个演示视频，展示了这款AI芯片与评估板的配合使用情况。
*设备端学习：在同一颗AI芯片上运行学习和推理。
*TinyMicon MatisseCORE™是ROHM公司的商标或注册商标。
*Bluetooth®是Bluetooth SIG公司的商标或注册商标。
