晶心科联手Deeplite 拓展边缘运算市场

在边缘运算设备上，推动低功耗和低延迟深度的学习模型、计算机硬体以及人工智慧推理系统这些项目的发展，持续创造令人兴奋的新机遇。业界相关产业对于应用在深度学习的硬体和软体解决方案（也称为Edge AI，边缘运算）的开发产生了前所未有的兴趣。

边缘运算已经开始在某些指标性的应用中取得进展，例如音讯信号分类（audio classification）中的关键字搜寻（keyword spotting）、异常检测（anomaly detection）以及电脑视觉应用中的人物辨识（person detection）。具体来说，tinyML是专为超低功耗系统量身订作的机器学习分支，具有远大的前景。

这个提案中之解决方案的效率极高，甚至只有微瓦，加上其可广泛地部署到此类边缘运算在现实环境中设备的适用性，预计在未来5年内，将应用在超过1000亿个IoT传感器和设备。蓄势待发之深度学习科技的未来，将透过比以往更加可负担、具有友善生态系、以及更容易使用的智慧科技，提供客户及终端使用者更显著的便利。

晶心科技和Deeplite很高兴地宣布两家公司最新合作成果--透过使用Deeplite独特的最佳化软体和晶心科技低功耗RISC-V CPU核心研发出具有人工智慧运算能力的应用程式（AI-powered applications）。这项合作关系着重于压缩（compressing）并加速（accelerating）著名的视觉唤醒词（Visual Wake Words (VWW))应用程式。微型相机可以利用此类程式，进行人物图像侦测。

Deeplite及晶心科技共同获得了领先业界的结果，从利用浮点运算的Mobilenet-v1-0.25x模型中，产出各式最佳化的INT8模型。本次发表的第一组研发结果侧重于提高精确性，以精度为主的INT8模型最佳化提高了2.7％的精度，缩小了1.7倍的档案大小以及提高了9%的执行速度。

第二组结果主要着重于最大化压缩（maximizing compression）。与TensorFlow Lite Micro提供的INT8 模型相比，本组专注于模型档案尺寸最小化的模组，成功做到缩小2.3倍的档案大小，更高的精度和提高了15％的执行速度。