專注邊緣AI的耐能智能成立于美國的圣地亞哥，目前宣稱獲得了來自鴻海和華邦電子的投資。

耐能與投資者將在AI領域展開緊密合作，雙方建立戰略合作關係。據悉，耐能將加入由鴻海一手打造的 MIH 電動車的開放平臺。MIH在成立之初就把耐能作為了其合作伙伴，此次將與鴻海共同合作開發汽車行業中的AI應用領域。此外，耐能和鴻海的合作也將共同推進工業4.0。耐能和華邦電子將致力于開發基于AI的微控制器（MCU）和內存計算（Memory Computing ）。

早前，耐能已獲得來自李嘉誠旗下的Horizons Ventures領投的4000萬美元。除此之外，亦獲得來自阿里巴巴創業者基金、CDIB、奇景光電、高通、中科創達、偉詮、紅杉資本子基金Cloudatlas等全球知名資本青睞，共計獲得超過7300萬美元的A輪投資。

耐能創始人兼首席執行官劉峻誠博士（Albert Liu）說：“在眾多公司削減研發投入的時候，我們感謝投資者相信耐能所做的工作。耐能是一家年輕的公司，自2015年成立以來已經取得了很多成就，我們爭取在未來取得更多成就，而這背后離不開像鴻海和華邦電子等眾多投資者的支持。對于推進AI 芯片的發展來說，這是一個令人興奮的時刻，而耐能將持續在這個領域中發揮至關重要的作用。

耐能提供完整的端到端軟硬件解決方案，可在移動設備，個人計算機和IoT（包括智能家居設備，監控，支付和智能汽車）中實現設備上邊緣AI的推理。耐能解決方案增大了基于云的AI，以加速設備上的AI推理。據了解，空調巨頭格力和自動駕駛軟件公司Teraki等都是其合作客戶。

劉峻誠博士補充說：“我們很高興能同合作伙伴和投資者一起前進。2020年對于耐能來說是重要的一年，我們發布了KL720，并加入了高通前臺北工程研發總經理陳俊宇（Davis Chen）等大將。除了與我們的投資者進行合作項目開發外，計劃將在2021年發布更多的芯片。邊緣AI對許多人來說仍舊是一個比較新概念，我們期待把這項技術帶給每個人。”

隨著邊緣 AI行業的快速興起，基于耐能對其早期的技術投資以及商業化的布局，從而使其處于行業領導地位，其邊緣AI技術在市場上得到了廣泛的應用。

耐能多款產品助力

據了解，耐能現在推出了包括神經處理單元（NPU）、KL520和KL720 及其解決方案。其中，耐能NPU提供經市場驗證過的解決方案，滿足低功能，低熱分布和復雜的神經網絡計算需求。

KL520和KL720則是公司推出的兩款AI芯片。據之前報道，Kneron KL520使用聯電40nm工藝打造，搭配有兩個Arm Cortex-M4內核和自研的NPU。而這兩個Arm內核在SoC中分別扮演系統控制（ARM Cortex-M4@200MHz）和AI協處理器（ARM Cortex-M4@250MHz）的角色。而整個芯片的算力可以做到算力最高可達345GOPS （300MHz） ，平均功耗僅為500mW。能加速了來自耐能以及第三方大眾設備上的神經網絡模型，從而方便了日常設備中實現2D / 3D視覺識別以及音頻識別。適用于結構光、ToF、雙目視覺等3D傳感技術并計算不同神經網絡模型，且兼具規格、性能、成本等多重優點，解決3D模組相對較貴、芯片成本高和硬件功耗高等問題。

來到KL720，則是一款能夠支持4K圖像，全高清（1080p）視頻和自然語言音頻處理，從而使設備可捕獲更多細節進行面部以及對音頻進行識別的能力。據了解，除了集成耐能自研的KDP 720 NPU外，還集成了Cadence的DSP，充當協處理器的功能。此外，耐能還為這個新SoC集成了Arm Cortex-M4 內核，為終端的設計提供更多的控制支持。

與上一代的KL520芯片相比，KL720 NPU的頻率從300Mhz提高到700Mhz，其在8-bit模式峰值速率也從上一代的345GOPS， 576MAC/cycle提升到這一代的1.5TOPS， 1024 MAC/cycle；用于控制的M4內核的頻率也從上一代的200Mhz提升到這一代的400Mhz；關于這個新芯片，還有一點值得強調一下，那就是他們的AI協處理器從上一代ARM Cortex-M4改換為這一代的DSP，因為DSP的特性，這無疑將進一步增加他們新款SoC的實力。

除了硬件以外，耐能提供的邊緣AI算法，能夠根據最新的NIST測試結果，機器學習算法，已經嵌入進行業最小的內存中，其中包括了面部檢測，面部識別，身體檢測和手勢識別等技術。

可重構是其技術亮點

據耐能之前的介紹，邊緣 AI解決方案具備可重構技術特點。在KL520上，他們就表示，公司在此款產品上采用了可重構的芯片設計，增加了芯片的靈活性，這也是它能夠同時滿足面部、身體、手勢、物品、場景、車型、車牌等多種圖像識別應用的加速需求的原因。再搭配其壓縮技術和動態儲存資源配置技術，可以讓芯片進一步提升其資源利用率。從而可以根據設備上的應用需求在音頻識別和2D / 3D視覺識別之間進行實時切換。此外，這種可重構技術不但可兼容大眾主流的AI框架，如Tensor Flow，ONNX，Keras，Caffe和PyTorch等，同時可兼容主要的CNN模型包括VGG16，ResNet，GoogleNet，YOLO，Tiny YOLO，LeNet，MobileNet， Densenet等。

基于耐能的可重構技術特點，從而可實現其對Edge AI Net以及AIoT 3.0的愿景。簡而言之，Edge AI Net將使AI民主化，并以更少的天網創建更多的Wall-E和EVA。Edge AI Net允許Edge AI設備彼此通信，從而創建不依賴于集中式云AI服務的集體行動平臺。

耐能靠其性能和功耗之間的完美平衡，內存占用量以及低成本的解決方案，使其在邊緣AI領域中一直處于領先地位。此外，其性能遠高于其模型“大小”級別，這在2019年NIST面部識別供應商測試中得到了有力驗證，而許多情況下如存儲空間、尺寸和電源受限時其平衡性至關重要，其包括了日常應用如攝像頭、智能門鈴、智能門鎖、智能手機等。另外，其解決方案兼容主要的AI平臺，并且可進行實時可重構技術適應不同的應用需求。
責任編輯:tzh