7月26日消息，谷歌于美国当地时间周三发布了用于边缘计算的新版AI芯片——微型AI加速器Edge TPU，可实现物联网设备上的机器学习模型运算。 两年前，谷歌推出可以轻松完成AI任务的张量处理单元TPU(Tensor Processing Units)。随着连接设备的爆炸性增长，以及对隐私、机密性、低延迟和带宽限制的需求，谷歌正将AI模型从云端转移到终端。Edge TPU作为Cloud TPU处理器的简化版本，将谷歌云的AI功能移植到物联网上，使传感器等设备能更快更便捷地处理数据。 一、把AI带到边缘：Edge TPU Edge TPU是谷歌专门设计的ASIC芯片，用于在边缘设备上运行TensorFlow Lite ML模型进行推理。它在较小的物理和功耗范围内提供高性能，并在边缘部署高精度AI，能够使用户以高效率的方式在高分辨率视频上以每秒30帧的速度同时执行多帧最先进的AI模型。Cloud IoT产品管理部门负责人Antony Passemard表示，Edge TPU的大小比1美分还要小许多。
目前，在为显示面板生产玻璃的过程中，该检测设备每秒可处理200多张玻璃图像。
▲Edge TPU和Cloud TPU对比 作为Cloud TPU互补的产品，Edge TPU向用户提供端到端和云端到端的硬件+软件AI基础架构，以便于部署基于AI的解决方案。不同于Cloud TPU，它只用于机器学习推理，不用于相关模型训练，因此可以以超低功率的方式进行计算，适合物联网设备采用。Edge TPU使用的软件和服务是Cloud IoT Edge和物联网操作系统Android Things。它可以使用TensorFlow Lite和NN API两种机器学习框架，以及Edge TPU、GPU和CPU三种硬件加速器。凭借其高性能、小尺寸和低功耗的特点，Edge TPU能在边缘设备上实现本地实时进行高质量的AI运算。 这款芯片不仅仅是一个硬件解决方案。它结合了定制硬件、开放软件和最先进的AI算法，为边缘提供高质量、易于部署的AI解决方案。 Edge TPU具有较高的每瓦性能和较小的占地面积，可实现广泛的工业用例，例如预测性维护，异常检测，机器视觉，机器人，语音识别等等。它可以被应用在制造、医疗保健、零售、智能空间、运输等。 二、Edge TPU的配套软件：Cloud IoT Edge 谷歌还推出了Cloud IoT Edge软件平台，可将训练好的机器学习模型移植到边缘计算基础设施的设备上运行。该平台有两个关键组件。 其一是Edge IoT Core。这是Azure IoT Edge设备管理器和协议网关，可将边缘设备安全地连接到云、启用软件和固件更新，以及使用Cloud IoT Core管理数据交换。 其二是Edge ML。它是TensorFlow Lite ML工具的精简版，在本地运行预先训练好的TensorFlow Lite ML模型，可以显著提高边缘设备的处理能力和多功能性。这使得下一波机器学习应用程序和用例成为可能。 此外，该平台还利用了谷歌专用的硬件加速器ASIC芯片Edge TPU TM。
▲Cloud IoT Edge的工作原理 Cloud IoT Edge将谷歌云强大的数据处理和机器学习扩展到数十亿边缘设备，如机器人手臂、风力涡轮机和石油钻井平台等，因此他们可以实时处理来自传感器的数据并在本地预测结果。Cloud IoT Edge可在Android Things或基于Linux的操作系统上运行。 结语：打通Edge TPU的生态 为了实现Edge TPU的快速开发和测试，谷歌为开发者提供了开发套件Edge TPU development kit。该套件包括一个模块化系统(SOM)，结合 Edge TPU、NXP CPU、Wi-Fi 和 Microchip 等安全组件。该套件将在今年10月对开发者开放，也可以注册申请提前访问(申请链接：http://t.cn/ReLmOSK)。 此外，谷歌还推出了两款AIY设备，即AIY Edge TPU开发板和AIY Edge TPU加速器。AIY Edge TPU开发板内置Edge TPU、NXP CPU处理器、集成GPU、8GB eMMC闪存、Wi-Fi功能和加密芯片。其长约3-4个10美元硬币，宽约2-3个10元硬币。
AIY Edge TPU加速器是一个带了type-C接口的USB设备，内置Edge TPU处理器，可连接到Linux和Android Things系统，并支持在TensorFlow Lite框架下运行。
这两款AIY设备暂无提前申请渠道，将在今年秋天上市。
