BrainChip и Neuromorphyx представили плату BrainBoard1500 с нейроморфным ИИ
BrainChip и Neuromorphyx представили BrainBoard1500 – компактную плату для разработки устройств с нейроморфным ИИ на базе ускорителя AKD1500. Модуль выполнен в формате Arduino Nicla и рассчитан на подключение к микроконтроллерам и другим встраиваемым платформам.
Большинство плат для локального ИИ строятся вокруг достаточно мощного центрального процессора или подключаемого PCIe/M.2-ускорителя. BrainBoard1500 предлагает другой вариант: отдельный компактный сопроцессор, который можно подключить непосредственно к обычному микроконтроллеру.
Плату разработала Neuromorphyx вокруг нейроморфного ускорителя BrainChip AKD1500.
Размер BrainBoard1500 составляет всего 22,9 × 22,9 мм, а расположение разъёмов совместимо с форм-фактором Arduino Nicla. Это позволяет использовать модуль рядом с небольшими сенсорными и управляющими платами, не переходя на полноценную вычислительную платформу с Linux.
| Параметр | BrainBoard1500 |
|---|---|
| ИИ-ускоритель | BrainChip AKD1500 |
| Размер | 22,9 × 22,9 мм |
| Форм-фактор | совместим с Arduino Nicla |
| Интерфейс к хосту | SPI/QSPI |
| Управление | I²C |
| Память моделей | 4 МБ стандартно, до 8 МБ в заводской конфигурации |
| Мониторинг питания | 2 канала |
| ПО | Arduino-библиотека и драйверы |
Главная задача AKD1500 – выполнять нейросетевой вывод непосредственно на устройстве. Архитектура BrainChip ориентирована на событийную обработку и разреженные вычисления, когда аппаратная часть не обязана постоянно обрабатывать одинаковый поток данных.
Для BrainBoard1500 предусмотрен прямой SPI/QSPI-интерфейс. Через него хостовый MCU или другая система может передавать данные ускорителю и получать результаты инференса.
Отдельный I²C-интерфейс используется для системного управления.
На плате находится собственная Flash-память для моделей. Стандартная конфигурация предусматривает 4 МБ, а Neuromorphyx указывает возможность заводской установки 8 МБ.
Интересная деталь – встроенный двухканальный монитор энергопотребления.
Он позволяет измерять питание AKD1500 непосредственно во время выполнения моделей и отдельно анализировать режимы сна и пробуждения. Для embedded AI это полезнее простого лабораторного измерения общего потребления всей платы, поскольку можно сравнивать разные модели и режимы работы именно самого ускорителя.
Начальная программная среда ориентирована на экосистему Arduino. Neuromorphyx подготовила открытую Arduino-библиотеку и драйверы, а архитектура SPI/QSPI позволяет переносить поддержку и на другие платформы.
В анонсе прямо упоминаются Raspberry Pi, Seeed Studio XIAO, OpenMV, Espressif, DFRobot, Adafruit, SparkFun и STMicroelectronics.
Таким образом, разработчик может оставить привычный MCU для управления устройством, интерфейсов и периферии, а нейросетевую обработку вынести на отдельный AKD1500.
BrainChip также планирует предоставлять готовые модели для нескольких типичных сценариев:
- распознавание ключевых слов;
- visual wake words;
- определение активности человека.
Сама Neuromorphyx использует AKD1500 и в более сложной системе NeuroReflex, где событийные камеры объединяются с FPGA-предобработкой и локальным нейроморфным инференсом.
BrainBoard1500 ориентирована на более простой сценарий – добавить такой ускоритель к уже существующей встраиваемой системе.
Характеристики BrainBoard1500 опубликованы на официальном сайте Neuromorphyx.
Комментарии (0)