Maxim宣布推出帶有神經網路加速器的MAX78000低功耗微控制器，支援電池供電的嵌入式物聯網(IoT)設備在邊緣透過快速、低功耗人工智慧(AI)推理來制定複雜決策。與軟體方案相比，這種快速、低功耗的決策實施使得複雜的AI推理能耗降低到前期方案的百分之一以內，採用AI技術的電池供電系統可大幅延長其執行時間，有助於實現之前無法逾越的新一代電池供電AI應用。此外，MAX78000並沒有影響延遲指標和成本：其成本只是FPGA或GPU方案的零頭，而執行推理的速度比低功耗微控制器上實施的軟體方案快100倍。
AI技術使機器能夠以之前完全不可能的方式來觀察、聆聽和感知世界。過去，將AI推理布置到邊緣意謂著從感測器、相機和麥克風收集資料，然後將資料發送到雲端實現推理演算法，再將結果送回到邊緣。由於延遲和能耗較大，這種架構對於邊緣普及極具挑戰。作為替代方案，低功耗微控制器可用於實施簡單的神經網路運算，但延遲會受到影響，且只能在邊緣執行簡單任務。
透過整合專用的神經網路加速器，MAX78000克服了這些局限性，憑藉在本地以低功耗即時執行AI處理，使機器能夠看到和聽到複雜的型態。由於MAX78000執行推理的功耗不到微控制器軟體運行功耗的百分之一，大幅提高了機器視覺、語音和臉部識別等應用的工作效率。MAX78000的核心是專用硬體，其設計旨在最大程度地降低卷積神經網路(CNN)的能耗和延遲。該硬體運行時幾乎不需要任何微控制器的介入，意味著操作的流線化程度極高。能量和時間僅用於實施CNN的數學運算。為了將外部世界的採集資料高效輸入到CNN引擎，使用者可使用兩種整合微控制器核之一：低功耗ARM Cortex-M4 核心，或功耗更低的RISC-V核心。
有鑑於AI開發的挑戰性，Maxim Integrated提供了工具，實現平穩的評估和開發體驗。MAX78000EVKIT#包括音訊和相機輸入，開箱即用的展示平台支援大字表關鍵字檢索和臉部識別。完備的文件可協助工程師訓練MAX78000網路，且採用其日常使用的工具：TensorFlow或PyTorch。
