SamurAI: IoT 이미지 인식 전력 효율 새 기준 세운 저전력 AI 칩

2020 VLSI 심포지엄에서 프랑스 연구소 CEA-Leti와 LIST가 SamurAI를 공개했습니다. 인터넷 사물에서 이미지 인식 워크로드의 전력 효율을 재정의하는 콤팩트 AI 가속기입니다.

SamurAI는 저전력 IoT 노드와 전용 AI 가속기를 통합하여 피크-대-유휴 전력 소비를 15,000배 줄이면서 머신러닝 작업에 최대 1.3 TOPS/W(tera-operations per second per watt) 또는 36 GOPS를 제공합니다.

실제 점유 감지 프로토타입에서 칩은 PIR 센서, 224×224픽셀 흑백 카메라, FeRAM, 저전력 라디오를 포함한 시스템을 구동했습니다. 시스템 일일 평균 105µW 소비 중 SamurAI가 26%를 차지했습니다.

SamurAI 시스템 개요

SamurAI는 두 개의 온칩 서브시스템을 중심으로 구축되었습니다:

• 207ns 만에 시스템을 기동할 수 있는 클럭리스, 이벤트 드리븐 웨이크업 컨트롤러.
• 딥슬립 모드 RISC-V CPU, PNeuro AI 가속기, 암호화 가속기를 온디맨드 서브시스템에 내장.

이 듀얼 서브시스템 아키텍처로 15,000배 피크-대-유휴 전력비를 달성합니다. 유휴 모드에서 칩은 6.4µW만 소비하며, CPU와 AI 가속기 활성 시 96mW로 상승합니다.

STMicro의 28nm 완전공핍 실리콘온인슐레이터(FD-SOI) 공정으로 제조된 4.5mm² 다이는 6개의 스위처블 전력 도메인을 포함하며 바디 바이어싱 없이 동작합니다.

PNeuro AI 가속기

가속기 PNeuro는 단일명령 다중데이터(SIMD) 프로그래머블 엔진입니다. 32×8비트 프로세싱 엘리먼트 두 클러스터와 264kB 멀티뱅크 SRAM으로 구성됩니다. 블록은 사이클당 64 MAC 연산 수행 가능.

핵심 성능 수치:

• 0.48V 공급에서 2.8 GOPS 기준 1.3 TOPS/W.
• 0.9V 공급에서 8비트 완전연결 신경망 레이어 36 GOPS.

PNeuro 배포는 RISC-V 코어에서 머신러닝 워크로드 실행 대비 시스템 총 전력 소비를 절반으로 줄입니다.

긴 수면 기간 사이 산발적 컴퓨팅 버스트가 필요한 IoT 시나리오를 위해 설계된 SamurAI는 온디바이스 AI 처리를 가능하게 합니다. 이 접근법은 클라우드 의존성 제거, 지연시간 감소, 프라이버시 보존으로 카메라나 기타 센서를 사용한 사람 감지나 장면 식별 같은 애플리케이션에 이상적입니다.

>> 이 기사는 원래 자매 사이트인 EE Times Europe에 게재되었습니다.