Artificial intelligence (AI) is rapidly moving out of the datacenter and into the real world, powering everything from industrial robots to autonomous vehicles and smart infrastructure. Edge devices have become the new frontier for AI, driving smarter factories, safer vehicles, and more responsive cities. Meeting the needs of edge applications involves using AI that is efficient, adaptable, and scalable, since these scenarios often involve unique technical constraints and possibilities. As AI ...
Human-machine interfaces (HMIs) are rapidly evolving, driven by trends such as Automotive personalization, sustainable always-on interfaces, hygienic touchless user interfaces (UI), consistent user experience (UX) across platforms, voice activation, and Industrial automation for labor and safety needs. Regardless of their specific drivers and/or use cases, modern HMIs must be smarter and more dynamic – shifting from command-based to context-aware systems that bridge the human-machine...
网络边缘AI正在改变机器与世界的交互方式，它可以直接在数据源附近实现智能，带来实时、情境感知的决策。在汽车和工业环境中，这一转变推动了更智能的传感器、自动化和更先进的人机交互界面（HMI）。但在边缘部署AI面临着计算能力有限、严格的功耗预算和紧凑的硬件尺寸等挑战。 在我们最近的LinkedIn Live小组讨论中，莱迪思的专家们探讨了工程师如何利用莱迪思的FPGA以及Lattice sensAI™解决方案集合，实现具备高性能、安全性和灵活性的智能、实时嵌入式体验。 边缘AI为何势头迅猛 AI不再局限于云端。通过将智能嵌入到边缘设备，工程师可以降低延迟、增强隐私，并避免带宽瓶颈，这对现实应用中的安全和性能至关重要。 边缘AI广泛应用的主要驱动力包括： 爆炸式增长的传感器数据需要本地处理 嵌入式和移动系统的能耗限制 安全关键环境对实时响应性的需求 依赖云端带来的隐私与安全问题 降低部署成本的压力 边缘AI让道路和工厂上的机器变成能实时学习与响应的自适应系统。 FPGA在边缘AI中的角色 工程师不必为边缘场景重做AI模型&mdash...
过去，人机界面（HMI）相对简单，主要由按钮、旋钮、操纵杆和静态显示屏组成，用于控制基本功能。如今，HMI已演变为复杂的、具备情境感知能力的系统，成为用户与日益智能的机器之间的主要连接桥梁。无论是嵌入在车辆、工业设备、消费电子还是智能基础设施中，现代HMI都必须处理越来越多的任务，包括实时数据可视化、语音交互、生物识别认证以及基于人工智能的自动化。这些系统需要做到直观、响应迅速且安全可靠，同时还要在严格的功耗、空间和性能限制下运行。 这种演变的产物是一种动态、多模态的HMI平台，由先进的软硬件解决方案驱动，例如莱迪思的FPGA及sensAI™解决方案集合。 向自适应人机界面的转变 随着数字系统变得更加智能且互联互通，人机界面必须随之演进以跟上步伐。这些界面不再只是控制面板，而是能实时解读用户意图和系统情境的智能网关。无论是在车辆、工厂还是智能家居中，现代HMI都必须在处理日益复杂的数据和功能的同时，提供无缝、直观的交互体验。 这一转变需要新一代软硬件解决方案，以支持实时响应性、适应性和低功耗。在许多情况下，HMI必须实时处理来自多种传感器的数据，包括摄像头、运动探测器、麦...
网络边缘人工智能——即在边缘设备端部署AI模型进行本地化算法处理，而非依赖云端等集中式计算平台——已成为人工智能领域发展最快的方向之一，受到业界高度关注。据测算，2024年网络边缘AI市场规模约为210亿美元，预计到2034年将突破1430亿美元。这一增长态势表明各行业将持续加大基于AI的边缘系统研发投入。 网络边缘AI的应用前景广阔且充满创新机遇，涵盖自动驾驶汽车、智能家居设备、工业自动化机械等多个领域。但开发者在实践中需要应对硬件限制、功耗优化和处理复杂度等独特挑战。例如，设计人员必须确保嵌入式AI模型在保持紧凑体积的同时具备足够算力，能够直接在边缘设备端解析实时情境信息。这要求系统在延迟控制、带宽效率、运算精度和可持续性等性能指标上达到最优平衡，同时还要保障数据隐私安全并降低网络威胁风险。 网络边缘应用的演进正与情境智能的发展同步推进。情境智能旨在从数据所处的环境、关联关系及交互场景中理解其含义，这就催生了情境边缘AI。该技术通过在网络边缘设备端运行AI模型，使系统能够处理环境数据、持续学习并优化性能。例如，智能设备通过视觉、听觉等...
每年PC厂商都会推出一系列新的笔记本电脑，它们通常都配备了最新的技术和功能，旨在提供出色的用户体验。从以往的经验来看，这些创新主要集中在外观尺寸，屏幕增强和用户界面等方面。而AI（人工智能）和ML（机器学习）的日益普及开辟了一个充满可能性的新世界，PC厂商和生态系统巨头都在寻求将这些先进的新功能添加到其产品功能集中。 在本篇博文中，我们将讨论PC中AI/ML功能的增长趋势，为什么FPGA非常适合实现这些新的体验，并举例说明采用莱迪思技术的PC解决方案。 使用AI/ML功能优化PC用户体验 对于世界各地的许多人来说，他们一天中的大部分时间都是在电脑屏幕前度过的。正因为如此，系统设计人员希望能够创造一些提高日常效率的方法。AI/ML功能（如存在检测和注意力跟踪）不仅仅能让您获得满意的用户体验。它们还能实实在在地节省电池电量，甚至提供数字健康功能，如防止眼睛疲劳和敦促用户采用合理的坐姿。事实上，莱迪思解决方案可实现注意力跟踪功能，延长了高达28%的电池使用时间。 除了提高效率，AI/ML功能（例如旁观者检测）还有助于防止黑客窥视，保护用户隐私。随着系统设计中用于处理音频和视频呼叫数据的资源越...
人工智能和机器学习的重要性、网络边缘计算的崛起和对AI灵活编程的需求 如今人工智能（AI）已成为技术领域最时髦的用语之一，它在广义上通常用来描述互连的“智能”技术。然而，考虑到AI可以实现的各种不同的功能，以及AI解决方案产出的成果，AI的格局及其开发可以说都十分复杂。事实上，AI技术的特定应用不仅将它从众多技术中区别开来，还决定了它的开发方式，开发的标准和要求以及需要进行的测试。因此，与其说AI是一种“包括万象”的技术，不如说是一种定制化解决方案的网络，用于解决复杂的技术挑战。 最近我有幸与莱迪思市场营销副总裁Matt Dobrodziej和TECHnalysis Research总裁兼首席分析师Bob O'Donnell在一场圆桌会议上探讨了为特定应用开发AI解决方案的流程问题。在本篇博文中，我将回顾此次会议中的主要内容，并就特定应用如何决定AI模型的开发、创建AI模型的挑战以及如何利用市场上的一些领先技术等内容提供一些思考。 AI成为主流以及网络边缘计算的崛起 曾经难以想象的技术如今正通过智能手机、PC、汽车、其它各种互连设备进入...
根据市场研究公司Transparency Market Research的报告，截至2026年，全球智能玩具市场规模预计将增长到近700亿美元。智能玩具形态多样，如电子宠物、机器人、智能火车套件等。听到玩具一词，你可能立刻想到儿童玩具，但有些玩具是专门针对成年人开发的。当前的高级玩具市场包含的产品用途广泛，包括提供陪伴、提高认知能力以及促进交流等。 智能玩具为人们提供了一种技术增强环境，便于交互完成各种任务，不断顺应用户的行为模式。这些玩具的传感器通常嵌入了图像识别芯片，利用人工智能来识别各种图像。为了提供优质全面的用户服务，这些AI解决方案需要低功耗、易于使用、实时反应。其中低功耗这一要求尤为重要，因为大多数玩具都使用电池供电。 日本多美玩具公司（TOMY COMPANY, LTD.）于2021年推出了首款基于AI的智能玩具Ami-Chan。多美选择了莱迪思为其提供完整的AI解决方案，该方案包含了我们的FPGA和sensAITM解决方案集合，加速和简化了AI开发和设计流程。 图片来源：TOMY 多美公司设计Ami-Chan的初衷是让它作为老年人的交流伙伴。该玩偶的设计词汇量约为16...
科技世界最为激动人心的一项议题就是人工智能（AI）。从科幻电影中的智能机器人到现实世界互连设备的智能功能，AI如今已成为最强大的技术之一。 但是，就像蜘蛛侠彼得·帕克所说：能力越大责任越大。人工智能也是如此。那些开发AI产品和服务的公司已经开始敏锐地意识到，如果没有以一种审慎、公平和公正的方式使用AI，可能会存在一些问题。 一个有趣的案例就是莱迪思半导体最新版本的sensAI解决方案集合及其在PC等客户端设备上的应用。莱迪思与主要的PC OEM厂商合作，将低功耗FPGA（例如 CrossLink-NX系列芯片）与sensAI 4.1版本结合来支持一系列应用，帮助改善用户体验，延长笔记本电脑的电池使用时间。 这些应用都使用PC自带的摄像头的数据来分析作为传感器输入源的笔记本电脑用户、用户身后的人、PC周围的环境等。FPGA使用经过训练、基于AI的推理模型分析图像数据，然后执行各种不同的操作。用户存在检测会根据是否检测到用户来决定打开或关闭屏幕。注意力追踪则会检测用户的注意力是否在屏幕上或转移至屏幕以外的地方，从而执行类似操作达到省电的目的。旁观者检测会确定其他人员是否在用户...
人工智能和机器学习革命持续席卷多个应用领域，尤其是网络边缘应用。安全摄像头、机器人、工业设备、客户端PC甚至玩具等网络边缘设备现在都可以支持AI/ML功能，为用户带来了新的功能和体验。行业分析公司ABI Research表示，网络边缘AI 芯片组市场“过去经历了强劲增长，预计到2024年将继续增长至710亿美元规模，而2019年至2024年的复合年增长率高达31%。如此强劲的增长是因为AI推理工作负载由云端向网络边缘迁移，尤其是在智能手机、智能家居、汽车、可穿戴设备和机器人行业。” 然而，让客户端计算设备具备“智能”给产品设计带来了新的挑战。AI/ML作为一项新兴技术，许多OEM没有足够的团队经验或时间来从头开始设计解决方案。另一方面，用于训练客户端计算设备的算法正快速发展，因此开发人员也在寻找可现场升级的AI/ML解决方案。但对于许多网络边缘AI/ML应用的开发人员来说，最关键的问题在于如何在使用电池供电的设备中提供足够的处理性能来实现AI/ML功能？ 为了解决这些问题，应用开发人员和OEM需要使用灵活的硬件和软件解决方案，实现低功耗下...