Ambiq Featured Blog posts
人工智慧個人健康教練 – 計算步數只是開始
圖片來源：Freepik 在人類歷史上不久前，計算步數的想法主要用於非常粗略的距離估計，或者可能是日落時用手槍進行的老式決鬥。如今，為了健康而計算步數已經很常見，每個人都明白當有人說他們“必須步數進入”時這意味著什麼。 由最新的節能半導體解決方案提供支援的邊緣人工智慧的興起提供的不僅僅是計算步數。現代人之所以不說機場離他們家有 24,567 步，是因為步數是個人測量，因人而異。健身追蹤器已經考慮了這種個性化，在人工智慧個人健康教練的幫助下，使用者可以透過為個人量身定制的更有用的建議來更有效地實現他們的健康目標。 什麼是人工智慧個人健康教練？ 「教練」一詞意味著個人關注——而這正是人工智慧個人健康教練所提供的。它不僅僅依賴在廣泛數據集中計算的平均值，而是確定什麼可能最適合每個人，並提供實時、個性化的健康見解。使用邊緣運算可以快速交付這些見解，而不會因不斷存取雲端進行計算而造成延遲。...
Sean Kettering
Ambiq Latest Blog posts
使用 compressionKIT 解決永遠在線邊緣人工智能的記憶體挑戰
compressionKIT™ 可在源頭減少資料，使邊緣人工智慧系統更有效率、可擴充。 過去幾年的邊緣人工智慧發展已在推論效率上取得重大進展。過去需要伺服器等級硬體的模型，現在可以在奈米級晶片上執行，以一個硬幣的預算在幾毫秒內完成推論。 但還有第二個成本中心較少受到關注：處理連續感測器資料的開銷。 永遠在線的裝置不僅會執行推論，還會不停地產生資料。串流 PPG 的智慧型手錶不會在心跳之間停頓。心電圖貼片不會休眠。智慧戒指、可聽式裝置和其他感測器持續產生必須儲存、傳輸或處理的資料。...
亞閾值操作：設計超低功率半導體的未來
如果半導體功率效率的最大突破來自於在正常限 值以下運行 電晶體呢？ 這正是 Ambiq 透過 SPOT（亞閾值功耗優化技術）實現的目標，SPOT®是一個重新構想晶片消耗能量方式的專利平台。透過利用亞閾值操作的物理特性，SPOT 改變了超低功耗運算的可能性，並為智慧、永續設備的新時代打開了大門。 在本部落格中，我們將解釋亞閾值技術的運作方式、與之相關的挑戰以及設計人員如何在實際應用中使用它。 重新思考電晶體的工作原理 在標準晶片中，每個電晶體就像一個微小的開關。當施加足夠的電壓（任何高於 1...
利用基於數據的傳感器和技術進行海洋保護和安全
海洋對世界至關重要，因為我們依賴海洋進行交通、食物、水、娛樂、醫療等。 然而，它面臨前所未有的挑戰，包括生態系統破壞、過度捕撈、污染水平上升以及氣候變遷的影響。 在此背景下，利用人工智慧（AI）和物聯網（IoT）等先進技術對於有效監測、管理和保護海洋生態系統至關重要。 跨各種連接設備和平台收集數據的能力為解決我們將在本博客中探討的這些挑戰提供了強大的解決方案。 監測和追蹤海洋物種 隨著氣候變遷和不良捕撈方式繼續滲透到我們的海洋中，物種瀕危和滅絕也會出現一些影響。...
延遲效應：什麼是智慧裝置的延遲？
在當今這個節奏快速、互聯的世界裡，速度非常重要，尤其是在智能方面。無論你是在與虛擬助理對話、依賴智慧手錶提供健康警示，或是監控工業感測器進行預防性維護，資料處理所需的時間（稱為延遲）都可能決定效能是流暢還是令人沮喪的延遲。 延遲是什麼？ 延遲是指系統中輸入與對應回應之間的時間延遲。每一次回應之間的時間延遲。每一次回應之間的時間延遲。每一次 數位互動都伴隨有延遲。關鍵在於延遲有多長。...
使用人工智慧解決方案進行更智慧的害蟲防治
沒有什麼比在晴朗的春日坐在外面吃午餐和享受天氣更好的了。然而，根據您居住的地方，您可能想坐在有遮蓋的地方或限制您在戶外的時間，因為食物可能會成為火蟻或黃夾克等害蟲的磁鐵。 這些破壞您膳食的害蟲也延伸到它們的生長方式。如果您想發揮園藝天賦並種植花園，飛蛾、蜱蟲、蟎蟲甚至雜草等害蟲可能會適得其反。 美國人在害蟲防治上花費了數十億美元，預計到 2032 年，害蟲防治市場將達到 42.5 億美元，自 2020 年以來增長了約...
力量與效能：Ambiq 超低功耗半導體如何推動 邊緣人工智慧的未來
動力與效能的權衡——重新構思 數十年來，工程師與設計師一直在掙扎於一個艱難的抉擇：你是優先追求更高效能還是更長的電池續航力？歷史上，這兩個目標是互相排斥的。運算能力越大，能源消耗越大，電池續航時間也變短。解決方法包括使用較大的電池;然而，這也造成體積較大、產生大量熱量的裝置的另一種妥協。 在Ambiq，我們正在重新定義這個方程式。透過我們的超低功耗半導體解決方案，我們已證明製造商不再需要為了能源效率而犧牲性能。多虧了 Ambiq...
測量故障：如何使用邊緣人工智能 評估工業軸承的健康狀況
Edge AI 正在學習以更實用、可擴充的方式，透過工業軸承的振動分析，偵測機器故障的警示訊號。 工業機器的軸承不會一下子就發生故障。它會透過微小的震動和細微的變化來顯示跡象，這些跡象會在幾天或幾周內累積，然後才會出現明顯的問題。世世代代以來，捕捉這些早期警示意味著派遣一名熟練的技術人員手持分析儀，用手讀取資料，並作出判斷。 儘管這種方法仍然有效，但效率低、成本高、頻率低，而且無法在整個工廠範圍內擴展。...
在不同功率等級下計算 AI
雖然人工智慧 （AI） 推理在日常應用程式中看似無縫，但後端的產品開發人員和工程師知道人工智慧是多麼耗電。 市場上的每一款最終產品都會經過深思熟慮的妥協，以滿足他們的能源需求。 鑑於人工智慧採用在過去一年中增長的速度如此之快1，整體能源消耗猛增，從而產生了對更大模型和訓練集的需求。 最近的一項研究發現，到 2027 年，人工智慧產業消耗的能源可能相當於荷蘭大小的國家2. 物聯網的興起只會增加等式。 例如，智慧型裝置需要大量能源才能實現創新用例和持久的電池電量。...
智慧型洩漏偵測系統的未來： 為何邊緣 AI 正朝感測器方向發展
洩漏檢測產業正在不斷演進。 多年來，監測系統主要著重於資料的蒐集與傳輸。感測器會偵測濕度、測量環境條件，並在超過預設閾值時發出警報。 該模式有助於提升能見度，但僅靠能見度已不再足夠。 客戶越來越期望監控系統能更早發現問題、減少誤報、延長電池壽命，並提供可付諸行動的洞見，而非僅是原始數據。要滿足這些期望，邊緣裝置必須具備更高層次的智慧。 因此，用於智慧洩漏檢測系統的下一代邊緣人工智慧，正從「感測與通報」轉向「感測、理解與預測」。 為何更多資料並非解決之道 現代監控系統的部署會產生海量的資訊。...