BrainChip stellt KI-Kit AKD1500 für Raspberry Pi 5 vor
BrainChip hat das Entwicklungskit AKD1500 vorgestellt. Es besteht aus dem gleichnamigen Beschleuniger im M.2-Format und dem Einplatinencomputer Raspberry Pi 5. Die Lösung richtet sich an Entwickler energieeffizienter KI-Anwendungen, die im Dauerbetrieb im Always-on-Modus laufen.
Edge-Geräte wie Sensoren, Monitore, tragbare Elektronik, Industrieanlagen und Smart-Home-Systeme müssen zunehmend kontinuierlich Daten erfassen: zuhören, beobachten und messen. Bei herkömmlichen Prozessoren analysieren die Algorithmen jedes Bild und jeden Messwert, selbst wenn sich an den Daten nichts geändert hat. Die Folgen sind Überhitzung und ein schnellerer Verbrauch der Akkuladung.
Die Übertragung der Daten in die Cloud bringt weitere Probleme mit sich: Die Latenz steigt, die Datenkosten nehmen zu, und der Schutz vertraulicher Informationen wird gefährdet. Ein weiteres ungelöstes Problem ist das Nachtrainieren von Modellen nach der Bereitstellung.
Zur Lösung dieser Aufgaben setzt BrainChip auf die neuromorphe Architektur des AKD1500, die auf Ereignisverarbeitung basiert. Der Chip reagiert nur auf relevante Veränderungen und nicht auf jedes eingehende Datenfragment. Dadurch eignet er sich gut für die Sensorüberwachung und die Objekterkennung. Die Berechnungen erfolgen direkt auf dem Gerät, sodass die mit der Cloud verbundenen Risiken entfallen.
Der AKD1500 unterstützt das Lernen direkt auf dem Chip. Entwickler können eine Anwendung auf Basis des Raspberry Pi 5 im laufenden Betrieb ein neues Schlüsselwort, eine Geste oder ein Objekt erkennen lassen, ohne zur Entwicklungsphase zurückzukehren.
BrainChip erklärte, dass das Kit Docker-Images enthält. Sie lassen sich vorab laden, um Tests und Vorführungen zu vereinfachen, und dienen als Grundlage für eigene Container mit neuromorphen Anwendungen. Wer bereits einen Raspberry Pi 5 mit dem Erweiterungsmodul M.2 HAT besitzt, muss lediglich die AKD1500-Karte einsetzen und kann dieselbe Software nutzen. Nach der Bewertung der Anwendung lässt sich der Chip über PCIe oder SPI in das Endprodukt integrieren. Auf dem BrainChip Developer Hub stehen kostenlos Softwarewerkzeuge und für die MetaTF-Umgebung optimierte Modelle bereit, die sich an konkrete Aufgaben anpassen lassen.