Expedera demonstrerer parring af edge-AI-undersystem med Cadence

Expedera meddelte den 9. november 2026, at virksomheden havde parret sin neuralprocessorenheds-IP (NPU-IP) Origin Evolution med Cadences Tensilica NeuroEdge 130 AI-coprocessor i en præ-siliciumsimulering. Det viste, hvordan de to halvleder-IP-blokke fordeler og udfører AI-inferensopgaver.

Expedera beskrev resultatet som en valideret præ-siliciumintegration, ikke som en benchmarktest på kundesilicium. Det kombinerede undersystem er designet til at øge ydeevnen og energieffektiviteten og samtidig reducere latenstid, omkostninger og kompleksitet, men meddelelsen indeholder ingen samlede målinger af disse mål. Virksomhederne retter sig mod inferensdesign til edge-enheder, smartphones, bilsystemer og datacentre, og tilgangen kan udvides til andre digitale signalprocessorer fra Tensilica.

Sharad Chole, Expedera’s chefforsker, sagde, at modeller kører på det kombinerede undersystem, og at AI-agentbaserede arbejdsgange hjælper virksomheden med hurtigere at levere tilpasset IP. Det giver kunderne »en hurtigere produktionsvej med lavere risiko for edge-AI, der er tilpasset deres krav til ydeevne og strømforbrug«.

Sådan fordeler coprocessoren og NPU’en arbejdet

Amol Borkar, koncerndirektør for produktstyring og markedsføring i Cadences Tensilica Products Group, sagde, at coprocessoren hjælper Expedera’s NPU med forbehandling, efterbehandling og tilbagefald til operatorer, samtidig med at den også udfører AI-netværk. Denne opbygning fordeler arbejdet i undersystemet i stedet for at tildele to acceleratorer identiske opgaver.

Cadence har designet coprocessoren til at fungere sammen med virksomhedens Neo-NPU’er, kundedesignede NPU’er eller tredjeparts-NPU-IP, hvilket gør parringen med Expedera til et konkret eksempel på tredjepartsløsningen. Produktdokumentationen beskriver en Xtensa-baseret arkitektur, der anvender meget lange instruktionsord (VLIW) og teknikker med én instruktion og flere data (SIMD), samt optimerede instruktioner til blandt andet sigmoid-, tanh- og ReLU-operationer, som egner sig mindre godt til NPU’er.

NeuroEdge 130 kan også sende instruktioner og kommandoer til en NPU som styreprocessor, hvilket giver mulighed for programmering af arbejdsbelastninger, der ikke var forudset, da undersystemet blev designet. Den forbindes via AXI eller Cadences High Bandwidth Direct Interface. Softwareudviklingssættet NeuroWeave, der er bygget på Tensor Virtual Machine-stakken, bruges til at tilpasse, optimere og udrulle modeller på Cadences AI-IP.

Origin Evolution opdeler neurale netværk i pakker eller sammenhængende fragmenter og sender dem gennem behandlingsblokke til feedforward, attention og vektorbehandling. Blokkene håndterer forskellige operationer, datatyper og præcisionsniveauer; NPU’en understøtter også LLM’er, CNN’er, RNN’er samt tilpassede lag og blackbox-lag. Pakkedesignet skal reducere omfattende dataflytninger til og fra hukommelsen og samtidig gøre det muligt at behandle forskellige typer netværksopgaver på samme arkitektur.

Tidligere lanceringer sætter den nye integration i perspektiv

Origin Evolution blev lanceret den 20. maj 2025 som tilgængelig, produktionsklar og afprøvet på silicium i kundernes produktionsdesign. Lanceringstallene gælder kun NPU’en: Expedera oplyser, at den kan skaleres til 128 TFLOPS i én kerne og til petaflops og mere med flere kerner, og at den reducerer eksterne hukommelsesoverførsler med mere end 75 % for Llama 3.2 1B og Qwen2 1.5B sammenlignet med alternative løsninger.

Cadence havde ligeledes introduceret NeuroEdge 130 den 7. maj 2025 med generel tilgængelighed og status som klar til ISO 26262 for anvendelser i biler. Cadence rapporterede en arealbesparelse på mere end 30 % samt over 20 % lavere dynamisk effektforbrug og energiforbrug ved en ydeevne, der kan sammenlignes med Tensilica Vision DSP’er på AI-netværk og -operatorer. Tallene sammenligner coprocessoren med Cadences Vision DSP’er; de måler ikke det nye Expedera-Cadence-undersystem.

For designere af edge-SoC’er udgør udviklingen en valideret integrationsvej mellem to eksisterende IP-familier: Expedera’s pakkebaserede acceleration og Cadences programmerbare håndtering af omgivende operatorer og uforudsete arbejdsbelastninger. Den adresserer en praktisk udfordring ved edge-inferens – behovet for specialiseret acceleration af tætte netværksberegninger over for tilstrækkelig programmerbarhed til at håndtere skiftende modeller – i et undersystem, der kan konfigureres til forskellige mål for ydeevne og strømforbrug.