ความร่วมมือ
Expedera สาธิตการจับคู่ระบบย่อย Edge AI กับ Cadence
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
Expedera ประกาศเมื่อวันที่ 9 พฤศจิกายน 2026 ว่าได้นำ IP ของหน่วยประมวลผลโครงข่ายประสาทเทียม (NPU) Origin Evolution มาจับคู่กับ AI Co-Processor Tensilica NeuroEdge 130 ของ Cadence ในการจำลองก่อนการผลิตชิป เพื่อแสดงให้เห็นว่า IP ของบล็อกเซมิคอนดักเตอร์ทั้งสองแบ่งงานและประมวลผลเวิร์กโหลดการอนุมาน AI อย่างไร
Expedera ระบุว่าผลลัพธ์นี้เป็นการผสานรวมก่อนการผลิตชิปที่ผ่านการตรวจสอบความถูกต้อง ไม่ใช่การทดสอบประสิทธิภาพบนชิปของลูกค้า ระบบย่อยที่รวมกันนี้ออกแบบมาเพื่อเพิ่มประสิทธิภาพการทำงานและประสิทธิภาพการใช้พลังงาน พร้อมลดเวลาแฝง ต้นทุน และความซับซ้อน แต่การประกาศไม่ได้ให้ตัวเลขวัดผลของระบบที่รวมกันสำหรับเป้าหมายเหล่านี้ บริษัททั้งสองมุ่งพัฒนาการออกแบบระบบอนุมานสำหรับโหนดเอดจ์ สมาร์ตโฟน ระบบยานยนต์ และศูนย์ข้อมูล และยังสามารถนำแนวทางนี้ไปใช้กับหน่วยประมวลผลสัญญาณดิจิทัล Tensilica รุ่นอื่น ๆ ได้
Sharad Chole หัวหน้านักวิทยาศาสตร์ของ Expedera กล่าวว่า ขณะนี้โมเดลกำลังทำงานบนระบบย่อยที่รวมกันนี้ และเวิร์กโฟลว์ AI แบบเอเจนติกกำลังช่วยให้บริษัทส่งมอบ IP ที่ปรับแต่งตามความต้องการได้รวดเร็วยิ่งขึ้น ทำให้ลูกค้ามี “เส้นทางสู่การผลิต Edge AI ที่ปรับให้ตรงกับข้อกำหนดด้านประสิทธิภาพและพลังงานได้รวดเร็วขึ้นและมีความเสี่ยงต่ำลง”
Co-Processor และ NPU แบ่งงานกันอย่างไร
Amol Borkar ผู้อำนวยการกลุ่มฝ่ายบริหารผลิตภัณฑ์และการตลาดของ Tensilica Products Group ใน Cadence กล่าวว่า Co-Processor ช่วย NPU ของ Expedera ในการประมวลผลล่วงหน้า การประมวลผลภายหลัง และการจัดการกรณีที่ต้องใช้ตัวดำเนินการสำรอง ขณะเดียวกันก็ประมวลผลโครงข่าย AI ด้วย การจัดวางเช่นนี้ทำให้เกิดการแบ่งหน้าที่ภายในระบบย่อย แทนที่จะมอบหมายงานเดียวกันให้ตัวเร่งประมวลผลสองตัว
Cadence ออกแบบ Co-Processor ให้ทำงานร่วมกับ NPU Neo ของบริษัท, NPU ที่ลูกค้าพัฒนาเอง หรือ IP ของ NPU จากผู้ให้บริการภายนอก ทำให้การจับคู่กับ Expedera เป็นตัวอย่างที่ชัดเจนของการใช้แนวทางจากผู้ให้บริการภายนอก เอกสารผลิตภัณฑ์อธิบายสถาปัตยกรรมที่ใช้ Xtensa ซึ่งอาศัยเทคนิคคำสั่งยาวมาก (VLIW) และคำสั่งเดียวประมวลผลข้อมูลหลายชุด (SIMD) พร้อมคำสั่งที่ปรับให้เหมาะกับการดำเนินการต่าง ๆ เช่น sigmoid, tanh และ ReLU ซึ่งเหมาะกับ NPU น้อยกว่า
NeuroEdge 130 ยังสามารถส่งคำสั่งและคำสั่งควบคุมไปยัง NPU ในฐานะหน่วยประมวลผลควบคุมได้ ซึ่งเพิ่มความสามารถในการเขียนโปรแกรมสำหรับเวิร์กโหลดที่ไม่ได้คาดการณ์ไว้ในช่วงออกแบบระบบย่อย โดยเชื่อมต่อผ่าน AXI หรือ High Bandwidth Direct Interface ของ Cadence ชุดพัฒนาซอฟต์แวร์ NeuroWeave ซึ่งสร้างขึ้นบน Tensor Virtual Machine stack ใช้สำหรับปรับแต่ง เพิ่มประสิทธิภาพ และนำโมเดลไปใช้งานบน IP ด้าน AI ของ Cadence
Origin Evolution แบ่งโครงข่ายประสาทเทียมออกเป็นแพ็กเก็ตหรือส่วนต่อเนื่องกัน แล้วส่งผ่านบล็อกประมวลผลแบบ Feed Forward, Attention และ Vector บล็อกเหล่านี้รองรับการดำเนินการ ชนิดข้อมูล และความละเอียดในการคำนวณที่หลากหลาย นอกจากนี้ NPU ยังรองรับ LLM, CNN, RNN รวมถึงเลเยอร์แบบกำหนดเองหรือแบบกล่องดำ การออกแบบเป็นแพ็กเก็ตนี้มีเป้าหมายเพื่อลดการเคลื่อนย้ายข้อมูลขนาดใหญ่ในหน่วยความจำ พร้อมเปิดให้เวิร์กโหลดโครงข่ายหลายประเภททำงานร่วมกันบนสถาปัตยกรรมเดียว
การเปิดตัวก่อนหน้านี้ช่วยให้เห็นภาพการผสานรวมครั้งใหม่นี้ชัดเจนขึ้น
Origin Evolution เปิดตัวเมื่อวันที่ 20 พฤษภาคม 2025 โดยพร้อมจำหน่าย พร้อมสำหรับการผลิต และผ่านการพิสูจน์การทำงานบนซิลิคอนในแบบผลิตภัณฑ์ที่ลูกค้านำไปผลิตจริง ตัวเลขที่รายงานในการเปิดตัวเป็นของ NPU เพียงอย่างเดียว ได้แก่ ความสามารถในการขยายขนาดการประมวลผลได้ถึง 128 TFLOPS ในหนึ่งคอร์ และระดับเพตาฟลอปขึ้นไปเมื่อใช้หลายคอร์ อีกทั้งลดการเคลื่อนย้ายข้อมูลไปยังหน่วยความจำภายนอกได้มากกว่า 75% สำหรับ Llama 3.2 1B และ Qwen2 1.5B เมื่อเทียบกับโซลูชันทางเลือก
Cadence ก็ได้เปิดตัว NeuroEdge 130 เมื่อวันที่ 7 พฤษภาคม 2025 โดยวางจำหน่ายทั่วไปและพร้อมสำหรับการรับรองตามมาตรฐาน ISO 26262 ในการใช้งานด้านยานยนต์ Cadence รายงานว่าประหยัดพื้นที่ได้มากกว่า 30% และลดพลังงานและการใช้พลังงานแบบไดนามิกได้มากกว่า 20% เมื่อเทียบกับ Tensilica Vision DSP โดยมีประสิทธิภาพเทียบเคียงกันในการทำงานกับโครงข่ายและตัวดำเนินการ AI ตัวเลขดังกล่าวเป็นการเปรียบเทียบ Co-Processor กับ Vision DSP ของ Cadence ไม่ใช่การวัดประสิทธิภาพของระบบย่อย Expedera-Cadence รุ่นใหม่
สำหรับนักออกแบบ Edge SoC การพัฒนานี้เป็นแนวทางการผสานรวมที่ผ่านการตรวจสอบแล้วระหว่างตระกูล IP ที่มีอยู่สองตระกูล ได้แก่ การเร่งความเร็วแบบใช้แพ็กเก็ตของ Expedera และการจัดการตัวดำเนินการที่เกี่ยวข้องกับเวิร์กโหลดที่ไม่คาดคิดได้อย่างตั้งโปรแกรมของ Cadence แนวทางนี้ตอบโจทย์ความท้าทายเชิงปฏิบัติในการอนุมานที่เอดจ์ นั่นคือการเลือกระหว่างตัวเร่งเฉพาะทางสำหรับการคำนวณโครงข่ายที่หนาแน่น กับความสามารถในการตั้งโปรแกรมที่เพียงพอเพื่อรองรับโมเดลที่เปลี่ยนแปลงอยู่เสมอ ภายในระบบย่อยที่กำหนดค่าให้เหมาะกับเป้าหมายด้านประสิทธิภาพและพลังงานที่แตกต่างกันได้
