Arm und STMicroelectronics zielen auf Embedded-Computing für physische KI
Arm und STMicroelectronics arbeiten an der nächsten Generation des Embedded-Computings für physische KI. ST kündigte eine konvergierte STM32-Plattform sowie Cortex-M-basierte STM32A-Mikrocontroller an. Ziel ist es, mehr Intelligenz näher an die Sensoren, Aktoren und Maschinen zu bringen, die mit der physischen Welt interagieren.
- Arm und STMicroelectronics gestalten die nächste Cortex-M-Roadmap für physische KI.
- ST kündigte eine konvergierte STM32-Plattform und Cortex-M-basierte STM32A-Mikrocontroller an.
- Systeme für physische KI verbinden Rechenebenen für Wahrnehmung, Interaktion und Bewegungsausführung.
- Laut Arm sind Sicherheit, Schutz, Vorhersagbarkeit und Redundanz für autonome Maschinen unverzichtbar.
- Arm schätzt, dass physische Branchen bis in die 2030er-Jahre eine jährliche Computing-Chance von 200 Milliarden US-Dollar darstellen.
Physische KI muss Entscheidungen in Handlungen umsetzen
Arm beschreibt physische KI als eine Systemherausforderung, die über die Entwicklung leistungsfähigerer KI-Modelle hinausgeht. Industriemaschinen, Roboter und Fahrzeuge müssen ihre Umgebung wahrnehmen, Entscheidungen treffen, Bewegungen koordinieren und schnell sowie sicher reagieren. Dabei müssen sie innerhalb von Grenzen bei Leistung, Gewicht, Wärmeentwicklung und Kosten arbeiten.
Als Beispiel nennt das Unternehmen einen Roboter, der ein Glas aufhebt. Das System muss das Objekt erkennen, seine Position bestimmen, eine Route planen und die nötige Kraft berechnen, um es zu greifen, ohne es zu zerbrechen. Sensoren und Aktoren überwachen anschließend Druck, Position und Bewegung, während Motoren und Steuerungssysteme in Echtzeit Anpassungen vornehmen.
Arm unterscheidet in diesen Systemen drei miteinander verbundene Rechenebenen: wahrnehmungsbasierte Intelligenz, interaktionsbasierte Intelligenz und die Ausführung von Bewegungen. Cloud- oder Rechenzentrums-Computing bildet eine zusätzliche Ebene für Flottenmanagement, Simulation und Training. Sicherheit und Schutz bilden laut Arm die Grundlage aller Ebenen.
Arm und ST skizzieren eine Cortex-M-Ausrichtung
Auf dem STM32 Summit kündigte STMicroelectronics diese Woche eine strategische Ausrichtung auf eine konvergierte STM32-Plattform für physische KI an. Zudem stellte das Unternehmen eine Reihe Cortex-M-basierter STM32A-Mikrocontroller für autonome Systeme vor, die ein hohes Maß an Vorhersagbarkeit und Redundanz erfordern.
Arm zufolge sind diese Systeme darauf ausgelegt, auch beim Ausfall einzelner Komponenten einen sicheren und zuverlässigen Betrieb aufrechtzuerhalten. Die Zusammenarbeit der Unternehmen verbindet Arms Prozessorarchitektur und Software-Ökosystem mit der Expertise von STMicroelectronics bei Embedded-Anwendungen.
Die Arbeit baut auf jahrzehntelanger Entwicklung von Arm Cortex-M für industrielle, automobile und Unterhaltungselektronik-Produkte auf. Arm zufolge treibt das Cortex-M-Portfolio Milliarden von Geräten an. Cortex-M55 und Cortex-M85 bringen Signalverarbeitung und maschinelles Lernen in Mikrocontroller-Systeme, die durch Leistungsaufnahme und Kosten begrenzt sind.
Warum Embedded-Steuerung für physische KI wichtig ist
Arbeitslasten für Wahrnehmung und Interaktion können Arm Zena Compute Subsystems nutzen. Sie bieten eine Grundlage für die Integration von Prozessoren, Anwendungs-CPUs, KI-Beschleunigern, Speicher und Interconnects. Arm verweist zudem auf die Zusammenarbeit mit Cadence, durch die Partner die Integration und Verifizierung vereinfachen können.
Die Ebene für die Ausführung von Bewegungen stellt andere Anforderungen. Ihre Komponenten müssen schnelle, vorhersehbare Reaktionen liefern, damit KI-Entscheidungen in präzise physische Bewegungen umgesetzt werden können. Embedded-Prozessoren übernehmen die Echtzeit-Wahrnehmung, Entscheidungsfindung und Steuerung und halten die Intelligenz damit nahe an Sensoren und Aktoren.
Für Anwender und den Gesamtmarkt signalisiert die Ankündigung, dass physische KI auf abgestimmtem Computing über Modelle, Embedded-Prozessoren und Steuerungssysteme hinweg angewiesen sein wird. Arm schätzt, dass physische Branchen bis in die 2030er-Jahre eine jährliche Computing-Chance von 200 Milliarden US-Dollar darstellen. Das Unternehmen erklärt, dass kontinuierliche Investitionen in seine Technologieroadmap und Partnerschaften im Ökosystem dazu beitragen sollen, diese Chance durch effizientere, zuverlässigere und reaktionsfähigere Maschinen zu erschließen.
