低容量LPDDR4x DRAM边缘AI的最佳选择

华邦的LPDDR3 DRAM能支持耐能KL720的高处理量和效能效率，最高带宽达8.5GB/s，可在双1.2V/1.8V供电下运作，且能实时处理4K、Full HD或3D传感器的视讯影像。华邦电子

边缘AI芯片的市场规模预计将在2025年第一次超越云端AI芯片市场。国际科技市场信息公司，ABI Research的数据显示，边缘AI芯片市场营收将在2025达到122亿美元，超越云端AI芯片市场的119亿美元营收额。边缘AI的应用范围包括智能手机、穿戴式设备、智能汽车、智能家居、智能工业，以及智能城市等。其中，智能家居是边缘AI市场发挥最主要的应用。

此前大多数AI的工作负载都在公有云端或者私有云端上进行。传统上，将工作负载集中上传到云端上进行，更具灵活性。然而，由于对隐私、网络安全以及低延迟的需求，在闸道、设备端以及传感器上执行AI逻辑推理成为了首要选择。在这领域的最关键进展包括了新的AI学习架构以及高性能计算芯片组，在这一转变中发挥了重要作用。

边缘AI尽可能使用实体系统来进行数据计算，其优点是数据处理过程不需要连接网络。边缘计算发生在网络的边缘，即数据的产生端，而不是在集中的数据处理中心。边缘AI的最大优势之一就是可确保对时间敏感的需求应用得到实时结果。在许多应用场景，传感器的数据可以被直接收集交流以及通信，而无需将数据传输到对时间敏感的云端数据处理中心。

深度学习除了应用在智能手机以外，也被广泛应用在物联网设备中(智能物联网)。边缘AI为传统物联网领域引入了全新概念。然而，作为物联网设备的传统运算单元，MCU的计算能力较弱不足以支持其进行深度学习。

目前，有两种硬件机制来辅助MCU进行深度学习：DSP或专用加速器(Deep Neural Network/DNN)。此硬件机制可作为IP或者芯片搭载于MCU之上。

卷积层以及全联通层均使用DNN演算法，它们的基本组成部分是乘法和累加计算(MAC)。为了达到高效能，经常使用高度并行的计算方法。许多存储在DRAM中的权重反覆运算都会根据不同的训练模式进行更新。

不管上述机制如何，DRAM的输送量都是DNN的关键。因此，选择一个合适的DRAM成为了AIoT的核心问题。与云端环境不同，在进行边缘计算时需要考虑低功耗的问题。AIoT设备设计者必须寻求低功耗与高效能的平衡。除此之外，在AIoT设备中的DRAM容量需求与常规的8-16Gb/片不同，只需要1-2Gb。

AI处理器芯片市场的领导厂商耐能(Kneron)致力于为边缘计算应用提供高效能系统芯片(SoC)，旗下的KL720 SoC上搭载了华邦的1Gb LPDDR3 DRAM。此外，这并不是耐能与华邦的首次合作，此前推出的KL520搭载华邦的512Mb LPDDR2，多使用在智能锁和无人机等电池供电的应用。

华邦的LPDDR3 DRAM能支持耐能KL720的高处理量和效能效率，最高带宽达8.5GB/s，可在双1.2V/1.8V供电下运作，且能实时处理4K、Full HD或3D传感器的视讯影像，为家居安防摄影机的人脸识别、公用信息站的手势控制等AI应用提供支持。此外，该产品的1.4 TOPS效能甚至能同时支持实时视讯和自然语言处理。

除此之外，华邦的LPDDR3 DRAM低容量高带宽的特性使其在汽车应用领域中也潜力巨大，例如高级驾驶辅助系统(ADAS)，该系统需采用可进行实时视讯影像处理的镜头。同时，越来越多的物联网终端设备也需要配备低容量，高带宽的存储器产品，使其能够实现基本的人工智能推论功能。

LPDDR4/4x x32具有LPDDR3和LPDDR2相同的优势，但其带宽几乎可以达到LPDDR3的两倍。在降低功耗方面，LPDDR4x的IO电压为0.6(V)，而LPDDR4为1.1(V)。虽然JEDEC已经发布了最新的LPDDR5标准，但是刚刚上市的LPDDR5的容量仍然很高，无法应用于AIoT领域。

因此目前，如果我们需要比LPDDR3更强大的人工智能计算能力，LPDDR4x仍然是最佳选择。

华邦电子拥有自建晶圆厂，是可同时提供DRAM和NOR/NAND快闪存储器的四大IC制造商之一。华邦LPDDR4/4x DRAM系列的容量为1~4Gb，采用自主研发的25nm技术节点，I/O数据传输可达4266Mbps，目前提供标准200BGA封装。