低功耗微控制器可用于实施简单的神经网络运算，但延迟会受到影响，且只能在边缘执行简单任务。

通过集成专用的神经网络加速器，MAX78000克服了这些局限性，凭借在本地以低功耗实时执行AI处理，使机器能够看到和听到复杂的型态。由于MAX78000执行推理的功耗不到微控制器软件运行功耗的百分之一，大幅提高了机器视觉、语音和面部识别等应用的工作效率。

MAX78000的核心是专用硬件，其设计旨在最大程度地降低卷积神经网络(CNN)的能耗和延迟。该硬件运行时几乎不需要任何微控制器核的介入，意味着操作的流线化程度极高。能量和时间仅用于实施CNN的数学运算。

鉴于AI开发的挑战性，Maxim Integrated提供了工具，实现平稳的评估和开发体验。MAX78000EVKIT#包括音频和摄像头输入，开箱即用的演示平台支持大字表关键词检索和面部识别。完备的文档可帮助工程师训练MAX78000网络，且采用其日常使用的工具：TensorFlow或PyTorch。

主要优势

低能耗：硬件加速器与超低功耗ARM M4F及RISC-V微控制器相结合，将智能化实施推进到边缘，能耗不足嵌入式竞争方案的百分之一。

低延迟：在边缘执行AI功能，实现复杂的认知，使IoT应用减少或省去云端事务处理，速度提高到软件方案的100倍。

高度集成：带有神经网络加速器的低功耗微控制器使得在电池供电的IoT设备中是实现复杂、实时认知成为可能。

人工智能往往与大数据云端方案联系在一起。任何能够脱离电源线和对大容量锂离子电池组依赖的技术都有助于开放设计人员的思路，进而构建更敏捷、更适应其运行环境的AI方案。

我们已经省去了边缘AI实施的电源线。电池供电IoT设备现在能做的远远超出简单的关键词识别。我们已经改变了不得不在功耗、延迟和成本之间取舍的游戏规则，我们期待这项创新技术催生新的应用领域。

为了将外部世界的采集数据高效输入到CNN引擎，用户可使用两种集成微控制器核之一：超低功耗ARMò Cortexò-M4 核，或功耗更低的RISC-V核。

(素材来源：eccn和ttic.如涉版权请联系删除。特别感谢）