从节省带宽和能源到更敏捷的实时性能，在嵌入式应用中实施人工智能带来的巨大效益远不止于流行术语。Nordic Semiconductor为客户提供两项独特技术——Neuton模型和Axon NPU，以覆盖业内最广泛的设备、应用及客户需求。

Neuton模型

定制Neuton模型是基于您的数据，通过我们专利的网络生长算法构建的超微型边缘AI模型，可完美适配任何Nordic SoC或SiP设备，利用其主应用核心（CPU）运行边缘AI任务。

• 内存占用比 TensorFlow Lite 模型小 10 倍
• 比在CPU上运行TensorFlow Lite模型快10倍且更节能
• 使用我们的框架创建的自定义Neuton模型的平均内存占用低于5 KB

Axon NPU

Axon NPU 是我们专用的 AI 加速器核心，旨在提升 TensorFlow Lite 模型的运行速度和效率，并已集成于我们性能最强大的 SoC 芯片中。

• 比在CPU上运行相同的TensorFlow Lite模型快15倍，且能效更高
• 相比最接近的竞争产品，能效提升8倍
• 与最接近的竞争产品相比，推理速度提升7倍

为何选择边缘AI？

边缘AI是低功耗无线应用的理想选择，因为它使设备能够本地分析数据，从而减少持续无线电传输的需求——这是无线系统最大的能量消耗源。通过在设备上直接处理传感器信息，您可最大限度减少网络流量、降低延迟，并在连接间歇或不可用时仍保持功能运行。这种本地智能使设备唤醒频率降低，仅传输有效结果，并能依靠小型电池持续运行数月乃至数年。同时，数据本地化存储既增强了隐私与安全性，又实现了更快速、更可靠的决策过程。

什么是“边缘AI”？

边缘AI是指在非云端硬件上运行AI算法和神经网络的概念。其涵盖范围广泛，从边缘服务器和网络基础设施，到高性能计算机、笔记本电脑和智能手机，直至Nordic超低功耗SoC内部的微控制器及其应用设备。在Nordic讨论边缘AI时，我们通常仅指与Nordic SoC和SiP相关的部分——即在低功耗无线设备上运行AI算法和神经网络，将边缘AI真正带到最前沿。

两项独特互补的技术

Nordic Semiconductor 为边缘人工智能提供两项独特技术，仅适用于 Nordic 硬件，针对不同应用场景并支持不同硬件目标。

Neuton模型

Neuton模型是基于我们专有神经网络框架创建的超小型边缘AI模型。其体积小巧且运行高效，使在Nordic任何SoC的常规CPU核心上运行边缘AI应用成为可行方案，可解决基于时间序列传感器数据（如加速度计、惯性测量单元、光电血氧仪、温度及电力测量传感器输出）的多种AI挑战。

Axon NPU

Axon是我们集成的AI加速器，旨在提升TensorFlow Lite模型的运行速度与效率。Axon NPU将集成于部分Nordic SoC产品中，适用于处理基于高频率时间序列数据的边缘AI挑战，以及音频和图像分类任务。

了解更多关于nRF54LM20B的信息——这是我们首款集成Axon神经处理单元（NPU）的产品。

独特的自生长神经网络

Neuton模型

Neuton模型是基于我们专有神经网络框架创建的超微型边缘AI模型。其体积小巧且运行高效，使在Nordic SoC的普通CPU核心上运行边缘AI应用成为解决诸多AI挑战的可行方案。基于时间序列传感器数据的应用（如加速度计、惯性测量单元、光电血氧仪、温电传感器输出）是Neuton模型的理想场景。该模型通过逐个神经元构建，打造出兼具最高精度、最高效率与最小体积的神经网络。此过程无需人工优化或用户输入网络架构，可生成不含冗余神经元与连接的独特神经网络。

在Nordic边缘人工智能实验室中培育您的定制Neuton模型

 

定制化Neuton模型

构建边缘AI模型的更智能方案

挑战

传统神经网络面临根本性挑战：它们需要人工架构设计，且依赖常会产生数百万参数臃肿模型的方法。数据科学家必须在资源密集且不精确的试错过程中，费力调整从学习率到层深度的数十个变量。

Neuton模型解决方案

定制化Neuton模型采用颠覆性方法。它摒弃预设结构，通过逐个神经元构建神经网络，在学习过程中自动确定最优架构。这种精细化构建流程结合专利全局优化算法（规避了传统梯度下降法的缺陷），在保持精度的同时生成惊人紧凑的模型。

成果

打造全自动化系统，使用门槛极低。只需提供数据集与目标变量，Neuton将自动完成结构构建、交叉验证及过拟合控制。该框架生成的模型体积远小于传统神经网络，可在资源受限设备上实现更快的预测与部署，同时保持卓越的准确性和泛化能力。

Nordic Edge AI Lab

Nordic Edge AI Lab （边缘人工智能实验室）是您通往超高能效边缘智能的门户。依托我们专利的神经网络框架，它能在数分钟内将您的传感器数据转化为紧凑高效的人工智能模型，随时可部署于Nordic的超低功耗SoC和SiP芯片上。无需数据科学知识或经验，只需优质数据集和积极态度，其余工作由Edge AI Lab全权处理。

边缘AI实验室文档请参阅此处。

前往 Nordic Edge AI Lab

基准测试

轴承故障检测案例研究

基于凯斯工程学院数据集构建的模型

Total Footprint		LiteRT	Neuton	Neuton Advantages
NVM	TinyML framework (model + inference engine + DSP)	61.7	6.6	9 times smaller model
RAM	TinyML framework (model + inference engine + DSP)	11.2	1.2	9 times smaller model
Inference time (ms)		360	1,46	246 times faster
Holdout validation accuracy		0.79	0.98	19% higher accuracy

测试在nRF52840平台上同时运行Neuton和LiteRT模型，并使用相同的验证数据集进行测试。

“Magic Wand”手势识别

Total Footprint		LiteRT	Neuton	Neuton Advantages
NVM	TinyML framework (model + inference engine + DSP)	79.96	5.42	14 times smaller model 43% reduction of total NVM use
	Device drivers and business logic	93.47	93.47
RAM	TinyML framework (model + inference engine + DSP)	18.2	1.72	10 times smaller model 26% reduction of total RAM use
	Device drivers and business logic	45.69	45.69
Inference time (µs)		55,262	1,640	33 times faster
Holdout validation accuracy		0.93	0.94	0.7% higher accuracy

测试在nRF52840平台上同时运行Neuton和LiteRT模型，并使用相同的保留数据集进行验证。

应用案例

预测性维护及楼宇自动化系统

在楼宇自动化系统中，嵌入式机器学习技术可用于实时监测设备运行状态，并在故障发生前进行预测。通过在边缘设备上直接分析传感器数据，这些系统能够识别暖通空调、照明及安防系统的运行模式与异常情况，无需依赖持续的云端连接。此方案不仅能减少设备停机时间、优化能源使用、降低维护成本，更能打造更智能、响应更迅速的楼宇环境。

能在每个节点进行本地数据分析的智能传感器网络

智能传感器网络可利用嵌入式机器学习在信息源头直接处理数据，从而降低延迟并减少带宽需求。每个节点都能独立识别模式、过滤噪声并作出实时决策，从而构建更高效且可扩展的系统。这种去中心化方法显著提升了响应速度和可靠性，尤其在环境监测、工业自动化和智能建筑等应用场景中，即时洞察与最小化数据传输至关重要。

遥控器与可穿戴设备的动作和手势识别

对于遥控器和可穿戴设备，嵌入式机器学习技术能够直接在设备端实时解析动作数据。通过在嵌入式处理器上运行轻量级机器学习模型，这些设备无需持续连接云端即可精准识别并分类用户手势。这使得在无接触控制、健身追踪和辅助技术等应用场景中，能够实现直观、低延迟的交互体验，同时兼顾能效优化与数据隐私保护。

智能健康可穿戴设备的健康与活动监测

智能健康可穿戴设备日益采用嵌入式机器学习技术，可在设备端直接实现生物特征与运动数据的实时分析。这类设备能以极低延迟追踪生命体征、检测异常状况并分类身体活动。通过本地化数据处理，它们既能保障用户隐私、延长电池续航，又能提供即时反馈，成为持续个性化健康监测及潜在医疗问题早期预警的理想选择。

Axon NPU

无妥协的边缘AI

多年来，为无线物联网设备添加AI功能意味着必须在电池寿命和性能之间做出取舍。在CPU上运行TensorFlow Lite通常速度过慢且内存消耗巨大，而独立NPU则增加了成本和复杂性。尽管Neuton模型已在nRF54L系列CPU上实现了高效的边缘AI处理，但音频、成像和高速率传感器数据等高负载任务仍需专用加速器。

集成式AI加速

Axon是Nordic自主研发的NPU，集成于高内存nRF54LM20B SoC中。其加速TensorFlow Lite模型的推理速度比CPU快达15倍，性能比最接近的竞争无线NPU高出7倍，能效提升8倍，为超低功耗设备带来强劲的边缘AI能力。

简化设计，拓展可能

通过将NPU集成至芯片，Axon消除了对独立加速器的需求，有效降低功耗、物料成本及开发复杂度。从异常检测、生物识别到声音/关键词/图像识别，Axon在各类应用场景中实现业界领先的能效表现——这一切都得益于全加速边缘AI技术的赋能。

搭载这款AI加速器的产品

nRF54LM20B 系统级芯片

集成Axon神经处理单元（NPU）的超低功耗无线系统级芯片，适用于硬件加速的边缘人工智能应用，支持蓝牙低功耗、信道探测、蓝牙Mesh、Zigbee、Thread、Matter、Aliro及2.4 GHz专有协议。

电子书

人工智能如何赋能物联网？本期电子书将助您将强大的边缘人工智能应用到产品中！

下载免费电子书