半导体制造商ROHM推出一款On Device学习AI晶片（配备On Device学习AI加速器的SoC），该产品利用AI（人工智慧）技术，能以超低功耗即时预测内建马达和感测器等电子装置故障（故障迹象检测），非常适用於IoT领域的边缘运算装置和端点。

ROHM推出数十毫瓦等级超低功耗On Device学习AI晶片

一般而言，AI晶片要能彻底发挥功能，需要进行判断标准设定的「学习」，以及透过学到的资讯判断如何处理的「推理」。因此，「学习」需要汇集庞大的资料，组成资料程式库并随时进行更新，导致进行学习的AI晶片需要具备很高的运算能力，并且功耗也会随之增加。正因如此，针对云端计算装置研发的高性能、昂贵的AI晶片不断推出，而适用於边缘计算装置和端点（更有效地构建物联网社会的关键）的低功耗、可进行On Device学习的AI晶片的研发却困难重重。

此次研发出的AI晶片，是ROHM基於日本厌应义塾大学松谷教授所研发的「On Device学习演算法」，针对商业化的AI加速器（AI专用硬体计算电路）和ROHM 8位元高效CPU「tinyMicon MatisseCORE（以下简称 Matisse）」所构成。透过结合2万Gate超小型AI加速器与高效CPU，便能以仅数十毫瓦（仅为传统AI学习晶片的1/1000）的超低功耗进行学习和推理。使用本产品，无需连接云端伺服器，就可以在装置现场将未知输入资料中的「与平常的相异」加以数字化後输出，因此可在众多应用中达到即时故障预测。

今後ROHM计画将该AI晶片的AI加速器应用在IC产品中，以实现马达和感测器的故障预测。并计画於2023年度推出产品，於2024年度投入量产。

日本厌应义塾大学 理工学部资讯工学科 松谷 宏纪 教授表示，随着5G通讯和Digital Twin等物联网技术的发展，对云端计算的要求也越来越高，然而，在云端伺服器上处理所有资料，从负载、成本和功耗方面看并不具现实性。我们所研究的「On Device学习」和开发中的「On Device学习演算法」，是为了提高边缘端的资料处理效率，打造出更好的物联网社会。本次，我们与ROHM进行联合研究，进一步改善了On Device学习电路技术，并有??以高CP值的型态推出产品。我们预计在不久的将来，这种原型AI晶片将会成功嵌入ROHM的IC产品中，有助实现更高效的物联网社会。