半導體製造商ROHM推出一款On Device學習AI晶片（配備On Device學習AI加速器的SoC），該產品利用AI（人工智慧）技術，能以超低功耗即時預測內建馬達和感測器等電子裝置故障（故障跡象檢測），非常適用於IoT領域的邊緣運算裝置和端點。

ROHM推出數十毫瓦等級超低功耗On Device學習AI晶片

一般而言，AI晶片要能徹底發揮功能，需要進行判斷標準設定的「學習」，以及透過學到的資訊判斷如何處理的「推理」。因此，「學習」需要彙集龐大的資料，組成資料程式庫並隨時進行更新，導致進行學習的AI晶片需要具備很高的運算能力，並且功耗也會隨之增加。正因如此，針對雲端計算裝置研發的高性能、昂貴的AI晶片不斷推出，而適用於邊緣計算裝置和端點（更有效地構建物聯網社會的關鍵）的低功耗、可進行On Device學習的AI晶片的研發卻困難重重。

此次研發出的AI晶片，是ROHM基於日本慶應義塾大學松谷教授所研發的「On Device學習演算法」，針對商業化的AI加速器（AI專用硬體計算電路）和ROHM 8位元高效CPU「tinyMicon MatisseCORE（以下簡稱 Matisse）」所構成。透過結合2萬Gate超小型AI加速器與高效CPU，便能以僅數十毫瓦（僅為傳統AI學習晶片的1/1000）的超低功耗進行學習和推理。使用本產品，無需連接雲端伺服器，就可以在裝置現場將未知輸入資料中的「與平常的相異」加以數字化後輸出，因此可在眾多應用中達到即時故障預測。

今後ROHM計畫將該AI晶片的AI加速器應用在IC產品中，以實現馬達和感測器的故障預測。並計畫於2023年度推出產品，於2024年度投入量產。

日本慶應義塾大學 理工學部資訊工學科 松谷 宏紀 教授表示，隨著5G通訊和Digital Twin等物聯網技術的發展，對雲端計算的要求也越來越高，然而，在雲端伺服器上處理所有資料，從負載、成本和功耗方面看並不具現實性。我們所研究的「On Device學習」和開發中的「On Device學習演算法」，是為了提高邊緣端的資料處理效率，打造出更好的物聯網社會。本次，我們與ROHM進行聯合研究，進一步改善了On Device學習電路技術，並有望以高CP值的型態推出產品。我們預計在不久的將來，這種原型AI晶片將會成功嵌入ROHM的IC產品中，有助實現更高效的物聯網社會。