光说AI是不足的。“边缘AI”被认为是减少延迟和带宽、提高可靠性、增加数据安全和隐私，同时减少边缘打算功耗的关键。
但不是所有的“边缘AI”都是一样的。
关于在何处以及如何将AI置于边缘的问题，方法各不相同。一些供应商利用自己的MCU，另一些则将AI嵌入到无线SoC中。许多AI初创公司希望将其AI处理器设计到终端系统中。
AON的CEO Mouna El Khatib提醒说，问题是，由于对OEM们很重视履行结果，以是其结果在功耗、处理速率和AI算法性能方面可能会让系统OEM失落望。
特定运用的AI处理器
AON是一家位于加州Irvine的fabless公司，专门从事特定运用的边缘AI处理器。AON将其义务描述为“在电池供电的设备中实现语音激活和声音识别的边缘AI”。
许多AI芯片初创公司的紧张目标是在探索运用之前设计神经网络处理器，与此不同，El Khatib从一开始就知道她的处理器必须办理的问题。她说：“我想创造一种办理方案，担保任何模式识别都是开箱即用的。”
对付AON来说，AI不是目标，而是办理特定运用问题的手段。
在创建AON之前，El Khatib曾在Connexant和Qualcomm从事语音、音频和硬件DSP SoC领域担当首席工程师，此外还曾在Brainchip短暂任职。她的亲自经历让她理解到边缘AI的局限性和陷阱。
她说，边缘AI每每会引发“硬件、软件和算法开拓者之间彼此推责”。它可以由须要大量手工编码软件的音频DSP处理器和功耗很大的通用CPU实现。一个带有神经网络加速器的稠浊方法可能须要繁芜的调度。处理器和算法之间的不匹配（硬件不足强大，无法运行算法，或者第三方算法太大，无法在通用途理器上运行）并不罕见。
最糟糕的结果是识别性能不佳。El Khatib说：“如果它不能一贯事情，或者它不准确，人们就不会信赖边缘AI。”
因此，她阐明说，AON已经开拓了将算法嵌入ASIC的办理方案。她指出，“我们认为算法和硬件的共同设计对付在超低功耗下供应高性能语音和声音识别至关主要。”
AON的产品
AON以两种形式供应其边缘AI处理器，IP和机器学习芯片。神经处理ASIC与深度学习算法紧密耦合。
AON声称，其超低功耗和多模态芯片可以同时处理多个语音指令、声音事宜和传感器领悟。通过添加另一个传感器（如加速度计）AON的多核AI可以处理手势识别，为识别的声音添加高下文。
AON的神经处理ASIC称为AON1100，实现了“通过利用单个麦克风，而不是像许多公司那样依赖两个麦克风，在0dB信噪比下的命中率达到90%”。
该芯片采取40nm工艺制造，功耗为260µW。当被问及在产品中添加AON的SoC的本钱时，El Khatib表示，根据数量，AON1100的本钱为1-2美元。
AON的经营状况
在一个习气于用融资能力来衡量AI芯片初创公司的代价和技能的行业氛围中，AON一贯未受关注。
事实证明，2018年以260万美元种子资金成立的AON不须要融资，由于它已经有了三个付费的大客户，两个芯片供应商和一个大型移动OEM。
个中一个客户是Dialog Semiconductor。根据AON网站上的先容，Dialog正在将AI集成到该公司的前辈无线通信IC中，以“在边缘为所有运用供应语音活动和热词检测”。
当被问及那个大型移动OEM客户时，El Khatib阐明说，它正在授权AON的IP，操持集成到自己的SoC中。
这位CEO指出，AON目前正在进行A轮融资，目标是1000万-1500万美元。
AON的管理团队由履历丰富的高管组成，他们曾在Connexant、Qualcomm、Intel和Broadcom等公司事情。例如，COO Ziad Mansour曾担当工程高等副总裁，领导Qualcomm的CDMA技能（QCT）部门的数字硬件组。Khatib说服他在退休后加入AON。
语音/声音识别的演化
Fortune Business Insights预测，语音/声音识别市场将从2018年的69亿美元增长到2026年的2830亿美元。
在这一两位数的年复合增长率背后，是匆匆使其发展的一系列创新。从“Hey Siri”、“OK，Google”等智能音箱和智好手机开始，语音识别技能已经发展到耳机、智好手机和IoT等设备上的声音识别。现在，该技能可以在遥控器或耳机上供应有或无唤醒词的设备语音指令。
AON认为，未来的方向是支持“同时利用多个唤醒词、语音指令、声音识别和传感器领悟”的设备。这类设备包括hearables、可穿着设备、机器、机器人，乃至是车辆。
鉴于语音识别技能的快速发展及其迅速发展的运用，El Khatib为边缘AI办理方案将变得无处不在的未来提出了一些基本规则。“首先，它必须永久开着，而且必须以超低功耗事情。”
其次，她说，“我们须要在不该用降噪的情形下实现语音和声音识别。”现实天下是混乱和喧华的。语音和声音识别必须能够经受住这种现实。更主要的是，耳机和hearables的声音识别该当能够通过自动禁用降噪和降落音量来提醒用户把稳外部危险，如鸣笛和婴儿的苦恼，用音乐质量换取安全。
竞争格局
除了一大批新的AI处理器公司，许多MCU供应商也在寻求在边缘实现AI。
一批SoC供应商正在考虑将机器学习集成到边缘设备中，并称这种趋势是“IoT中备受期待的发展之一”。例如，Silicon Labs正在供应内置AI/ML硬件加速器的无线SoC。
添加一个硬件加速器作为协处理器来减轻MCU负载是实现AI/ML的一个盛行方法。但也有须要留神的地方。
El Khatib阐明说：“一样平常来说，这些硬件加速器仍旧须要在MCU中进行大量的处理，造成更高的功耗和更高的延迟。”她说，紧张的问题是，这是一个通用系统，须要OEM厂商探求和嵌入自己的算法。芯片公司哀求OEM从第三方采购工具，同时连续对终极系统卖力。El Khatib说：“基本上，购买了这些部件的系统公司必须确保他们组合起来的办理方案有效。”
AON的任务是通过供应完全的办理方案来避免繁芜化：硬件、算法、工具和软件被设计为协同事情。El Khhatib声称：“客户只需定义用例，向工具组供应数据，并迅速启动和运行。”
同时，像Apple这样的智好手机公司正在其运用场置器上运行AI/ML软件。例如，iPhone可以运行声音识别，检测玻璃破碎、烟雾警报或婴儿哭闹等情形。在一个视频演示中，AON将自己的办理方案与基于iOS15的iPhone进行了比拟，虽然iPhone在检测声音，但用户无法利用语音识别功能（嘿，Siri）。在演示中，iPhone在声音检测和识别方面也涌现了延迟。但最大的问题是功耗，El Khatib指出，“在运用场置器中运行软件对电源来说不是最好的选择。”
AON尚未对外透露其处理架构的细节。但在AI初创公司中，这家公司分歧凡响，由于它没有专注于激烈的TOPS竞争或追逐资金。AON明确专注于特定的运用（以超低功耗进行语音和声音识别），正在采纳实用的边缘AI路线。
