DEEPX เป็นบริษัทแบบ fab‑less จากเกาหลีที่มุ่งพัฒนา NPU (Neural Processing Unit) ที่ใช้พลังงานต่ำ ผลิตภัณฑ์หลัก DX‑M1 มีประสิทธิภาพสูงและใช้พลังงานน้อย เหมาะสำหรับการรันงาน AI ด้านการมองเห็นและโมเดลสร้างสรรค์โดยตรงบนอุปกรณ์ ไม่ต้องพึ่งคลาวด์ ทำให้หุ่นยนต์, กล้องอัจฉริยะและระบบอุตสาหกรรมสามารถประมวลผลภาพและข้อมูลเซนเซอร์แบบเรียลไทม์ ลดความล่าช้า เพิ่มความปลอดภัยของข้อมูลส่วนบุคคล และประหยัดพลังงาน
แก้ไขปัญหาอะไรได้บ้าง
การทำ inference ของ AI แบบดั้งเดิมมักต้องพึ่ง GPU ที่ใช้พลังงานสูงหรือเซิร์ฟเวอร์คลาวด์ ซึ่งไม่เหมาะกับอุปกรณ์ขอบที่ต้องการการตอบสนองทันทีและมีข้อจำกัดด้านพลังงาน NPU ของ DEEPX ถูกออกแบบเฉพาะสำหรับโมเดลด้านการมองเห็นและการสร้างสรรค์ มีสถาปัตยกรรมที่เร่งการคูณเมทริกซ์และคอนโวลูชัน ทำให้หุ่นยนต์สามารถทำการตรวจจับวัตถุหรือประมาณท่าทางได้บนเครื่องเอง กล้องอัจฉริยะสามารถทำการเพิ่มคุณภาพภาพหรือแยกพื้นหลังแบบเรียลไทม์ ระบบอุตสาหกรรมสามารถวิเคราะห์ข้อบกพร่องหรือความผิดปกติได้ทันทีที่โรงงาน ลดคอขวดจากการส่งข้อมูลและป้องกันการรั่วไหลของข้อมูล
เหมาะกับใครและใช้ยังไง
- นักพัฒนาหุ่นยนต์: ฝัง DX‑M1 ลงในแขนกลหรือหุ่นยนต์เคลื่อนที่ ทำให้การนำทางด้วยภาพและการวางแผนการเคลื่อนไหวทำได้บนอุปกรณ์
- ผู้ผลิตกล้องอัจฉริยะ: ผสาน NPU เข้าโมดูลกล้องเพื่อให้ได้การวิเคราะห์ภาพและการประมวลผลเชิงสร้างสรรค์แบบเรียลไทม์
- วิศวกรอัตโนมัติอุตสาหกรรม: ติดตั้ง NPU ที่ใช้พลังงานต่ำบนสถานีตรวจสอบของสายการผลิต เพื่อทำการตรวจจับข้อบกพร่องและควบคุมคุณภาพแบบทันที
วิธีใช้ค่อนข้างตรงไปตรงมา: นักพัฒนาติดตั้ง SDK และเครื่องมือแปลงโมเดลของ DEEPX เพื่อนำโมเดลจากเฟรมเวิร์กยอดนิยมอย่าง TensorFlow หรือ PyTorch เข้าสู่ระบบ แล้วทำการดีพลอยบนฮาร์ดแวร์เป้าหมาย เพื่อรับประสบการณ์ inference AI ที่เร็วและใช้พลังงานต่ำ
ฟีเจอร์เด่น
- การคำนวณใช้พลังงานต่ำ
- เร่งประมวลผล AI ด้านการมองเห็นและการสร้างสรรค์
- รองรับเฟรมเวิร์ก deep learning ยอดนิยม
- Inference บนขอบแบบเรียลไทม์
- ใช้งานได้หลากหลายในอุตสาหกรรมและหุ่นยนต์
ข้อดี
- ประหยัดพลังงาน, ความล่าช้าต่ำ, ปกป้องความเป็นส่วนตัว
- SDK ใช้งานง่ายและรวมเข้ากับระบบได้เร็ว
- รองรับงาน AI หลากหลายประเภท
ข้อเสีย
- ไลน์ผลิตค่อนข้างจำกัดในขณะนี้
- ต้องพัฒนาแอปพลิเคชันเอง
กรณีการใช้งาน
- หุ่นยนต์ตรวจจับภาพแบบเรียลไทม์
- กล้องอัจฉริยะเพิ่มคุณภาพภาพทันที
- ระบบอุตสาหกรรมตรวจจับข้อบกพร่องแบบเรียลไทม์
บันทึกบรรณาธิการ
NPU ที่ใช้พลังงานต่ำเป็นโซลูชันที่ทำให้ AI บนขอบเป็นไปได้จริง ปลอดภัยและประหยัดพลังงาน
คำถามที่พบบ่อย
NPU ของ DEEPX รองรับโมเดล AI ประเภทใดบ้าง?
SDK ของ DEEPX สามารถแปลงโมเดลจาก TensorFlow, PyTorch ฯลฯ ให้ทำงานบน NPU ได้ รองรับโมเดลคอนโวลูชันและโมเดลสร้างสรรค์ทั่วไป เช่น การจำแนกภาพ, การตรวจจับวัตถุและการสร้างภาพ
พลังงานที่ใช้ของชิปนี้ประมาณเท่าไหร่?
พลังงานที่ใช้ขึ้นอยู่กับขนาดโมเดลและการใช้งาน แต่ DX‑M1 ถูกออกแบบให้ทำ inference ด้านการมองเห็นที่ระดับมิลลิวัตต์ ซึ่งต่ำกว่าการใช้ GPU อย่างมาก
ต้องมีแพลตฟอร์มฮาร์ดแวร์เพิ่มเติมหรือไม่?
DEEPX มีบอร์ดอ้างอิงให้ทดลองใช้ นักพัฒนาสามารถทดสอบบนบอร์ดนี้ก่อนนำ NPU ไปผสานกับฮาร์ดแวร์ของตนเอง