Matter標準落地難題如何解？推首款Matter定制芯片

       智東西5月20日消息，芯科科技（SiliconLabs）新推出的BG24和MG24芯片是業界唯一支持Matter，具有人工智能、機器學習功能、更高內存和更高安全性的物聯網邊緣設備SoC，該款芯片已于今年1月發布。

去年4月，這家公司出售了整個汽車和基礎設施業務，將業務集中于物聯網領域。芯科科技中國區總經理周巍說：“芯科科技是業界唯一一家專注于物聯網行業的半導體公司。”

芯科科技是Matter標準最初的七個創始者之一，他們對Matter標準制定的源代碼貢獻已經超過20%。

目前，采用40nm制程的BG24和MG24已經正式量產。他提到，在缺芯背景下，芯科科技的產品供應沒有受到影響，今年第三季度Matter1.0的SDK即將公開，到時可能有大量支持Matter協議的設備推出。

智東西等媒體與芯科科技中國區總經理周巍進行了深入交流，解讀了新發布產品的技術細節，就Matter標準的落地情況和物聯網市場趨勢等內容進行了交流。

一、處理速度最多提升4倍，3大舉措無縫連接Matter

人工智能、機器學習技術的概念十分廣泛，周巍說：“我們所談的人工智能和機器學習僅針對物聯網邊緣設備，不包含其他如元宇宙、云計算在內的領域。”

目前，BG24和MG24芯片可以應用于智能家居、智能醫療、智慧城市等多種領域，且更注重包容性的無線傳輸、低功耗以及數據隱私保護。

例如在物聯網照明場景下，很多設備需要耐高溫，因此芯科科技也針對不同場景、客戶需求提供了多樣化的模組。周巍說，芯片產品最高可支持125度。

其次，BG24和MG24芯片作為第一款人工智能、機器學習功能用于邊緣設備的芯片，內置了專用人工智能、機器學習加速器等超低功耗器件。

經芯科科技內部測試顯示，相比于Arm的M系列內核Cortex-M，其處理速度提升了2-4倍，并且處理功耗降低多達6倍。

此外，由于機器學習計算是在本地設備運行，能夠進一步縮短云端計算的延遲，還能提高數據安全性。

這兩款芯片還搭載了1.5MB閃存和256KBRAM，這一設計是為Matter協議推出后預留設計空間。

當問及與支持Matter協議的設備集成時，周巍告訴智東西：“Matter的落地和普及還需要一段時間，為了和客戶的智能家居設備更好集成，我們有三種做法。”

首先，芯科科技現有的產品可以幫助客戶將支持ZigBee通信協議的產品連接到Matter協議中，并且他們還在研發支持藍牙等通信協議連接的產品。

第二，針對部分在網關端也可以支持Matter的客戶，芯科科技也會協助其在網關端搭載相應定制產品。

第三，一定情況下，他們也會協助客戶開發相應的APP。

二、搭載AI、ML提升傳感器、聲音、影像性能

BG24和MG24芯片搭載了人工智能（AI）、機器學習（ML）硬件加速器能夠實現高效的邊緣機器學習計算。

在傳感器領域，人工智能和機器學習可以應用到ADC（多路模數轉換器）或GPIO（端口擴展器）的時序數據上，提升ADC的性能，可以滿足傳感器提高精度、快速響應的需求。

在聲音上，搭載人工智能和機器學習技術的芯片可以形成帶波束成形（Beamforming）的音頻麥克風陣列，以及帶音頻前端和數字信號處理器（DSP）的音頻麥克風輸入。

在影像采集上，芯片能夠搭載指紋讀取器等。

周巍說：“將人工智能和機器學習技術應用于芯片領域，能夠在低功耗、低延遲、數據安全、低成本方面得到較大提升。”

他還提到，物聯網市場蘊含著巨大潛力，人工智能和機器學習技術能為可穿戴醫療設備、工業監測傳感器等邊緣應用帶來更多智能化升級。然而，很多開發人員在部署人工智能和機器學習上，會面臨性能和功耗上的困境。

因此，在人工智能和機器學習領域，芯科科技與物聯網終端開發商SensiML、物聯網平臺提供商EdgeImpulse和端到端開源機器學習平臺TensorFlow等展開合作。