EINDHOVEN - NXP Semiconductors N.V. (NASDAQ: NXPI) ha annunciato una collaborazione con NVIDIA per integrare i modelli di intelligenza artificiale (AI) addestrati da NVIDIA nei dispositivi di edge processing di NXP. Questa integrazione è facilitata dall'ambiente di sviluppo per l'apprendimento automatico eIQ di NXP, che ora include le API TAO Toolkit di NVIDIA, e che fa di NXP il primo produttore di semiconduttori a offrire una tale integrazione diretta per l'implementazione di modelli di intelligenza artificiale nell'edge.
La partnership mira ad accelerare lo sviluppo dell'AI, offrendo agli sviluppatori un processo semplificato per portare i modelli di AI sul mercato. Incorporando NVIDIA TAO Toolkit nell'ambiente di sviluppo dell'apprendimento automatico eIQ, gli sviluppatori possono sfruttare i modelli di IA pre-addestrati e personalizzarli tramite l'apprendimento per trasferimento. L'ambiente eIQ semplifica il processo di distribuzione con una suite di software, motori di inferenza, compilatori di reti neurali e librerie ottimizzate.
Charles Dachs, Senior Vice President e General Manager, Industrial and IoT Edge di NXP, ha sottolineato la sinergia creata dalla combinazione delle competenze di NVIDIA nell'addestramento e nel test dei modelli di intelligenza artificiale con l'esperienza di NXP nell'innovazione dell'edge industriale e dell'IoT. Anche Deepu Talla, Vice President of Robotics and Edge Computing di NVIDIA, ha sottolineato la semplificazione della creazione e dell'implementazione di modelli di intelligenza artificiale che questa collaborazione comporta.
L'ambiente di sviluppo software eIQ supporta gli algoritmi di IA su un'ampia gamma di microcontrollori e microprocessori di NXP ed è integrato negli ambienti di sviluppo MCUXpresso SDK e Yocto Project Linux di NXP. L'aggiunta delle API NVIDIA TAO a eIQ promette una piattaforma unificata per la formazione, l'ottimizzazione e la distribuzione dei modelli.
NVIDIA TAO offre un workflow guidato da API con una raccolta di modelli pre-addestrati, consentendo agli utenti di costruire modelli AI personalizzati con ottimizzazioni che migliorano il throughput di inferenza.
Questo articolo è stato generato e tradotto con il supporto dell'intelligenza artificiale e revisionato da un redattore. Per ulteriori informazioni, consultare i nostri T&C.