谷歌边缘计算AI芯片开始预定！Coral Mini售价竟低于100美元

单板计算机（SBC）是非常流行的AI开发平台，树莓派一直是该系列的行业标杆。当然，还有很多公司有着这方面的开发，如华硕、Hardkernel和谷歌等。

Google Coral SBC 是第一款搭载Google Edge TPU的开发板。该AI加速器结合了NXP i.MX 8M四核Arm Cortex-A53处理器和1GB内存，提供了一个全功能的AI边缘计算平台。

然而，这个东西价格不菲，常常令学生党和业余爱好者望而却步。

它最初的售价为175美元，现在的零售价仍为160美元。

去年11月，谷歌宣布了一款名为Coral Dev Board Mini，好消息是，该板现在已经可以在Seeed Studio上以低于100美元的价格预订，并计划在月底开始发货。

边缘智能被称作是人工智能的最后一公里。

虽然比原始的Coral Dev开发板便宜，但是Dev Board Mini并没有减少功能。

Googl在去年3月份推出了Coral Edge TPU，这是一款售价千元人民币的开发板（Coral Dev Board），由Edge TPU模块和 Baseboard 组成。参数如下：

Coral是Google用于构建具有设备上AI功能的IoT硬件的平台。Google结合了软件工具和预编译的模型，推出了Coral Dev Board Mini，它提供了比Coral Dev Board更小的外形尺寸。

mini版本的前后面展示

自Coral Dev Board Mini 发布以来，规格上没有太大变化，Coral Dev Board Mini的尺寸为64 x 48mm，低于原始开发板上的88.1 x 59.9mm。SBC随附2GB LPDDR3和8GB eMMC。从原始开发套件中删除的功能包括microSD插槽以及GbE和USB 3.0主机端口。保留了双USB 2.0 Type-C端口，HDMI 2.0a端口已缩小为微型HDMI 1.4。

像较大的主板一样，Mini为802.11ac提供了蓝牙（现为5.0），并提供了4通道MIPI-DSI和-CSI2 FFC连接器。同样，它还提供40引脚GPIO连接器和3.5mm音频插孔。您将获得一个数字PDM麦克风和一个2针而不是4针立体声扬声器连接器。我们没有看到原型图像中显示散热片的迹象。

正如Hot Hardware指出的那样，Dev Board Mini与Nvidia的99美元的Jetson Nano开发者套件和新的59美元的Nano 2GB开发者套件抗衡。驱动套件的Jetson Nano模块通过其128核Maxwell GPU提供AI处理。与Nano套件不同，这可能是一个开放规格的板，就像原始的Coral Dev Kit一样，尽管开源文件似乎尚未发布。

以下是一些细节:

• 联发科MT8167S四核Arm Cortex-A35处理器，频率为1.3 GHz,GPU为Imagination PowerVR GE8300
• AI/ML accelerator – Google Edge TPU 与多达 4 TOPS的Coral Accelerator Module
• 系统内存-2GB LPDDR3 RAM
• 存储- 8GB eMMC闪存
• 连接 – 通过联发科MT7668无线芯片802.11a/b/g/n/ac Wi-Fi -5和蓝牙5.0
• 视频输出
• micro HDMI 1.4端口
• 用于4道MIPI-DSI显示器的39针FFC连接器
• 视频-720p视频编码/解码
• 相机-用于4道MIPI-CSI2相机的24针FFC连接器
• Audio -3.5mm音频插孔;数字PDM麦克风;2.54mm 2针扬声器端子;
• USB -2x USB 2.0 c型端口
• 扩展-40针GPIO头
• 电源——通过USB-C端口;MT6392 PMIC
• 尺寸-64x48毫米

Coral Dev Board Mini (左) and Coral Dev Board

相对来说，新主板更为紧凑，内存是原来的两倍，但处理器速度却较慢，这可能会影响AI推理性能。

另外，原先的主板有HDMI 2.0接口，而迷你主板则有micro HDMI 1.4视频输出。

Coral Dev Board迷你单板计算机的用例和特性与为机器学习(ML)推理而设计的平台相同，使用Edge TPU协处理器，理论上可以执行4个TOP，每瓦特2个TOP。

例如，它可以在低功耗下运行MobileNet v2，以接近400帧/秒的速度运行，使用224×224的图像，而不是传统的300×300的图像。

该板运行由谷歌开发的基于Debian的Mendel Linux发行版珊瑚板，支持TensorFlow Lite和AutoML Vision Edge，后者支持「快速、高精度的自定义图像分类模型」。

下图我们可以对比Edge TPU有多小。

Edge TPU就是所谓的「ASIC」（专用集成电路），这意味着它具有FET等小型电子部件，以及能够直接在硅层上烧制，这样它就可以加快在特定场景下的推力速度。但Edge TPU无法执行反向传播。

Google Coral Edge TPU USB加速器

下图显示了Edge TPU的基本原理。

来源：谷歌

像MobileNetV2这样的网络主要由后面带有激活层的卷积组成。公式如下：

卷积

这意味着将图像的每个元素（像素）与内核的每个像素相乘，然后将这些结果相加，以创建新的「图像」（特征图）。这正是Edge TPU的主要工作。将所有内容同时相乘，然后以疯狂的速度添加所有内容。这背后没有CPU，只要你将数据泵入左边的缓冲区就可以了。

我们看到Coral在性能/瓦特的对比中，差异如此大的原因，它是一堆电子设备，旨在完成所需的按位操作，基本上没有任何开销。