受限于眼鏡的小巧機身，大模型無法適配，隨著技術(shù)迭代，端側(cè)性能提升，所有對話均在本地完成，無需依賴手機或云端連接，既保障隱私又提升響應(yīng)速度。在談到AI眼鏡的爆發(fā)時，有專家表示重量在30克以內(nèi)，實現(xiàn) 8 小時長效續(xù)航，2000 元左右的定價貼合大眾消費需求，目標(biāo)可實現(xiàn)300萬左右的出貨量。這個階段的AI眼鏡不一定需要顯示功能，主打語音交互。在小模型的應(yīng)用上，兒童玩具這一品類用于編寫簡單生動的小故事，復(fù)刻爸爸或媽媽的專屬聲音讓陪伴更具溫度，會是不錯的應(yīng)用場景。

谷歌在去年底發(fā)布Coral NPU是基于RISC-V的開源邊緣AI加速器，而谷歌Gemma 3的小模型參數(shù)僅為0.27B?？梢哉f，引領(lǐng)了AI眼鏡或者其他端側(cè)智能產(chǎn)品的輕量化、智能化的方向。

Coral NPU是一款專為邊緣端低能耗人工智能而設(shè)計的機器學(xué)習(xí)加速器IP。它基于開放的RISC-V指令集架構(gòu)，可作為經(jīng)過驗證的開源IP集成于商業(yè)化的芯片產(chǎn)品中。

Coral NPU的開源戰(zhàn)略旨在創(chuàng)建標(biāo)準(zhǔn)架構(gòu)以加速邊緣AI生態(tài)系統(tǒng)發(fā)展，其基礎(chǔ)源于谷歌研究院此前推出的Coral.ai項目。該項目最初于2023年作為“Open Se Cura”研究項目的組成部分發(fā)布，現(xiàn)已成為推動這一愿景的專項計劃。

Coral NPU直接解決了邊緣AI設(shè)備生態(tài)嚴(yán)重碎片化的問題。當(dāng)前，由于通用計算單元（CPU）與機器學(xué)習(xí)計算單元采用不同的編程模型，開發(fā)者面臨陡峭的學(xué)習(xí)曲線和極高的編程復(fù)雜性。這些機器學(xué)習(xí)單元通常依賴于由專用、專有的編譯器生成的命令緩沖區(qū)。這種碎片化的方式難以發(fā)揮不同算力的協(xié)同優(yōu)勢，也迫使開發(fā)者要維護多條專有且不透明的工具鏈，成本與復(fù)雜度陡增。

Coral NPU基于RISC-V指令集架構(gòu)標(biāo)準(zhǔn)構(gòu)建，通過引入原生張量處理能力，拓展了C語言編程環(huán)境。它支持多種機器學(xué)習(xí)框架，包括：JAX、PyTorch和TensorFlow Lite（TFLite），并采用基于開放標(biāo)準(zhǔn)的工具，如來自低級虛擬機（LLVM）項目的多級中間表示（MLIR），作為編譯器基礎(chǔ)設(shè)施。

將原生機器學(xué)習(xí)加速原語與通用計算指令集架構(gòu)融合，既避免了傳統(tǒng)獨立CPU/NPU設(shè)計帶來的系統(tǒng)復(fù)雜性、成本及數(shù)據(jù)遷移問題，同時也實現(xiàn)了卓越的機器學(xué)習(xí)性能。

Coral NPU 是一套基于開放 RISC-V 標(biāo)準(zhǔn)的神經(jīng)處理單元（NPU）完整參考設(shè)計，由三個核心組件組成：標(biāo)量核負(fù)責(zé)傳統(tǒng) CPU 功能；矢量執(zhí)行單元：提供額外計算能力；矩陣執(zhí)行單元執(zhí)行 ML 模型運算；三者共同構(gòu)成 Coral NPU 的完整功能與性能。任何芯片廠商若設(shè)計獨立 NPU 或?qū)?Coral NPU 集成進 SoC，均需同時整合這三個單元，方可獲得完整方案。

Coral NPU 的設(shè)計遵循以下幾條核心原則：

ML 優(yōu)先架構(gòu)：傳統(tǒng)處理器先搭標(biāo)量，再加向量（SIMD），最后補矩陣；Coral NPU 反其道而行——先建矩陣（ML）能力，再融入向量與標(biāo)量功能。三種運算在同一 ISA 內(nèi)緊密耦合，使整個架構(gòu)底層就面向 AI 負(fù)載優(yōu)化。（詳見架構(gòu)概覽）

專用 ML 引擎：核心是一顆量化外積乘加（MAC）引擎，專為神經(jīng)網(wǎng)絡(luò)的基本計算打造。該模塊以極高效率將 8-bit 運算累加成 32-bit 結(jié)果。

集成向量（SIMD）核：向量協(xié)處理器實現(xiàn) RISC-V 向量指令集 RVV v1.0，配 32×256 bit 向量寄存器堆，并采用“strip-mining”機制——單條指令觸發(fā)多次操作，顯著提升并行效率。

簡潔、可 C 編程的標(biāo)量核：輕量級 RISC-V RV32IM 前端作為簡單的控制器，負(fù)責(zé)把任務(wù)分發(fā)給矩陣與向量后端。它采用“運行到完成”的模式，無需復(fù)雜操作系統(tǒng)或頻繁中斷，功耗極低。

高效內(nèi)存管理：僅設(shè)一層小容量高速緩存（8 KB 指令 + 16 KB 數(shù)據(jù)），讓數(shù)據(jù)緊貼計算單元，降低功耗與延遲。

統(tǒng)一開發(fā)體驗：平臺可用 C 語言編程，并原生對接 TensorFlow Lite Micro（TFLM）、IREE 等現(xiàn)代 ML 編譯器?；?MLIR 的統(tǒng)一工具鏈可同時支持 TensorFlow、JAX、PyTorch 的模型部署。

Coral NPU 的設(shè)計實現(xiàn)了功耗與性能之間的高效平衡，使其成為環(huán)境應(yīng)用的理想選擇，并可擴展至多核架構(gòu)。性能上，512 GOP/S（每秒十億次操作），每周期 256 次乘加運算功耗目標(biāo)約 6 mW @ 800 MHz，22 nm 工藝。

Coral NPU 專為超低功耗、始終在線的邊緣 AI 設(shè)計，尤其專注于泛在感知系統(tǒng)，其首要目標(biāo)是在可穿戴設(shè)備上實現(xiàn)全天候 AI 體驗，同時最大限度降低電量消耗。憑借高效率與低功耗，Coral NPU 可廣泛部署于智能耳機與耳塞、智能眼鏡、AR 頭顯、智能手表、健身手環(huán)、智能家居及環(huán)境 IoT 設(shè)備、手機（用作超低功耗協(xié)處理器）、車載與汽車電子系統(tǒng)。

審核編輯 黃宇