Analog Devices haluaa tehdä sulautetun tekoälyn kehityksestä huomattavasti suoraviivaisempaa. Yhtiö julkaisi CodeFusion Studio 2.0 -alustan, joka kokoaa mallin tuonnista laitteelle vientiin tarvittavat työkalut yhteen ja samaan kehitysympäristöön. Uusi versio vähentää työkaluketjujen sirpaloitumista ja tarjoaa yhtenäisen tavan tuoda tekoäly ADI:n mikrokontrollereille, DSP-prosessoreille ja muille heterogeenisille ohjainalustoille.
Kehittäjät voivat tuoda omat AI-mallinsa suoraan työkaluun, joka tarkistaa automaattisesti mallin yhteensopivuuden ADI:n laitteille. Mukana on myös kerroskohtainen profilointi, suorituskyvyn mittaus ja optimointi, joiden avulla mallit voidaan sovittaa pienen virrankulutuksen edge-ratkaisuihin tai raskaampaan digitaaliseen signaalinkäsittelyyn. Mallien käyttöönottoa helpottaa Zephyr-käyttöjärjestelmään pohjautuva modulaarinen AI-kehys, jonka avulla suorituskykyä voidaan seurata suoraan ajonaikaisesti.
CodeFusion Studio 2.0 tarjoaa myös yhdenmukaistetun tavan konfiguroida ADI:n prosessoreita ja mikro-ohjaimia. System Plannerin uusi moniydintuki helpottaa heterogeenisten sovellusten suunnittelua, ja integroitu GDB-pohjainen debuggaus sekä core dump -analyysi nopeuttavat virheenjäljitystä. Alustan käyttöliittymä perustuu Visual Studio Codeen, joka on tuttu useimmille kehittäjille.
ADI:n tavoitteena on rakentaa ekosysteemi, jossa AI voidaan optimoida, testata ja ottaa käyttöön ilman raskaita työkaluja tai fyysisen laitteiston tarvetta. Yhtiön mukaan tämä on osa laajempaa strategiaa, jolla sulautettu AI tuodaan lähemmäs laitteen todellista toimintaympäristöä ja fyysisiä rajoitteita. CodeFusion Studio 2.0 on ensimmäinen askel kohti visioitua “Physical Intelligence” -alustaa, jossa järjestelmät kykenevät havaitsemaan, päättelemään ja toimimaan paikallisesti aiempaa tehokkaammin.
Kun suurteholaskennan (HPC) työkuormat monimutkaistuvat, generatiivinen tekoäly sulautuu yhä tiiviimmin moderneihin järjestelmiin ja lisää kehittyneiden muistiratkaisujen tarvetta. Vastatakseen näihin muuttuviin vaatimuksiin ala kehittää uuden sukupolven muistiarkkitehtuureja, jotka maksimoivat kaistanleveyden, minimoivat latenssin ja parantavat energiatehokkuutta.