Atomiqin keskeinen uutuus on integroidtu neuroverkkokiihdytin (NPU), joka perustuu Arm-yhtiön Ethos-U85-arkkitehtuuriin. Sen avulla piiri yltää yli 200 GOPS:n laskentatehoon, mikä mahdollistaa aiempaa suurempien koneoppimismallien ajamisen suoraan laitteessa ilman pilviyhteyttä. Käytännössä tämä tarkoittaa esimerkiksi monimutkaisempaa konenäköä, puheentunnistusta tai sensoridatan analyysiä jatkuvasti toimivissa laitteissa.
Atomiq jatkaa Ambiqin aiempaa Apollo-piiriperhettä, mutta siirtää painopisteen mikro-ohjainpohjaisesta edge-AI:sta selvästi tehokkaampaan NPU-pohjaiseen arkkitehtuuriin. Yhtiön mukaan Apollo on mahdollistanut nykyiset edge-AI-ratkaisut, kun taas Atomiq on suunniteltu seuraavan sukupolven sovelluksiin, joissa mallit kasvavat nopeasti.
SPOT laskee käyttöjännitteen poikkeuksellisen alas
Atomiqin energiatehokkuus perustuu Ambiqin SPOT-arkkitehtuuriin (Subthreshold Power Optimized Technology). Siinä digitaalilogiikkaa ajetaan hyvin matalilla eli käyttöjännitteillä niin sanotulla sub- tai near-threshold-alueella eli kynnysjännitteen alueella. Kun tavallinen digitaalipiiri toimii tyypillisesti noin 0,8–1 voltin jännitteellä, SPOT-tekniikalla käyttöjännite voidaan pudottaa jopa noin 300 millivolttiin ultra-matalatehoisessa ULP-tilassa.
Koska CMOS-logiikan tehonkulutus riippuu voimakkaasti käyttöjännitteestä, näin suuri pudotus vähentää energiankulutusta merkittävästi ja mahdollistaa jatkuvasti päällä olevan AI-laskennan myös paristokäyttöisissä laitteissa. Atomiq on samalla ensimmäinen Ambiq-piiri, jossa SPOT-tekniikka yhdistetään FinFET-valmistusprosessiin.
Atomiq perustuu TSMC:n 12 nanometrin N12e FinFET -prosessiin, ja piiri hyödyntää laajaa dynaamista jännite- ja taajuussäätöä (DVFS), jotta sama laite voi toimia ultra-matalatehoisessa tilassa tai tarvittaessa selvästi suuremmalla suorituskyvyllä.
Atomiq on ensimmäinen Ambiq-piiri, jossa yhtiön subthreshold-suunnittelumenetelmä yhdistetään moderniin FinFET-prosessiin. Yhdistelmä on poikkeuksellinen, sillä subthreshold-logiikkaa on perinteisesti käytetty lähinnä vanhemmissa planar-prosesseissa. Ambiqin mukaan FinFET mahdollistaa nyt sekä paremman suorituskyvyn että erittäin matalan käyttöjännitteen samassa arkkitehtuurissa.
Lääkintälaitteiden internet (IoMT) yhdistää diagnostiikan, puettavat anturit ja sairaalalaitteet pilvipohjaisiin järjestelmiin. Etävalvonta, reaaliaikainen data ja koneoppiminen lupaavat parempaa hoidon laatua ja kustannussäästöjä, mutta samalla ratkaistavaksi jäävät yhteentoimivuus, sääntely ja tietoturva.