tinyML Summit - Syntiant&Sensory以及

由Syntiant CTO于2020年tinyML上的演讲，介绍了Syntiant已量产的NDP100, 专为电池驱动的实时语音和音频识别应用。其不同于传统的DSP/MCU架构，为深度神经网络原生设计，功耗仅为1/100。

在视频的10：50左右，提到了与Sensory THF嵌入式语音AI技术的整合。

物联网设备往往体积很小、电量有限。它们被作为终端硬件，通过嵌入式传感器采集各种数据；计算能力有限，对功耗极为敏感。这类设备也能实现机器学习吗？一个趋势是，人工智能 AI 正在加快速度从“云端”走向“边缘”，进入到越来越小的物联网设备中。在终端和边缘侧的微处理器上，实现的机器学习过程，被称为微型机器学习，即 TinyML。

分布最广的物联网设备往往体积很小、电量有限。它们被作为终端硬件，通过嵌入式传感器采集各种数据；计算能力有限，对功耗极为敏感。这类设备也能实现机器学习吗？

一个趋势是，人工智能 AI 正在加快速度从“云端”走向“边缘”，进入到越来越小的物联网设备中。

更准确的说，TinyML 是指工程师们在 mW 功率范围以下的设备上，实现机器学习的方法、工具和技术。 一批企业正在利用 TinyML 相关的技术与产品，探索如何在这些无处不在的小型设备上，更好的搭载机器学习，以便提高设备的分析能力和运行效率。 TinyML 是不同技术领域和推动因素的交集，它位于物联网设备、机器学习和边缘计算之间的结合部，并因为多种驱动力的综合作用，进展很快。

TinyML 基金会，成员不仅包含各大知名企业，还包含 GreeWaves、Eta Compute、Esperanto、Xnor、Picovoice 等优秀的初创公司。

边缘 ML：是指机器学习在不处于核心数据中心的，企业级计算机 / 设备中的应用。边缘设备包括服务器机房，现场服务器，以及位于各个地区以加快响应速度为目的的小型数据中心。

TinyML：是指超低功耗的机器学习在物联网各种终端微控制器中的应用。TinyML 通常功耗为毫瓦（mW）级别甚至更低，因此可以支持各种不同的电池驱动的设备，和需要始终在线的应用。这些设备包括智能摄像头、远程监控设备、可穿戴设备、音频采集硬件以及各种传感器等等……

TinyML 是一个新兴领域，是快速增长的机器学习技术和应用，是一片巨大的、未被充分开发的蓝海。 数以亿计的微控制器和各种各样的传感器结合在一起，在未来可能会激发一些非常有创意、更具实用价值的 TinyML 应用。 对 TinyML 做个简单总结： What：TinyML 是指超低功耗（毫瓦量级）的边缘侧机器学习应用。

Why：TinyML 可以提升大量物联网设备的数据分析和决策能力。

How：TinyML 的实现需要硬件、软件和算法的整体性协同设计。

When：现在是着手布局 TinyML 的最好时机。 TinyML 蕴含巨大机会，很多刚刚浮现。未来一两年内，这个领域很可能会出现显著进展。

以下为Google tinyML的介绍，由