Google Research ha presentado la arquitectura completa de Coral NPU de 32 bits y un conjunto de herramientas abiertas para acercar la inteligencia artificial al edge. La propuesta combina una arquitectura RISC-V, un compilador basado en IREE/MLIR y nuevo hardware comercial.
Portabilidad entre modelo y silicio
El objetivo es reducir la fragmentación que obliga a optimizar un modelo de forma distinta para cada acelerador. Un estándar más abierto puede facilitar que fabricantes y desarrolladores compartan herramientas y desplieguen modelos con menos trabajo específico por dispositivo.
Eficiencia energética como requisito
En cámaras, sensores, robótica o dispositivos industriales, mover datos constantemente a la nube añade latencia y consumo. Ejecutar inferencia local permite respuestas más rápidas y puede mantener información sensible dentro del propio equipo.
Fuente primaria: Google.
Más contexto de la infraestructura de IA
Google está moviendo varias piezas a la vez: llm-d 1.0, TorchTPU, Gemini en entornos aislados, Physical AI, Claude en Antigravity y nuevos controles para agentes.
Fotografía: Antoni Shkraba / Pexels.
