Inovasi utama ini melibatkan pemindahan model machine learning (ML) dari cloud ke edge guna memungkinkan inferensi dan pengambilan keputusan secara real-time. Perangkat mikrokontroler (MCU) dan mikroprosesor (MPU) Microchip, yang terletak dekat dengan sensor edge, kini dapat mengumpulkan data, mengontrol motor, serta memicu alarm dan aktuator secara efisien.
Solusi terbaru ini mengubah MCU dan MPU Microchip menjadi platform lengkap yang menghadirkan kecerdasan yang aman, efisien, dan terukur. Perusahaan terus memperluas portofolio full-stack mereka yang mencakup silikon, perangkat lunak, dan alat-alat yang dirancang untuk mengatasi tantangan kinerja edge AI, konsumsi daya, dan keamanan.
"AI di edge bukan sekadar eksperimen, melainkan sebuah ekspektasi, karena jauh lebih unggul dibandingkan implementasi cloud," ujar Mark Reiten, Wakil Presiden Korporat unit usaha Edge AI Microchip.
Ia menambahkan bahwa unit usaha Edge AI dibentuk untuk mengintegrasikan MCU, MPU, dan FPGA dengan model ML yang optimal serta alat pengembangan yang kokoh, membantu mempercepat peluncuran sistem cerdas di pasar dengan kebutuhan tinggi.
Solusi aplikasi full-stack yang baru ini mencakup model yang sudah dilatih dan kode aplikasi yang dapat dimodifikasi dan diterapkan di berbagai lingkungan. Beberapa aplikasi yang termasuk dalam solusi ini adalah deteksi dan klasifikasi gangguan busur listrik berbahaya (electrical arc faults) menggunakan analisis sinyal berbasis AI; Pemantauan kondisi dan penilaian kesehatan peralatan untuk pemeliharaan prediktif; Pengenalan wajah dengan deteksi keaslian (liveness detection) untuk verifikasi identitas yang aman; Deteksi kata kunci (keyword spotting) untuk antarmuka command-and-control di sektor konsumen, industri, dan otomotif.
Untuk mendukung para insinyur, Microchip menyediakan platform pengembangan seperti Integrated Development Environment (IDE) MPLAB X, kerangka kerja perangkat lunak MPLAB Harmony, dan plug-in MPLAB ML Development Suite. Alat-alat ini memungkinkan integrasi model AI tertanam melalui pustaka yang telah dioptimalkan.
Sementara itu, untuk FPGA, platform inferensi AI/ML Akselerator VectorBlox SDK 2.0 mempercepat pengolahan penglihatan (vision), Human-Machine Interface (HMI), dan beban kerja komputasi intensif lainnya di edge.
Laporan pasar dari firma analis IoT Analytics pada Oktober 2025 menyebutkan bahwa menanamkan kemampuan edge AI langsung ke dalam MCU adalah salah satu dari empat tren industri teratas.
Tren ini memungkinkan aplikasi berbasis AI yang mengurangi latensi, meningkatkan privasi data, dan menurunkan ketergantungan pada infrastruktur cloud.
Cek Berita dan Artikel yang lain di
Google News
