10月24日消息，今年3月，谷歌在TensorFlow开发者峰会上公布了智能硬件平台Coral，用于解决从原型到产品的物联网硬件的端到端解决方案，并在部分地区推出了Beta版。经历了半年多的打磨，谷歌终于要将它推向世界。Coral可以为企业实现本地离线AI训练，并且可以嵌入到各类“边缘”应用中，同时保证数据安全和隐私。

    一、积极调整，面向全球  

谷歌近日宣布要将先前发布的Coral平台逐步升级为全球发行版。预计到今年年底，分销范围将扩大到台湾、澳大利亚、新西兰、印度、泰国、新加坡、阿曼，加纳和菲律宾等地。为了这一目标，谷歌首先将所有Coral产品——150美元的Coral开发板、74.99美元的Coral USB加速器和24.99美元的5百万像素摄像头配件都放在了电子产品零售商Mouser进行销售。谷歌的销售团队可以借此进行大规模商业合作。

同时为配合Coral平台的普遍适用性，Coral.ai的Coral网站已经全面升级，对开发所涉及的文档和工具有一个更好的归纳整理，并且推荐以行业为主的页面。另外，它还可以提供常见的AI问题解决方案，例如图像分类（image classification）、对象检测（object detection）、姿态估计（pose estimation）和关键字定位（keyword spotting）。

最后，谷歌表示将尽快发布新版本的Mendel操作系统，也就是最新版本的Debian（Buster）。不过对Edge TPU编译器和运行流程的改善还是非常吃力的。

“在过去的六个月中，我们收到了很多反馈，并将其用于改进我们的平台，” Coral产品经理Vikram Tank写道。“不论是农业，医疗业还是制造业的应用程序，只要这些程序涉及本地AI，那Coral就会成为它们的核心。因此可以说Coral已经在各个行业产生了影响，我们的一些合作伙伴将Coral应用在一些边缘领域，例如需要快速机器学习推理的产品中。

    二、强算力、高便携、低功耗  

Coral平台大体包含四个部分：TPU、Coral Dev Board、USB加速器和摄像头。

TPU（自定义张量处理单元）是专为“边缘”设计的Edge TPU，也是Coral平台的大脑。这款小型专用集成电路由谷歌设计，可为低功耗设备提供高性能机器学习推理能力。谷歌表示，这个TPU针对高分辨率视频，可以用每秒30帧的速度“并行”执行（concurrently execut）深度前馈神经网络（deep feed-forward neural networks）任务。它通过PCIe和USB发送和接收数据，并利用Google Cloud IoT Edge软件堆栈（software stack）进行数据管理和处理。

另外TPU的最大优势，就是在拥有强算力的基础上实现轻小且离线可用。它只有“一美分”的大小，并且可以离线本地处理任务，它通过TensorFlow轻量级版本运行推理运算，节省功耗。

为此，Coral Dev Board开发板借助四核NXP i.MX 8M片上系统（system-on-chip）与集成的GC7000 Lite Graphics配对，来编译和量化TensorFlow Lite模型。它具有 1GB LPDDR4 RAM和8GB eMMC存储。支持Wi-Fi 802.11b / g / n / ac 2.4 / 5GHz和蓝牙4.1的无线芯片，一个3.5毫米音频插孔，一个全尺寸HDMI 2.0a端口，一个USB 2.0和3.0端口，一个40 -pin GPIO扩展接头和一个千兆以太网端口。

USB加速器也利用了Edge TPU，以USB 2.0的速度与Debian Linux支持的任何64位Arm或x86平台一起工作。与开发板相比，它具有一个32位Arm Cortex-M0 +微处理器，运行频率为32MHz，并带有16KB闪存和2KB 内存。

Coral平台的相机模块由Omnivision制造，具有1.4微米传感器，84度视场，1/4英寸大小和2.5mm焦距，通过双通道MIPI接口连接到开发板。除了自动曝光控制、白平衡、波段滤镜（band filter）和黑度校准（blacklevel calibration），它还具有可调节的色彩饱和度、色相、伽玛值、清晰度。

    结语：变IoT为AIoT  

目前，各行各业都希望可以乘上人工智能这股浪潮。互联网及通信技术的快速发展让各类设备已经可以高效地相互链接，而AI的高门槛对中小企业却并不友好。Coral是一种解决方案，可以推动“边缘AI”的发展，也是技术推动产业发展，加快原型转化落地为产品的一种方式。如何低成本、高质量、可规模化地推动IoT升级为AIoT，应是AI巨头们值得探索的方向。