边缘与阵列 AI 处理器性能分析：比较综述

本综述审查了超低功耗边缘处理器快速演变的格局，涵盖异构系统芯片 (SoC)、神经加速器、近阵列和阵列架构以及新兴的数据流和以存储为中心的设计。我们根据计算范式、功耗范围和存储层次结构，对现可购及研究级平台进行分类，并分析其适用于始终就绪和延迟敏感人工智能 (AI) 工作负载的情形。为补充架构概览，本文在三个具有代表性的处理器上对 PicoSAM2（3.36 亿乘法累加 (MAC) 分割模型）进行基准测试：GAP9 采用多核 RISC-V 架构并配备硬件加速器；STM32N6 集成先进 ARM Cortex-M55 核心和专用神经架构加速器；Sony IMX500 代表阵列堆叠式补偬金属氧化物半导体 (CMOS) 计算。这些平台分别覆盖 MCU 级、嵌入式神经加速器和阵列计算范式。评估报告了延迟、推理效率、能源效率和能耗-延迟积。结果显示硬件行为呈现明显分化，IMX500 实现最高的利用率 (86.2 MAC/周期) 和最低的能耗-延迟积，凸显阵列处理技术的日益重要及其技术成熟度。GAP9 在 microcontroller 级功耗预算下实现最佳能源效率，STM32N6 在显著更高能耗下提供最低的原始延迟。综合本综述与基准测试，提供了当前设计方向及实际权衡的统一视图，塑造着下一代超低功耗和阵列 AI 处理器的发展。