芯片巨头超微半导体（AMD）于去年11月参展第五届进博会（来源：钛媒体App编辑拍摄）

钛媒体App获悉，北京时间9月19日晚，芯片巨头AMD公司（NASDAQ: AMD）推出全新高能效 Kria K24 自适应计算模块（SOM）和KD240驱动器入门套件的硬件产品，以优化其产品的边缘计算能力。

具体来说，K24 SOM采用ARM A53四核可扩展架构，主要面向成本敏感型工业和商业边缘应用，如机器人关节控制、逆变器等，功耗比用于视觉 AI 与机器人领域的K26 SOM降一半，封装器件更小，可支持 AI 推理深度神经网络技术，大大提升电机效率。

售价上，K24 SOM系列提供C级和I级两种版本，价格分别为250美元、350美元，比K26 SOM的325/450美元售价减少约22%。

发布前夕，AMD工业、视觉、医疗与科学高级总监Chetan Khona对钛媒体App等表示，新的K24 SOM和KD240驱动器使开发更加方便容易。K24 SOM是K26 SOM的可扩展版，并更新设计尺寸、功耗、成本等，而K24 SOM是更为理想的选择，能够更好的匹配不同的客户需求。

“我们相信，它能够在整个的产品组合产生一个重塑效应。”Chetan表示，AMD通过对赛灵思的整合，综合自适应计算、x86高性能计算以及GPU三种技术元素，希望把不同技术的优势叠合起来形成协同效应。而目前AMD还处于探索阶段。

AMD Kria K24系统模块（ SOM ）

据悉，2022年2月，AMD宣布完成收购自适应SoC和FPGA（现场可编程逻辑门阵列）芯片公司赛灵思Xilinx，交易总价约498亿美元（约合人民币3165亿元）。

随后，AMD开始加速向市场推出新款边缘计算产品系列。于今年1月宣布推出 Kria SOM ODM 合作伙伴生态系统，旨在提供基于 Kria SOM 的量产级、全功能解决方案。借助具备软件与硬件可重编程能力的自适应计算，用户可以根据每项任务的需求通过无线快速添加功能并优化系统性能，提供灵活方案。

今年8月1日，AMD公布的2023财年第二季度财报显示，嵌入式计算业务（Embedded）营收达15亿美元，同比增长16%，营利7.57亿美元，是公司唯一的营收正增长业务，也是AMD第二大收入来源，主要由工业视觉、医疗保健、汽车等场景推动。

此次发布的K24 SOM硬件模块，主打400美元以下的性价比市场，以小尺寸提供低能耗，基底层能耗约2.5瓦，并将嵌入式处理系统的核心组件安装在单块量产就绪型板卡上，支持AMD Vitis电机控制库、Python等语言，而配套的KD240是基于FPGA 的电机控制套件。两款为机器人、控制、视觉 AI等领域应用提供解决方案，满足工业环境。不仅能够支持AMD的机器人战略，还能降低全球工业能耗。

“今天推出的KD240驱动器入门套件，它就像是机器人的肌肉一样，可以来控制机器人的行动和传动。”Chetan表示，随着KD240入门套件的发布，AMD现率先提供预构建的电机控制应用，以及支持可选的电机配件包。此外，公司预计到2023年底有超过25款应用在其边缘应用商店中推出。

Chetan在与钛媒体App的交谈中提到，尽管目前生成式 AI 模型还未在工业嵌入式计算中得到广泛应用，但随着时间的推进，未来很可能会实现。而Kria SOM在 AI 技术能力很强，特别是能够支持 AI 推理的深度学习技术应用，这意味着K24 SOM可以在电路板上完成众多 AI 相关的任务。然而，目前它主要还是用于处理其他的嵌入式应用，而非AI。

据悉，AMD的Kria K24 SOM和Kria KD240驱动器入门套件已经开始接受量产订单，K24商业版今日开始供货，工业版预计于第四季度供货。预计所有产品将在2023年底前发货给客户。

AMD工业、视觉、医疗与科学高级总监Chetan Khona

以下是Chetan Khona与钛媒体等的部分交流问答：

钛媒体：对于成本敏感型工业及商业应用场景来说，自适应计算如何将成本优势最大化？

Chetan：如果是一个单轴的电机，可以用非常简单的技术解决相关的问题。但是问题是现在我们在工业互联网时代，经常有多项任务需要同时进行，而且电机控制系统也需要处理很多的轴。那么对于Kria产品来说，它在这个方面就有很大的优势，主要是能够把很多的轴进行一个集成，通过这样的方式来控制成本。

钛媒体：在工业或商业的 AI 应用方面，AMD观察到哪些需求变化？

Chetan：现在生成 AI 模型还没有在工业场景下运用于嵌入式的应用，随着时间的推移今后可能会有。那么Kria SOM本身对AI的处理也很强，但是现在它有更多其它的任务需要用嵌入式的应用来处理，而不是AI。

如果我们现在在嵌入式产品的场景当中看，Zynq UltraScale+架构在嵌入式架构当中的性能是非常卓越的，因为它能够处理很多复杂的任务，但比较简单的技术是没有办法解决的。

钛媒体：对于中国很多重型制造企业而言，替换设备成本很昂贵，K24 SOM是否能够帮助工业客户实现低成本的“提效降耗”升级？

Chetan：首先，K24 SOM确实能够提高设计，但是如果在电机控制的情形下需要实现投资回报的最大化，那么其中可能涉及多个变量都需要做出提升。比如说在电子电力器件方面，如果能够将材料换成碳化硅或氮化镓，它就能够提升切换的速度，尤其是对于这些DSP能力要求非常高的场景，在这种情况下使用K24 SOM它能够更好提升能效的表现。

补充一点，在中国，AMD也有非常强的生态系统，很多中国企业它在生产系统模块，可能采用AMD的一些最新技术，比如说AI边缘器件。

钛媒体：从工业汽车到医疗领域中有很多非常典型的应用场景，AMD目前拥有通用计算平台，还有自适应平台，使用者应该如何具体选择合适的平台来满足不同的应用？

Chetan：每个应用都有可能从自适应计算、x86的高性能计算以及AMD的GPU，这三种不同的技术当中来受益。AMD通过对赛灵思的整合能够综合这三种技术元素，使得任何一个应用都能够从中获益。目前我们还是处于一个探索阶段，希望能够把不同技术的优势叠合起来形成协同效应。

钛媒体：如何通过控制算法和流程优化节省电机功耗？

Chetan：首先，如果要实现最佳的功效，单单是去控制电机的算法是不够的，尤其是对于现代的这些电机，更多的可能还是需要去提升它的电子电力器件材料，比如说采用碳化硅，还有氮化镓等等，这是第一步。

其次，要来改善比如说它的功耗，电子电力器件的颗粒度控制和速度也是至关重要，通过这样的方式能够提升比如说电源的响应，还有能源消耗的情况。AMD通过K24 SOM这样的技术，也能够解决这方面的问题。

最后，AMD在电机控制方面这有算法的专业知识。这里有两个解决方案：1、我们正在建立自己的电机实验室，2、我们和行业的伙伴一起开发生态系统，通过这样的方式我们能够提供一些电机控制的素材同时让生态系统更加完整。

（本文首发钛媒体App，作者｜林志佳）