Kantprosessering:
Mer KI i kanten fra Synaptics
Synaptics Incorporated lanserer SYN765x, en KI-optimalisert trådløs systembrikke utviklet for integrerte kant-baserte IoT-applikasjoner.
embedded world 2026: Den nye løsningen kombinerer lokal KI-prosessering med integrert Wi‑Fi 7 i én enkelt brikke, rettet mot smarthusprodukter, industrielle IoT-systemer og andre intelligente enheter ved nettverkskanten.
– Intelligens i nettverkskanten krever kompromissløs trådløs ytelse, sier Vikram Gupta, leder for Edge Compute & Connectivity Division, Synaptics. – SYN765x utvider vår ledende posisjon innen trådløs teknologi ved å integrere Wi-Fi, BLE, Thread/Zigbee med KI-nativ prosessering. Dette forenkler systemdesign, senker strøm- og kostnadsbarrierer og akselererer adopsjonen av neste generasjons trådløs teknologi på tvers av forbruker-, industri- og bedrifts-IoT-markeder, hevder han.
SYN765x integrerer som nevnt flere trådløse standarder, inkludert Wi-Fi 7, Bluetooth Low Energy 6.0 samt Thread og Zigbee, og støtter drift i 2,4-, 5- og 6-GHz-båndene. Brikken inneholder dedikerte akseleratorer for signalprosessering og AI-baserte kontrollfunksjoner, noe som reduserer belastningen på vertssystemets prosessor og samtidig oppfyller strenge krav til lav latenstid og energieffektivitet.
Den høye integrasjonsgraden gjør det mulig å redusere systemareal og forenkle designet i kompakte IoT-enheter. Samtidig åpner støtte for Wi-Fi 7 i lavenergisystemer for funksjoner som raskere tilkobling, sømløs frekvensbåndveksling og tilgang til det mindre støyutsatte 6-GHz-spekteret.
SYN765x støtter også trådløs sensing, blant annet tilstedeværelsesdeteksjon, bevegelsessporing og nærhetsmåling. For Wi-Fi-basert sensing benyttes presis utvinning av Channel State Information (CSI) kombinert med maskinlæring direkte på brikken. I tillegg muliggjør Bluetooth Channel Sounding energieffektive og nøyaktige avstandsmålinger, som et kostnadseffektivt alternativ til teknologier som mmWave-radar eller ultrabredbånd.
Brikken integrerer logikkressurser, DSP og NPU for edge-AI-arbeidslaster og kan brukes enten som medprosessor sammen med en applikasjonsprosessor eller MCU, eller i vertsløse konfigurasjoner. Dermed kan mange design implementeres uten en separat mikrokontroller, noe som reduserer både systemkompleksitet og kostnad i batteridrevne IoT-enheter.