Puce de vision multimodale
Argus
Inférence visuelle en temps réel, au pixel près, à 120 FPS.

Puce de vision multimodale
Calcul en mémoire SRAM : La multiplication-accumulation a lieu dans la matrice SRAM : les poids ne quittent jamais les cellules de stockage.
Spécifications
- Modèles de référence
- SmolVLM, SegFormer, etc.
- Inférence visuelle
- 120 FPS au pixel près (objectif de conception)
- Entrée
- Flux d'images en temps réel
- Voie
- Calcul en mémoire SRAM
- Mise à jour du modèle
- Chargé au démarrage, modifiable
- Procédé
- SMIC 28 nm
- Boîtier / interfaces
- Selon projet
- Kit de développement
- Carte d'évaluation, SDK et outils de mappage du modèle
Les chiffres de cette page correspondent aux définitions de produit et aux objectifs de conception actuels. Les spécifications finales, les conditions de test, la disponibilité et les versions livrées sont confirmées dans les documents de projet validés par les deux parties.

Applications types
- Inspection industrielle par drone
- Segmentation des défauts en temps réel sur la ligne
- Fusion multi-capteurs en périphérie
L'inférence s'exécute en local et les données sont traitées sur l'appareil ; tout fonctionne hors ligne.
D'un e-mail à une puce
01
Choisir la voie
Modèle cible, objectifs de performance et de consommation, fréquence de mise à jour, interfaces. La première question est toujours la même : à quelle fréquence le modèle change-t-il ?
02
Évaluer
Faire tourner le modèle sur la carte d'évaluation, mesurer la précision et le débit, et obtenir un échantillon d'ingénierie fonctionnel avant tout engagement sur le silicium.
03
Intégrer
Interfaces, logiciel système et validation sur le terrain construits autour des résultats d'évaluation, pour transformer l'échantillon en prototype de produit.
04
Livrer l'ASIC
Une fois le modèle figé : une puce de série, ou l'IP intégrée à votre propre silicium.
Pour aller plus loin
Comment choisir une puce d'inférence LLM embarquée : 7 questionsChoisir une puce d'inférence LLM embarquée dépend de l'adéquation au modèle, du budget énergétique et du mode de mise à jour, pas des TOPS de crête. Sept questions et une liste de contrôle.
Le mur de la mémoire : pourquoi les LLM embarqués calent, et comment le contournerLe décodage d'un LLM est limité par la bande passante : chaque token lit tous les poids, et les appareils embarqués ne tiennent pas ce trafic. La hauteur du mur, et comment le franchir.
Coût d'inférence LLM : API, GPU cloud ou puce embarquée sur 3 ansComptez le coût d'inférence LLM sur trois ans : une API au token, un GPU cloud à l'heure, ou une puce embarquée achetée une fois. Méthode, exemple chiffré et retour sur investissement.
Se renseigner sur Argus
Envoyez le modèle cible, les objectifs de performance et de consommation, les interfaces et le calendrier. Nous répondons avec une analyse d'adéquation et un plan d'évaluation.


