泰凌微发布TL721X:支持谷歌LiteRT、TVM开源模型的端侧AI平台
公司发布的基于TL721X系列芯片的TL-EdgeAI平台,支持谷歌LiteRT、TVM等开源模型,是目前世界上功耗最低的智能物联网连接协议平台。其芯片已在谷歌(Google)的Pixel Bud Pro 2智能耳机方案中被采用。公司将继续深化与谷歌的合作关系。
围绕三大核心,布局端侧AI领域
在端侧AI领域,泰凌微的布局围绕核心芯片研发、配套开发平台搭建、多场景市场落地三大核心展开,形成了一套完整且具有前瞻性的发展体系。
泰凌微推出的基于TL721X的TL-EdgeAI平台,是其在端侧AI领域的重要技术成果。TL721x SoC增加了边缘AI运算能力,使得芯片具备了本地智能处理的能力,无需依赖云端计算,大大提高了数据处理的效率和安全性。TL-EdgeAI平台则支持主流本地端AI模型,如谷歌LiteRT、TVM等开源模型,为开发者提供了丰富的开发资源和便捷的开发环境。这一平台不仅是目前世界上功耗最低的智能物联网连接协议平台,更是为海量AI端侧应用的发展铺就了崭新道路。
为了更好地推动端侧AI技术的发展,泰凌微还推出了机器学习与人工智能发展平台TLEdgeAI-DK。该平台将支持主流本地端AI模型,为开发者提供了一站式的开发解决方案,降低了端侧AI应用的开发门槛,加速了端侧AI技术的普及和应用。
在应用场景方面,泰凌微的端侧AI芯片目前主要应用于音频领域,如无线麦克风等。随着产品的迭代与场景的落地,未来将逐步拓展至录音设备、智能家居、电动工具、汽车电子、资产跟踪等更多场景。这种多场景的布局,不仅为泰凌微的端侧AI芯片提供了广阔的市场空间,也为其在不同领域的技术积累和产品创新提供了更多机会。
TL721X系列芯片是泰凌微的明星产品,专为蓝牙低功耗(LE)和802.15.4设计。其内置的2.4GHz收发器支持蓝牙低功耗、802.15.4以及2.4GHz专有操作,支持蓝牙LE、Zigbee、Thread、Matter、2.4GHz专有标准等多种标准和工业联盟规范。
该系列芯片将高品质无线物联网设备所需的特性和功能集成到单个系统级芯片中,具有高集成度、超低功耗的特点。它集成了强大的32位RISC-V MCU、512或256 KB SRAM(包括高达256 KB的保留SRAM)、2 MB(2048 KB)或1 MB(1024 KB)嵌入式闪存(具体取决于详细型号)、12位ADC、PWM、灵活的IO接口以及其他物联网应用所需的周边模块。这种高集成度使得外部组件需求极少,能够满足客户对超低成本的要求。
未来规划,IoT、无线音频、边缘AI多领域布局
在无线物联网系统级芯片市场竞争激烈的当下,泰凌微通过技术创新与结构优化保持产品的核心竞争力与毛利率水平。其核心优势主要体现在三方面:一是芯片尺寸优势,核心芯片尺寸小于竞争对手,能有效降低成本;二是核心IP自主化,公司拥有大量自主核心IP资源,降低了IP相关费用支出;三是高毛利产品占比提升,AI产品和音频芯片的快速发展为公司毛利率高位运行提供了有力支撑。
此外,公司正自研WiFi芯片,未来将重点应用于智能家居场景,进一步完善产品矩阵,增强系统级解决方案能力。
对于未来发展,泰凌微有着清晰的战略规划。公司将围绕物联网芯片领域,立足这个规模巨大的市场,把握物联网设备需求爆发的产业机遇,在IoT、无线音频、边缘AI等多个领域深度布局。
在AI领域,公司后续的重点将聚焦端侧AI芯片的算力提升与场景适配能力。随着产品迭代与场景落地,泰凌微在端侧AI领域已形成的先发优势将进一步凸显,未来2 - 3年有望维持高增速,持续贡献营收增量。
音频芯片方面,泰凌微将继续加大投入,做好新品的开发与迭代。同时,公司还将自研WiFi芯片,主要应用于智能家居场景,进一步丰富其产品线,提升在智能家居领域的市场竞争力。这三大方向将成为公司未来的核心增长点,为公司的发展注入强大动力。
相关推荐
人工智能 5亿视频炼出全球最大 GUI 开源数据集、推理 Token 省71%小模型反超大模型——小米 AI 团队多篇论文入选 ICML 2026
从5亿条互联网视频中炼出全球最大的开源 GUI 操作数据集,让7B 模型在 ScreenSpot-Pro 上准确率提升38%;3B 参数的小模型做时序推理,干掉专用大模型还省了71%的 Token。这不是 PPT 愿景,而是小米 AI 团队研究成果的真实体现。 近日,ICML 2026(International Conference on Machine Learning)公布了论文录用结果。
人工智能 开发者说|3D-Fixer:单图3D场景生成的原位补全新范式
• 项目主页: https://zx-yin.github.io/3dfixer • 文章链接: https://arxiv.org/pdf/2604.04406 • GitHub代码**:** https://github.com/HorizonRobotics/3D-Fixer 现有挑战 基于单张图像生成3D场景,是构建物理世界数字孪生环境的关键技术问题。现有方法在泛化能力与生成效率之间存在显
人工智能 地平线开源HoloMotion-1:4亿参数机器人小脑大模型,实现端侧300FPS
地平线正式发布并开源HoloMotion-1,这是地平线机器人实验室面向人形机器人全身控制打造的4亿参数级机器人小脑大模型。相比以往常见的百万级、千万级机器人控制模型,HoloMotion-1将机器人“小脑”的模型规模提升到新的量级,并在端侧实现约300FPS实时推理,让大模型能力真正进入机器人运动控制闭环。通过本次开源,地平线希望降低人形机器人全身控制的研发门槛,帮助开发者更高效地构建、复现和部
人工智能 AI 公司最怕的不是训练贵,而是每次回答都在烧钱
AI产品越受欢迎,公司越焦虑——推理成本像屋顶漏水,持续消耗算力。vLLM、TensorRT-LLM、llama.cpp三个开源项目分别从云端调度、硬件优化和本地部署入手,试图把“每token成本”降下来,让AI从烧钱走向赚钱。 你有没有发现一个很奇怪的现象。 AI产品越受欢迎,公司反而越焦虑。 传统软件公司最喜欢的一种模式叫规模效应。 一个SaaS产品开发出来之后,新增用户的边际成本很低。用户越
人工智能 CVPR 2026 NTIRE:小米影像算法的技术突破
近日,小米在 CVPR 2026 NTIRE 赛事中荣获三项奖项。其中,小米玄戒多媒体算法团队斩获高效超分辨率赛道冠军,小米大模型应用团队夺得人像修复赛道冠军与反光消除赛道亚军。 NTIRE(New Trends in Image Restoration and Enhancement)由 CVPR 组委会承办,是全球规模最大、水平最高的图像恢复与增强领域学术研讨会。小米在本次赛事中展现了从硬件优
人工智能 “天机”类脑芯片,到底在“类”什么?
大脑天生擅长多任务并行,启发出类脑计算这一颠覆性方向。从“天机”芯片到生物计算机CL1,类脑技术正从科幻走向现实。想成为类脑智能科学家,需打好数学与生物学基础,培养跨学科思维与动手能力。 人人都惊叹大脑有多神奇! 你骑车赶路时,大脑同时调控身体平衡、识别路况,还能和同伴闲聊。人脑为何擅长多任务并行?想要成为类脑人工智能科学家,又该做好哪些准备? 人脑VS传统计算机 从图中可以看出,我们的大脑和传
人工智能 开芯课堂|机器人挥出那一拳之后:智能机器人的安全,到底该怎么做?
机器人要走进真实世界,只有聪明还不够,它还必须可靠、可控、可验证、可托付。聪明,是机器人的上限;安全,是机器人的底线。 一、那一拳的警示:从隐忧到现实 2025年GeekCon安全极客大赛上,两名白帽黑客远程劫持人形机器人,仅用不到3分钟就让两台机器人“沦陷”。随后,被劫持的机器人径直走向舞台中央的假人,抬起机械臂,狠狠挥了一拳,将假人击倒在地。那看似普通的一拳,却击碎了整个行业对安全的幻想。当机
人工智能 腾讯这个App,太逆天了
「人人都能做 App」时代真来了? 继蚂蚁灵光推出“闪应用”后,腾讯 Vibe Coding 产品「吐司」在自家应用宝商城上线,定位「应用生成及灵感共创平台」,简单来说,就是用户说需求,AI 拆解功能需求,最终输出成品应用。 (图源:应用宝) 在腾讯之前,蚂蚁灵光、百度秒哒这类 Vibe Coding 应用早已经在市场上流行。不过,它们生成的应用通常仅支持在内部平台分享,或者以在线的方式分享给其
人工智能 为什么现在的电脑对AI来说太慢了?
自动驾驶、救灾无人机等高风险实时 AI 任务算力需求巨大,传统计算机受 “存储墙” 制约,算力与能耗难以平衡。文章剖析传统硬件瓶颈,借鉴人脑神经元特性,介绍存算一体、神经形态芯片等仿生硬件方案,为高效 AI 计算指明方向。 人工智能曾经在科幻电影中,负责给宇宙飞船导航,操纵火箭着陆。如今,它早就不是什么新鲜事,而是润物细无声地渗透到我们的日常生活中。你听歌、看视频,它给你推荐;你出国旅行,它帮你
人工智能 内存墙之痛:为什么AI加速不能只靠堆计算单元?
本文介绍了为什么AI加速不能只靠堆计算单元。 很多人一说起AI加速,第一反应就是堆算力、堆更多浮点计算单元。 错了, 现在的瓶颈根本不是计算本身,是数据搬运、通信和不规则算子,峰值算力再高也没用。 举个最直观的例子,大语言模型推理的时候,每个新生成的token都要读写一遍已经存起来的KV缓存,这玩意儿根本不怎么缺计算,缺的是内存带宽——你带宽不够,就算计算单元堆得再多,也得等着数据慢悠悠从内存运
人工智能 开发者说|地平线HoloAgent-0:构建具身执行闭环,让Agent走入物理世界
更多机器人演示、技术细节和代码更新可见项目主页与技术报告。 • GitHub**代码:** https://github.com/HorizonRobotics/HoloAgent • 项目主页: https://horizonrobotics.github.io/robot\_lab/holoagent • 论文链接: https://arxiv.org/abs/2606.23565 概述 让A
人工智能 半导体所在混合神经形态光电伊辛机研究中取得进展
组合优化问题广泛存在于金融、物流、机器学习等领域。传统“冯·诺伊曼”架构在处理规模日益庞大的问题时面临显著瓶颈。光电伊辛机利用物理系统的动力学演化进行本征并行求解,是实现大规模组合优化硬件加速的重要技术路线。然而,其底层物理载体的连续模拟特性与伊辛模型离散二元约束之间存在本质差异,使系统演化过程易受硬件振幅不均匀、噪声累积和性能漂移等因素影响,导致求解准确度下降、可扩展性受限。 近日,中国科学院半
人工智能 GPU 相关常见术语
本文介绍了GPU 相关常见术语。 CPU像总经理,GPU像几万个熟练工人;CUDA 像管理这些工人的操作手册,HBM 像高速仓库,NVLink 像工厂之间的专用高铁。AI 模型越大、Token 调用越多,对 GPU、显存、互联、电力和散热的要求就越高。 你可以把 GPU 理解成:一座有成千上万个“小工人”的计算工厂,特别擅长同时处理大量重复计算,所以非常适合 AI、图形渲染、科学计算和大模型训练。
人工智能 WAIC 2026: 谁在定义具身智能的未来?
WAIC 2026年7月,第九届世界人工智能大会(WAIC)在上海世博、张江、西岸“三地四馆”同步启幕。本届大会释放出一个清晰的产业信号:AI的竞争已从“单点突破”转向“系统化兑现”**。**行业的目光也不再聚焦于“谁发布了新模型”,而是更加看重AI能否形成从底层算力到行业应用的完整交付能力。 这种转变在H3具身智能馆中体现得尤为直观。超300台人形机器人与智能终端同台真机展示,让我们更直观地感受
人工智能 瑞萨嵌入式AI技术漫谈 · 嵌入式系统机器学习终极指南
嵌入式系统机器学习终极指南 概述 什么是嵌入式系统的机器学习? 机器学习是人工智能的一个分支,它使计算机能够通过不同技术,从数据中以迭代方式进行学习。我们的目标是让系统从数据中学习并进行预测。这与传统方法有明显区别:传统方式依赖程序员编写明确的指令,而不是从数据中学习模式。嵌入式系统中的机器学习则专门面向嵌入式设备,使其能够采集数据、学习并执行预测。这类系统通常与传统计算机相比,内存更小、RAM更
人工智能 EIT|从“机器”到“伙伴”:将舒适与信赖注入护理机器人
⬇️ 本文内容源自对Hod Lipson的采访 智能机器正在各种医疗场景中协助专业人员开展工作,越来越多的机器人出现在了微创手术、医院后勤、疾病诊断乃至康复治疗等领域中,持续改变着医疗保健行业。随着机器人设计与功能的不断发展,新型机器人正成为医疗护理的助手,让不堪重负的护理人员得以减轻工作压力。 为了了解护理机器人未来的发展方向,我们采访了毕生致力于探索“机器如何具备人性”的专家Hod Lips
人工智能 通俗理解常见 AI 相关术语
本文介绍了常见 AI 相关术语。 一、AI 基础概念 1.AI 人工智能 让机器像人一样完成理解、判断、生成、决策等任务。 2.机器学习 Machine Learning 让机器从数据中“总结规律”,而不是人手写所有规则。 3.深度学习 Deep Learning 机器学习的一种,像搭很多层“神经网络积木”,适合处理图像、语音、文本。 4.生成式 AI Generative AI 能生成文
人工智能 开发者说|Uni3R:探索统一3D表征,0.16秒实现3D重建、渲染与理解
• 项目主页: https://horizonrobotics.github.io/robot\_lab/uni3R • 文章链接: https://arxiv.org/pdf/2508.03643 • GitHub代码**:** https://github.com/HorizonRobotics/Uni3R 概述 在现实场景中,通常只能获取来自多个视角的RGB图像,而缺乏相机位姿、深度或点云等
人工智能 轻智能拾音降噪,还原每一句清晰人声
你可能有过这样的经历:在嘈杂的街头接电话,对方总说“你那边好吵”;用录音笔在会议现场录制,回放时满耳都是键盘敲击声;用运动相机记录户外Vlog,自己的讲解声却被风声与车流声淹没。 这些时刻,困扰你的不是设备不够好,而是噪声无处不在。 01 什么是噪声? 从声学角度讲,噪声是干扰目标声音信号的一切非目标声音。它可以是地铁轰鸣、空调低鸣、窗外的雨声和鸟叫声;也可以是突发的拍手、敲桌子和关门声。 图|
人工智能 华为AI数据平台支持DeepSeek-V4,定义大模型推理效能新高度
今日,DeepSeek-V4正式开源发布,将模型上下文窗口提升至1M,使模型在长序列推理与复杂任务链处理中的表现更加高效与稳定。华为AI数据平台深度适配DeepSeek-V4,将进一步推动大模型从实验阶段走向生产级应用。 DeepSeek-V4发布 带来KV Cache存储的全新挑战 DeepSeek-V4新版本支持100万Tokens的上下文能力。为提升上下文理解能力同时控制显存占用,DeepS
评论区
登录后即可参与讨论
立即登录