Coral NPU 开源标准统一边缘 AI：从模型到芯片的可移植、低功耗智能

Google Research 完成 32 位开源 Coral NPU RISC-V 架构，新增 Matrix Execution Unit，宣称最高 1 TOPS、边缘推理平均功耗目标 10 mW。同步发布 v1.0 开源 IREE/MLIR 编译器，可将 JAX、PyTorch、TensorFlow 模型直接编译到 Coral NPU，无需手写汇编。开发者可通过 Synaptics Astra SR200 MCU 系列和 Coralboard 开发套件原型化并部署多模态边缘应用。上述性能与功耗为设计目标，尚待独立验证。

AI推荐理由 Google Research 官方博客披露 Coral NPU 的 32 位开源 RISC-V 架构补全：新增 Matrix Execution Unit，宣称最高 1 TOPS、面向边缘推理平均功耗目标 10 mW；同时发布 v1.0 开源 IREE/MLIR 编译器，支持 JAX/PyTorch/TensorFlow 模型直接落到 Coral NPU，无需手写汇编。新信息具体、可验证路径清晰（架构+编译器+硬件选项 Synaptics Astra SR200 MCU 与 Coralboard 开发套件），对边缘 AI 部署与工具链有实际价值。局限：TOPS 与功耗为设计目标而非第三方实测，实际性能与能效待验证；属厂商自述，非独立评测。