Google 公开 Coral NPU 完整 32 位设计并发布 Coral Compiler v1.0

Google Research于2026年10月20日宣布，已公开其为低功耗边缘AI开发的Coral NPU的完整32位设计，其中包括矩阵运算单元。同时，还公开了负责AI模型转换与优化的Coral Compiler v1.0。同日，美国半导体厂商Synaptics也发布了采用Coral NPU的开发板Coralboard SR，并开始一般销售Coralboard SL。

统一边缘AI：Coral NPU的开放标准如何将可移植、能源可行的智能从模型带到芯片 - Google Developers Blog

Coral NPU是一种开源硬件设计，用于在可穿戴设备和IoT设备上执行AI模型推理。它基于32位RISC-V指令集，半导体厂商等可将其集成到自家SoC中使用。Google于2025年10月将其作为包含硬件设计和开发工具的平台发布。

在边缘AI领域，由于各厂商的芯片和开发工具不同，每次更换所用芯片都需要反复调整和优化模型，负担较重。Coral NPU旨在利用通用架构和开源工具，使一次优化后的模型更容易在不同厂商的芯片和设备上使用。

此外，如果将NPU不支持的处理交给CPU，可能会增加延迟和功耗。Google从一开始就将Coral NPU的硬件和编译器一起设计，以便在有限功耗下获得设备所需的处理性能。

公开矩阵运算单元，32位设计齐备

Google分四个阶段开发32位设计：标量核心、向量运算单元、内存子系统和矩阵运算单元。10月公开了最终阶段的矩阵运算单元（Matrix Execution Unit），至此四个阶段全部完成。

根据数据手册，矩阵运算单元每周期执行256次乘加运算。Google解释说，该设计使运算所用的权重和中间数据在单元内重复使用，从而抑制与内存之间数据传输带来的功耗。

根据路线图，Coral NPU的运算性能根据配置最高可达1TOPS，推理时的平均功耗目标为10mW。

描述电路动作的设计数据（RTL）已在GitHub上公开。

负责模型转换与优化的Coral Compiler v1.0

Coral Compiler v1.0是一款开源工具，可将AI模型转换为可在Coral NPU上执行的形式。据Google介绍，它支持用JAX、PyTorch、TensorFlow创建的模型[1]。

编译器基础采用IREE和MLIR，将模型处理分配给主机CPU和NPU。它还进行优化以提高执行效率，例如将矩阵分割以容纳在NPU内的内存中。

使用模拟器或FPGA参考设计，可以在制造芯片之前评估模型的执行性能并调整硬件配置。

发布Coralboard SR，SL在DigiKey一般销售

Coralboard SR是一款基于微控制器的开发板，用于试制可穿戴设备和工业传感器等电池驱动设备。它搭载内置400 GOPS Torq NPU的Astra SR200系列微控制器。Torq NPU集成了Coral NPU的向量运算单元。根据开发者页面，发售时间将在今后公布。

Coralboard SL是一款面向使用Linux的IoT设备和机器人的开发板，可用来试验图像处理等AI处理。它搭载了内置1 TOPS Torq NPU的Astra SL2619处理器。该Torq NPU将Coral NPU的标量核心与Synaptics独有的运算核心相结合。

Coralboard SL在Google I/O上以限定版形式提供后，于10月20日通过电子元器件销售代理商DigiKey开始一般销售。该产品可在世界各地购买，截至10月22日，DigiKey美国网站上的售价为每台99.79美元。

Synaptics为两款开发板提供基于MLIR的Torq编译器和运行时，并表示可在共同的开发环境中优化模型，并分别在SL和SR上运行。

各开发板的信息及开发资料请参阅Coralboard的产品页面。