Ambiq发布heliaCORE：让边缘AI在微瓦级功耗下跑起来

哇哦AI

图片来自 morningstar.com 的相关公开报道，展示产品、原型、使用场景或事件背景；具体信息以原始来源为准。 摄影/版权标识：morningstar.com。 来源：morningstar.com

边缘AI的痛点从来不是算法不够强，而是功耗墙太厚——想在纽扣电池上跑实时推理，芯片得省电到极致，软件还得把每一纳焦都榨干。Ambiq刚刚发布的heliaCORE，正是冲着这个难题来的。作为HELIA生态的基石软件层，它专门为Ambiq自家的Apollo SoC优化，一口气加速了超过200个算子，从激活函数到数据搬运全包圆。官方宣称验证覆盖了40多个模型、53种算子类型、247个独特算子和963个算子实例，规模大约是MLPerf Tiny基准的12倍。换句话说，它想证明自己不是实验室玩具，而是能扛真实生产负载的“肌肉”。

目前能确认到哪一步
announced：Ambiq于2026年6月23日宣布发布heliaCORE，已向客户和合作伙伴提供，开发者可通过Ambiq开发者门户和GitHub获取文档与资源。

heliaCORE是什么？
简单说，heliaCORE是一套为Apollo SoC量身定制的AI内核软件库。它基于Arm CMSIS-NN生态，兼容主流嵌入式AI开发流程，但重点在于“榨干”Apollo芯片的每一点算力——不仅加速神经网络核心运算，还优化了激活、填充、降维、reshape和数据搬运这些“边角料”操作。Ambiq AI负责人Adam Page表示，AI的未来在边缘，但行业最大挑战是从实验到部署的鸿沟，heliaCORE就是填沟的基石。

目前heliaCORE已集成到CMake、CMSIS-Pack、Zephyr和neuralSPOT-X等开发流程中，开发者可以直接上手。Ambiq强调，它经过了40多个AI模型的验证，覆盖53种算子类型，总计963个算子实例，规模是MLPerf Tiny基准的约12倍。这意味着它不只是跑通几个Demo，而是试图覆盖更广泛的真实场景，给开发者更多“开箱即用”的信心。

为什么边缘AI需要专门的软件层？
边缘设备不像云端有无限电力和散热，一个智能门锁或可穿戴设备，电池可能只有几百毫安时。如果AI推理软件效率不高，芯片再省电也白搭。传统做法是开发者自己手写优化内核，但不同模型、不同算子都得重新调，周期长、门槛高。Ambiq的算盘是：把优化工作固化到heliaCORE里，开发者只需调用API，就能自动获得针对Apollo SoC的最佳性能。

Ambiq的底气来自其SPOT技术——一种亚阈值功耗优化专利，能让芯片在极低电压下工作。但硬件再强，软件跟不上也是浪费。heliaCORE的200多个加速算子，就是要把硬件的省电潜力真正释放出来。官方数据没有给出具体功耗对比，但强调“生产级验证”和“12倍算子实例”，暗示它比通用方案更贴近实际部署需求。

HELIA生态的拼图与竞争格局
heliaCORE是Ambiq HELIA生态的最新成员，此前已有heliaRT（实时操作系统）和heliaAOT（提前编译工具）。三件套的目标是覆盖边缘AI从训练到部署的全链路：heliaAOT负责模型优化和编译，heliaRT提供运行时调度，heliaCORE则负责底层算子加速。Ambiq希望借此降低对第三方工具链的依赖，形成软硬一体的护城河。

不过，边缘AI软件层早已是红海：Arm有CMSIS-NN，谷歌有TensorFlow Lite Micro，还有诸多开源方案。Ambiq的差异化在于绑定自家Apollo SoC，走“专用优化”路线。但这也意味着它无法直接用于其他芯片。对于开发者而言，选择heliaCORE等于绑定Ambiq硬件，好处是性能可能最优，坏处是迁移成本高。目前heliaCORE已向客户开放，实际效果如何，还得看第一批量产产品的表现。

资料线索
• morningstar.com

本文是基于公开页面整理的 AI 硬件情报，不是本站实测或购买建议。图片发布副本增加 waoo.ai 水印，原摄影者和来源标识保留。