Referências: ALAM, Shahanur; YAKOPCIC, Chris; WU, Qing; BARNELL, Mark; KHAN, Simon; TAHA, Tarek M. Survey of Deep Learning Accelerators for Edge and Emerging Computing. Electronics, [S. l.], v. 13, n. 15, p. 2988, 2024. Disponível em: https://doi.org/10.3390/electronics13152988. Acesso em: 09 nov. 2025.
O artigo apresenta uma revisão das principais tecnologias usadas em aceleradores de aprendizado profundo voltados para a computação de borda. Segundo os autores, os aceleradores, chamados de Neural Processing Units (NPUs) ou Edge AI Processors, realizam o processamento de redes neurais no próprio dispositivo, reduzindo o consumo de energia, o tempo de resposta e o envio de dados para servidores externos.
Os autores classificam as arquiteturas de aceleradores em três tipos: a dataflow, que otimiza o fluxo contínuo de dados e o paralelismo das operações, sendo predominante nos aceleradores atuais; a neuromórfica, inspirada no funcionamento do cérebro humano, que oferece alta eficiência energética e é adequada para aprendizado em tempo real; e a processing-in-memory (PIM), que realiza operações próximas à memória para reduzir movimentações de dados e consumo energético
Nesse contexto, os autores analisaram diversos desses processadores desenvolvidos por empresas como Google, Apple, NVIDIA e ARM, que podem ser usados para reconhecimento de voz, visão computacional, análise sensorial e controle inteligente com baixa latência e alta eficiência energética. No caso do Echo Dot, o processador AZ2 Neural Edge utiliza essa tecnologia para reconhecer voz e responder a comandos sem depender da nuvem.