邊緣AI可以通過GPU、FPGA、ASIC等芯片來實現，而一些廠商也選(xuan)擇將AI集成到(dao)主控制器當中，比如(ru)MCU或無(wu)線MCU嵌(qian)入(ru)AI的產品越(yue)來越(yue)多。近日，Silicon Labs（亦(yi)稱“芯(xin)科科技”）高級產品經理Tamas Daranyi先生獲邀參與電子發燒友網的專(zhuan)題采訪，并分享了關于邊(bian)緣AI發展的觀點(dian)，以(yi)及Silicon Labs相應的解決方案。
Silicon Labs高級產(chan)品(pin)經理Tamas Daranyi
物聯網設備對邊緣AI的考量
邊緣(yuan)機(ji)器學(xue)習（ML）計算(suan)支持廣泛的(de)(de)、智能化的(de)(de)工業和家庭應(ying)用，包(bao)括用于異常(chang)檢測(ce)(ce)的(de)(de)傳感(gan)器數據處理、預(yu)測(ce)(ce)性維護、用于改進(jin)(jin)玻璃破碎檢測(ce)(ce)的(de)(de)音頻(pin)模式(shi)識(shi)別、簡單命令詞識(shi)別以及(ji)視(shi)覺(jue)應(ying)用，如使用低分辨(bian)率攝像頭進(jin)(jin)行在場檢測(ce)(ce)或人(ren)數統計。總之(zhi)，邊緣(yuan)AI的(de)(de)需求已(yi)經非常(chang)明確并且廣泛。
但如何選擇邊緣AI呢？Tamas Daranyi認為，那些考慮在邊緣設備上部署人工智能或機器學習的(de)(de)人員(yuan)，他(ta)們都(dou)面(mian)臨性能(neng)和功耗使用方面(mian)的(de)(de)巨大的(de)(de)困境，這些可能(neng)會(hui)超過其(qi)帶來的(de)(de)好處(chu)，最終(zhong)得不償(chang)失。
他(ta)說，針對FFT、矩陣運(yun)算(suan)和卷積(ji)等特(te)(te)定類型的(de)計(ji)算(suan)，有特(te)(te)定用途的(de)計(ji)算(suan)硬件架構，因此(ci)很多公司都在(zai)主核心旁(pang)邊的(de)芯片上使用特(te)(te)定的(de)計(ji)算(suan)子系統，諸如DSP、NPU等。
這樣做的主(zhu)要(yao)好處是(shi)可以(yi)更快、更高(gao)效地處理操作，減輕通用(yong)CPU的負擔。芯片設(she)計(ji)中的挑戰可能會有所(suo)不同，但在性能與門數之間總(zong)是(shi)存在權衡，這會增加價格。
同時，像服務器集群支撐起(qi)來的(de)云(yun)計算中的(de)人(ren)工智能(neng)(neng)/機(ji)器學(xue)習(xi)功(gong)能(neng)(neng)似乎(hu)擁有“無限(xian)制”的(de)資(zi)源與帶寬(kuan)。
所以，考慮到性能與成本，以及邊緣有限的資源等因素，Tamas Daranyi認為邊緣AI需要將許多關鍵的部分集成在一顆芯片以及基于該芯片的解決方案之中。在他看來，邊緣人工智能解決方案需要具備業界所需功能的最佳組合，包括物聯網邊緣應用相關(guan)的對多樣化(hua)無線多協議的支持、電(dian)池壽命、機器學習和安全(quan)性等。
不僅所(suo)有這些功能需要領(ling)先業界(jie)(jie)，而更困難的(de)(de)是去確保最終的(de)(de)無線SoC產品在領(ling)先業界(jie)(jie)的(de)(de)同(tong)時，還(huan)能夠保持成本優勢(shi)、高能效(xiao)并不會過(guo)時。
Silicon Labs最新無線SoC單芯片集成邊緣AI
Silicon Labs新推出的(de)(de)BG24和MG24系列產品(pin)旨在無線SoC上(shang)構建單芯片邊緣AI解決方案，它(ta)是(shi)一種集(ji)成化的(de)(de)解決方案，需要在芯片架構上(shang)進行創新，以實(shi)現(xian)更(geng)高的(de)(de)性(xing)能和更(geng)低(di)的(de)(de)功(gong)耗。
Tamas Daranyi表示，架構性創新(xin)是單(dan)芯(xin)片BG24和MG24 SoC的關鍵部分。
它們結合了運行速率為78 MHz的ARM Cortex-M33處理器(qi)(qi)、高性能2.4 GHz射頻(pin)、行業(ye)領先的20位ADC、優(you)化的閃存（高達1536 kB）和RAM（高達256 kB）的組合，以及AI/ML硬件加速器(qi)(qi)（用(yong)于在減輕ARM Cortex-M33工(gong)作量時處理機器(qi)(qi)學習算法），因此應用(yong)程序可以有(you)更多的時鐘周期(qi)來完成其他工(gong)作。
這些SoC支持廣泛(fan)的2.4 GHz無(wu)線物聯網協議，具有市(shi)場(chang)上最高的安全性(xing)和最佳的射頻性(xing)能(neng)/能(neng)效(xiao)比(bi)。
內部測試顯(xian)示，全新的(de)、具(ju)有AI/ML功能的(de)BG24和MG24 2.4 GHz無線SoC，實現了(le)(le)性能提(ti)(ti)升高達(da)4倍(bei)，以及能效(xiao)提(ti)(ti)升高達(da)6倍(bei)。由于機器(qi)學習計(ji)算是在本地(di)設(she)備上而(er)不是在云(yun)端進行(xing)的(de)，因此(ci)消除了(le)(le)網絡延遲，加快了(le)(le)決策和行(xing)動。
BG24和MG24支持Matter、Zigbee、OpenThread、低功耗藍牙、藍牙網狀網絡、專有和多協議操作，并提供PSA 3級Secure Vault安全保護，超低功耗以及Silicon Labs產品組合中最大的內存和閃存容量，可廣泛應用于各種智能家居、醫療和工業領域。
Silicon Labs持續探索無線SoC+嵌入式AI
毫無疑問(wen)，一個設(she)計良好(hao)的(de)(de)硬件和(he)適當的(de)(de)軟件支持(chi)可以(yi)實現高(gao)效的(de)(de)AI SoC。顯(xian)然，專用的(de)(de)解決方案性(xing)能(neng)將(jiang)表(biao)現得最(zui)好(hao)，但通用的(de)(de)AIoT器(qi)件也具有(you)強(qiang)大(da)的(de)(de)功能(neng)且極具競爭力。“我并不認為(wei)SoC功能(neng)越強(qiang)大(da)越好(hao)，而是應該以(yi)合理的(de)(de)價格為(wei)特定的(de)(de)問(wen)題提供(gong)最(zui)智能(neng)、最(zui)有(you)效的(de)(de)解決方案。”Tamas Daranyi說道。
Tamas Daranyi表示，作為一家全(quan)球領先的擁有(you)安全(quan)和(he)智能(neng)的無(wu)線(xian)(xian)(xian)技(ji)術、先進外圍設備(bei)和(he)先進計(ji)算內核(he)的無(wu)線(xian)(xian)(xian)SoC供應商，Silicon Labs已經為邊(bian)緣人工(gong)智能(neng)/機器(qi)學(xue)(xue)習制定(ding)了(le)戰略(lve)和(he)路線(xian)(xian)(xian)圖。該戰略(lve)的一個關鍵部(bu)分(fen)是解決在(zai)無(wu)線(xian)(xian)(xian)SoC上(shang)盡可能(neng)快速(su)和(he)高效地運(yun)行機器(qi)學(xue)(xue)習模型的挑戰。
更重要的(de)是(shi)，Silicon Labs已經(jing)為(wei)此(ci)推(tui)出(chu)了兩款全新(xin)的(de)2.4 GHz無(wu)線(xian)SoC系(xi)列產品，它們擁有片上AI/ML加速器。他們還為(wei)市(shi)場推(tui)出(chu)了一(yi)個全新(xin)的(de)軟件工具(ju)包，旨在讓開(kai)發人員(yuan)通過(guo)一(yi)些最常用的(de)工具(ju)套件（如TensorFlow），來快(kuai)速構建(jian)和(he)部署人工智能和(he)機(ji)器學習算法。我們正在探索集成機(ji)器學習和(he)無(wu)線(xian)連接功(gong)能的(de)單(dan)芯片解決方案(an)及其最有意義的(de)、特(te)別關注低功(gong)耗的(de)應用，這將成為(wei)物聯網行(xing)業的(de)一(yi)場徹底變革。
版權聲明: 本文內容來源于網絡，該文觀點僅代表作者本人。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。如發現本站有涉嫌抄襲侵權/違法違規的內容，請聯系我們，一經查實，本站將立刻刪除。
