邊緣AI可以通過GPU、FPGA、ASIC等芯片來實現，而一些廠(chang)商(shang)也選擇將AI集成到(dao)主控制器當中，比如(ru)MCU或無線MCU嵌入AI的產品越來越多。近日，Silicon Labs（亦(yi)稱“芯科(ke)科(ke)技”）高(gao)級產品經(jing)理Tamas Daranyi先(xian)生獲邀參與電(dian)子發燒友網的專題采訪，并(bing)分享(xiang)了關于邊緣AI發展的觀點，以(yi)及Silicon Labs相(xiang)應的解決(jue)方案(an)。
Silicon Labs高級產品經理Tamas Daranyi
物聯網設備對邊緣AI的考量
邊緣機器(qi)學(xue)習（ML）計算支持廣(guang)泛(fan)的(de)、智能化的(de)工業和(he)家庭應(ying)(ying)用(yong)，包括用(yong)于(yu)異常檢測(ce)的(de)傳感器(qi)數據處(chu)理、預測(ce)性維護(hu)、用(yong)于(yu)改進(jin)玻璃破(po)碎檢測(ce)的(de)音(yin)頻模式識別、簡(jian)單命令詞識別以及(ji)視覺(jue)應(ying)(ying)用(yong)，如(ru)使用(yong)低分(fen)辨率攝像頭進(jin)行在場檢測(ce)或人數統計。總之，邊緣AI的(de)需(xu)求(qiu)已經(jing)非常明確(que)并且廣(guang)泛(fan)。
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(huo)機器學習的人員，他們都面臨性能(neng)和功耗使用(yong)方面的巨大的困境，這些(xie)可能(neng)會(hui)超過其(qi)帶來的好處(chu)，最終(zhong)得(de)不償(chang)失。
他(ta)說，針對FFT、矩陣運算和卷(juan)積等特定類型的計(ji)算，有特定用途的計(ji)算硬件架構，因此(ci)很多公(gong)司都在主核(he)心旁(pang)邊的芯(xin)片上使(shi)用特定的計(ji)算子系統，諸如DSP、NPU等。
這樣做的(de)主(zhu)要好處是可(ke)以更快、更高效地處理操作，減輕(qing)通用CPU的(de)負擔。芯(xin)片設計中的(de)挑戰可(ke)能會有所不同，但(dan)在性能與門(men)數之間總是存在權(quan)衡，這會增加(jia)價格。
同時，像(xiang)服(fu)務器集群支撐起(qi)來(lai)的云計(ji)算中(zhong)的人(ren)工智能(neng)/機(ji)器學習功(gong)能(neng)似乎擁有“無限制”的資源與帶寬。
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(yong)相關的(de)(de)對(dui)多樣化無線多協議的(de)(de)支持、電池壽命(ming)、機器學習和安全性(xing)等。
不(bu)僅所有這些功(gong)能需(xu)要(yao)領先業界，而更困難的是去(qu)確(que)保(bao)最終(zhong)的無線SoC產品在領先業界的同時，還能夠保(bao)持成本優勢、高能效并不(bu)會過時。
Silicon Labs最新無線SoC單芯片集成邊緣AI
Silicon Labs新推出的BG24和(he)MG24系(xi)列(lie)產(chan)品旨(zhi)在無線SoC上構建(jian)單芯片(pian)邊緣AI解決(jue)方(fang)案，它是一種集(ji)成化(hua)的解決(jue)方(fang)案，需要在芯片(pian)架構上進(jin)行創新，以(yi)實現更(geng)高的性能和(he)更(geng)低的功耗。
Tamas Daranyi表示(shi)，架構性創新是(shi)單芯片BG24和(he)MG24 SoC的關鍵部分。
它們(men)結合(he)了(le)運行(xing)速(su)率為78 MHz的(de)(de)ARM Cortex-M33處理器(qi)(qi)、高(gao)性能2.4 GHz射頻、行(xing)業領(ling)先的(de)(de)20位ADC、優化的(de)(de)閃存（高(gao)達1536 kB）和(he)RAM（高(gao)達256 kB）的(de)(de)組合(he)，以(yi)及(ji)AI/ML硬件加速(su)器(qi)(qi)（用于在減輕ARM Cortex-M33工作量時(shi)處理機器(qi)(qi)學(xue)習算法(fa)），因(yin)此應用程序可以(yi)有更多的(de)(de)時(shi)鐘(zhong)周(zhou)期來(lai)完(wan)成其他工作。
這些SoC支持廣泛的(de)2.4 GHz無線物聯網協議，具有市場(chang)上最高的(de)安(an)全性(xing)(xing)和(he)最佳的(de)射頻(pin)性(xing)(xing)能/能效(xiao)比。
內(nei)部(bu)測試顯(xian)示，全(quan)新的、具有(you)AI/ML功能(neng)(neng)的BG24和MG24 2.4 GHz無線SoC，實現了性能(neng)(neng)提(ti)(ti)升高(gao)達4倍(bei)，以及能(neng)(neng)效提(ti)(ti)升高(gao)達6倍(bei)。由于(yu)機器學習(xi)計(ji)算是(shi)在本地設(she)備上而不是(shi)在云端(duan)進行(xing)的，因此消除了網絡延(yan)遲，加快了決策和行(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，一個設計良好(hao)(hao)的(de)硬件和適當的(de)軟件支持可以實現高效的(de)AI SoC。顯然(ran)，專用的(de)解(jie)決(jue)方(fang)案(an)性(xing)能(neng)將表現得最(zui)好(hao)(hao)，但通用的(de)AIoT器件也具(ju)有強大的(de)功能(neng)且極具(ju)競爭力。“我并不認為SoC功能(neng)越強大越好(hao)(hao)，而是應該以合理(li)的(de)價格為特(te)定的(de)問題提供最(zui)智能(neng)、最(zui)有效的(de)解(jie)決(jue)方(fang)案(an)。”Tamas Daranyi說(shuo)道。
Tamas Daranyi表示，作為一家(jia)全球(qiu)領(ling)先的擁有安全和智(zhi)能(neng)的無(wu)線(xian)(xian)技(ji)術(shu)、先進(jin)外圍設備和先進(jin)計(ji)算內核的無(wu)線(xian)(xian)SoC供(gong)應商，Silicon Labs已經為邊緣人工智(zhi)能(neng)/機器學(xue)習(xi)制定了戰略和路線(xian)(xian)圖。該戰略的一個關鍵(jian)部分(fen)是解決在無(wu)線(xian)(xian)SoC上(shang)盡可能(neng)快速(su)和高(gao)效地運(yun)行機器學(xue)習(xi)模型的挑戰。
更(geng)重(zhong)要的(de)(de)是(shi)，Silicon Labs已經為(wei)此推(tui)出(chu)了(le)兩款全新(xin)的(de)(de)2.4 GHz無線(xian)SoC系列產品，它們擁有(you)片(pian)上AI/ML加速(su)器。他們還為(wei)市(shi)場推(tui)出(chu)了(le)一(yi)個全新(xin)的(de)(de)軟件工具包，旨在讓開發人員通過一(yi)些最常用的(de)(de)工具套件（如TensorFlow），來快速(su)構建(jian)和(he)部署人工智能和(he)機器學習算法。我們正在探索集成機器學習和(he)無線(xian)連接功(gong)能的(de)(de)單芯(xin)片(pian)解決方案(an)及其最有(you)意義的(de)(de)、特別關注低(di)功(gong)耗的(de)(de)應用，這(zhe)將成為(wei)物聯(lian)網行業的(de)(de)一(yi)場徹底變革(ge)。
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。
