为@@什么人们需要更低功耗的@@人工智能@@@@？麻省理工学院@@（MIT）副教授@@Vivienne Sze此前在接受采访时表示@@，人工智能@@应用正在向智能手机@@、微型机器人@@@@、互联网@@连接设备@@和@@其他功率和@@处理能力有限的@@设备@@转移@@，意味着数据@@处理不再需要在云端@@、仓库服务器机架上进行@@，从@@云上卸载计算使我们能够扩大人工智能@@的@@影响范围@@，通过减少与远程服务器通信造成的@@延迟来加快响应时间@@。
现在@@，人工智能@@的@@本地化部署有了一个专属名称@@——边缘智能@@，也可叫做边缘人工智能@@@@。随着@@5G、人工智能@@和@@网@@络安全@@三大领域相互渗透@@，智慧工厂@@和@@自动驾驶两大典型的@@物联网@@应用引发数据@@爆发式增长@@，传统云端处理@@、边端执行的@@模式已经出现明显的@@瓶颈@@，终端硬件搭配@@AI模型和@@软件算法@@已经是大势所趋@@，成为@@人工智能@@发展的@@下一个关键阶段@@。
本文我们将重点讨论传统人工智能@@面临的@@挑战@@，以及@@边缘智能@@会带来哪些好处@@。同时@@，也会为@@大家推荐贸泽电子@@@@上在售的@@@@，适用于部署边缘智能@@的@@元器件@@，推动产业大升级@@。
边缘智能@@的@@四大典型优势@@
自上世纪@@50年@@代人工智能@@概念被提出以后@@，产业发展至今经历了数次的@@高潮和@@寒冬@@。虽然有低谷@@，但人类对人工智能@@技术@@的@@探索从@@没有停止过@@。2006年@@至今@@，我们经历了人工智能@@产业新一轮发展大潮@@，在此@@过程中@@，“算力@@+算法@@+数据@@”正式被定义为@@人工智能@@产业的@@三驾马车@@，云计算平台作为@@算力@@提供@@源@@，大幅提升了人工智能@@算法@@模型的@@体量@@。 根据@@前瞻产业研究院@@的@@统计数据@@@@@@，从@@2016年@@到@@@@2020年@@全球人工智能@@产业市场规模实现了数倍的@@增长@@，从@@2016年@@的@@@@593亿美元@@快速增长到@@了@@2020年@@的@@@@2,335亿美元@@。市场的@@高速增长不仅给企业带来巨大的@@投资回报@@，同时@@也赋予社会发展肉眼可见的@@便利性@@。
图@@1：全球人工智能@@市场规模@@（图@@源@@：前瞻产业研究院@@）
然而@@，在电信业务@@、政府@@、安防@@、金融四大传统人工智能@@应用领域取得突破之后@@，全球人工智能@@发展遇到@@了新的@@阻力@@，发生了巨大的@@变化@@。根据@@市场分析机构@@IDC的@@预测@@，未来人工智能@@发展不再仅仅是云端集中式@@，会更加注重落地和@@实践@@，趋向广泛化@@、纵向化@@，打通人工智能@@技术@@和@@广泛行业的@@最后@@一公里@@。
在这种大趋势下@@，传统人工智能@@应用框架@@@@出现了明显的@@技术@@瓶颈@@，包括@@数据@@瓶颈@@、泛化瓶颈@@、能耗瓶颈@@、预义鸿沟瓶颈@@、可解释性瓶颈和@@可靠性瓶颈等@@。在这么多瓶颈背后@@，一个相同的@@原因是此前的@@人工智能@@应用框架@@里@@，所有应用都是以云计算为@@依托@@，数据@@都必须返回到@@云端@@，给处理效率@@、信息安全@@@@、部署成本带来了极大的@@挑战@@。
图@@2：传统人工智能@@应用框架@@@@（图@@源@@：前瞻产业研究院@@）
随着@@人工智能@@落地到@@越来越多的@@细分场景里@@，完全依赖云计算的@@人工智能@@越来越不适应@@，业界提出的@@解决方案@@便是边缘智能@@@@。当然@@，边缘智能@@和@@传统的@@云端智能绝不是替代关系@@，而是更好的@@补充@@。通过下方边缘计算产业联盟@@@@（ECC）发布的@@边缘计算参考架构@@能够看出@@，边缘智能@@和@@云端智能并不割裂@@，只是应用程序和@@边缘端紧密结合@@。
图@@3：边缘计算参考架构@@（图@@源@@：边缘计算产业联盟@@（ECC））
从@@系统框架@@来看@@，边缘智能@@方案大致可以分为@@基础资源层@@、虚拟化层@@、边缘虚拟服务层@@，实际上就是云端智能的@@下沉@@，一般而言@@，具体的@@业务切分由规则引擎来负责@@。如下图@@@@4所示@@，当计算资源迁移到@@边缘端之后@@，边缘智能@@方案将独立拥有@@操作系统以及@@相关的@@硬件资源@@，这也就是为@@什么我们上面提到@@@@，边缘智能@@的@@核心要义是应用程序和@@边缘端深度融合@@。
图@@4：基于规则引擎的@@边缘智能@@方案@@（图@@源@@：论文@@《一种基于规则引擎的@@边缘计算技术@@研究及实施方案@@》）
计算和@@任务处理直接在边缘端进行@@，这让边缘智能@@方案具备@@四大突出的@@技术@@优势@@。
实时性好@@
首先是实时数据@@处理@@、提高@@响应速度@@。相较于传统海量数据@@无差别上云而言@@，边缘智能@@由于更靠近用户终端装置@@，可以加快数据@@的@@处理与传送速度@@，减少延迟@@。这种实时性对自动驾驶@@、工业机器人@@等应用有重要价值@@。
带宽需求小@@
其次是减少互联网@@带宽依赖@@。根据@@IDC的@@统计数据@@@@，2021年@@，全球创造了@@82.5ZB的@@数据@@@@，未来五年@@全球数据@@规模还将以@@21.2%的@@年@@复合增长率快速发展@@，到@@2026年@@达到@@@@216ZB。如果这些数据@@全部送到@@云数据@@中心去处理@@，那么@@将会对网@@络带宽造成巨大的@@传输压力@@。而边缘智能@@以卸载的@@方式将大部分边缘端产生的@@巨量数据@@及时处理@@，帮助减轻网@@络带宽的@@压力@@。
功耗低@@
第三是降低系统功耗@@。根据@@工信部数据@@@@，2021年@@中国数据@@中心耗电量@@2,166亿千瓦时@@，占社会用电量比例达@@2.6%，相当于@@1.3个上海市的@@总社会用电量@@。通过云边结合的@@方式@@，数据@@中心可以更加专注在@@AI大模型的@@训练和@@运转@@，边缘智能@@方案极为@@强调能耗比@@，将有助于降低整体功耗@@。
安全@@性好@@
最后@@，边缘智能@@能够更好地保护用户的@@数据@@@@隐私和@@数据@@安全@@@@。边缘智能@@方案在终端就可以对数据@@进行清洗@@、预处理@@、聚合@@、筛选等操作@@，数据@@不用完全返回云端再做处理@@，或@@者最终传输到@@云端的@@数据@@@@为@@脱敏数据@@@@，降低了隐私@@、机密数据@@泄露的@@风险@@，提升了数据@@的@@安全@@性@@。
凭借上述这些突出的@@技术@@优势@@，边缘智能@@在智能驾驶@@、智慧工厂@@、智慧能源和@@智能家居等领域应用广泛@@，提升了人工智能@@的@@应用深度和@@广度@@，丰富了@@“AI+”的@@实际应用@@。当然@@，想要打造@@高效稳定的@@边缘智能@@方案@@，离不开电子@@元器件的@@支持@@@@。作为@@全球知名先的@@电子@@元器件分销平台@@，贸泽电子@@@@销售的@@电子@@元器件遍及各种边缘智能@@解决方案@@@@，助力打造@@低碳智能的@@数字新世界@@。下面@@，我们就来为@@大家推荐几款具有代表性@@、可用于@@边缘智能@@的@@元器件产品@@。
Microchip机器学习整体@@解决方案@@@@
上述内容已经提到@@@@，边缘智能@@是@@云端智能的@@下沉@@，也就是说@@将人工智能@@的@@模型置于边缘端@@。目前@@，云端配合最理想的@@方式是@@：将机器学习的@@训练模型放置在云端@@，通过云端大算力@@的@@优势提升训练的@@效率@@；将机器学习的@@推理@@、决策和@@执行模型放置在边缘@@，需要的@@计算和@@存储资源相对较小@@，保障了部署的@@灵活性@@，并降低系统反应的@@时间@@。 因此@@，我们通过@@Microchip机器学习整体@@解决方案@@@@能够看到@@@@，在边缘一侧@@，元器件会涉及到@@更善于终端推理的@@@@FPGA，更利于系统集成@@和@@部署的@@@@MCU/MPU，以及@@其他帮助工程师打造@@边缘机器学习方案的@@模拟器件和@@安全@@器件@@。目前@@，Microchip这份完整的@@机器学习方案已经在贸泽电子@@@@全面上线@@，接下来我们就来系统地看一下@@这份方案@@，以及@@方案里面的@@具体器件@@。
图@@5：Microchip机器学习整体@@解决方案@@@@（图@@源@@：Microchip）
综合而言@@，Microchip机器学习整体@@解决方案@@@@是一个包括@@软件和@@硬件工具套件@@、参考设计以及@@硅平台的@@系统方案@@，非常适合用于需要具有高级性能的@@简单易用的@@应用@@。也就是说@@，无论你是@@AI和@@机器学习方面的@@新手@@，还是寻求高性能@@、经验丰富的@@工程师大牛@@，都能够在@@Microchip机器学习整体@@解决方案@@@@里找到@@适合自己的@@软硬件组合@@。
在硅器件方面@@，Microchip广泛的@@硅器件产品组合包括@@@@MCU、MPU和@@FPGA。为@@帮助工程师使用这些器件@@，Microchip准备@@了全面丰富的@@软件工具包@@，允许工程师朋友使用流行的@@@@ML框架@@，包括@@TensorFlow、Keras、Caffe和@@ONNX涵盖的@@许多其他框架@@@@，以及@@TinyML和@@TensorFlow Lite中的@@框架@@@@。这些丰富的@@开发套件组合起来@@，构成了@@Microchip硅器件背后的@@开发生态系统@@。
比如@@，在使用@@Microchip的@@MCU或@@MPU器件时@@，MPLAB开发生态系统将与@@Microchip的@@开发板@@以及@@机器学习设计合作伙伴提供@@的@@软件套件和@@解决方案@@无缝集成@@@@，提供@@MPLAB X集成@@开发环境@@（IDE）、MPLAB XC C编译器@@、MPLAB Data Visualizer等开发工具@@，显著提升开发者的@@开发效率@@。
在使用@@Microchip的@@FPGA器件时@@，该公司先进的@@@@VectorBlox加速器@@软件开发套件@@（SDK）可以让开发者轻松编程高能效神经网@@络@@。VectorBlox加速器@@SDK还附带了基于@@PolarFire视频@@套件构建智能@@AI相机平台的@@说明@@，让开发者可以更加方便地评估不同的@@卷积神经网@@络@@（CNN）。
此外@@，围绕丰富的@@硅器件@@，Microchip还提供@@了丰富的@@评估套件@@，包括@@带有@@TDK InvenSense 6轴@@MEMS运动传感器的@@@@SAM D21机器学习评估套件@@和@@带@@Bosch IMU的@@SAM D21机器学习评估套件@@。
通过全面的@@软硬件组合@@，以及@@Microchip经过验证的@@参考设计和@@经验丰富的@@合作伙伴网@@络@@，可以帮助广大机器学习开发者降低风险@@、缩短上市时间@@、降低功耗和@@应用成本@@。开发者可以借助这些资源设计各种应用程序@@，用于数据@@中心@@、自动驾驶汽车@@、安全@@和@@监控@@、电子@@围栏@@、增强和@@虚拟现实耳机头显@@、无人机@@、机器人@@、卫星图@@像和@@通讯中心等领域@@。
上面我们对@@Microchip机器学习解决方案@@进行了全面介绍@@，接下来我们通过@@一款具体的@@方案@@，看一下@@Microchip方案在机器学习方面的@@出色性能@@。在此@@，我们为@@大家展开介绍上面提到@@的@@带有@@TDK InvenSense 6轴@@MEMS运动传感器的@@@@SAM D21机器学习评估套件@@，贸泽电子@@@@上该评估套件的@@物料号为@@@@EV18H79A，大家可以通过搜索此物料号@@，在贸泽电子@@@@平台快速找到@@这款评估套件@@，并且通过该评估套件的@@详情页就可以看到@@我们上述提到@@的@@@@Microchip机器学习整体@@解决方案@@@@。
图@@6：EV18H79A（图@@源@@：贸泽电子@@@@）
EV18H79A SAMD21机器学习评估套件@@基于@@Arm® Cortex®-M0+的@@32位@@MCU打造@@，带有板载@@调试器@@（nEDBG）、ATECC608A CryptoAuthentication安全@@188足彩外围@@app IC和@@完全认证的@@@@ATWINC1510 Wi-Fi网@@络控制器@@。作为@@一款面向机器学习应用的@@@@多功能传感器开发工具@@，EV18H79A上集成@@了@@Microchip MCP9808高精度@@温度传感器@@、光传感器以及@@带有@@TDK InvenSense ICM-42688-P、高精度@@6轴@@MEMS的@@附加板@@，帮助开发者收集数据@@以训练和@@创建机器学习模型@@。
此外@@，为@@了让开发者更快上手@@EV18H79A SAMD21机器学习评估套件@@，Microchip还提供@@了用户指南和@@项目示例@@，进一步帮助大家缩短开发周期@@。
可用于@@AIoT应用的@@@@ESP-EYE开发板@@
我们都知道@@，人工智能@@和@@物联网@@融合而成的@@@@AIoT是边缘智能@@典型的@@应用场景@@，当然@@也可以说@@，边缘智能@@是@@AIoT落地的@@重要推动技术@@@@。那么@@，接下来我们为@@大家推荐一款来自制造商@@Espressif Systems（乐鑫科技@@）、可用于@@AIoT场景的@@@@ESP-EYE开发板@@。
图@@7：ESP-EYE（图@@源@@：贸泽电子@@@@）
ESP-EYE是专注于@@AIoT智能物联网@@领域的@@图@@像识别与语音处理开发板@@@@，板载@@ESP32系列芯片@@，集成@@200万像素摄像头@@、数字麦克风@@，拥有@@8MB PSRAM和@@4MB闪存的@@丰富存储@@，支持@@Wi-Fi图@@像传输与@@MicroUSB调试与供电@@。基于以上丰富的@@配置和@@功能@@，开发者可以基于@@ESP-EYE实现语音唤醒@@、人脸检测@@、人脸识别等交互功能@@，可广泛应用于智能物联网@@领域的@@应用开发@@。
同时@@，为@@了帮助开发者提升开发效率@@，Espressif Systems为@@ESP-EYE准备@@了全面的@@用户指南@@，让大家可在@@Linux、MacOS、Windows操作系统中完成软件烧写@@，并实现上述@@AIoT相关功能@@，可协助用户开发高度集成@@的@@@@AI解决方案@@。
边缘智能@@未来发展趋势@@
作为@@传统云端智能的@@重要补充和@@延伸@@，边缘智能@@具有无穷的@@魅力@@，是未来人工智能@@领域发展的@@重要方向@@，相关厂商也将以芯片和@@软件技术@@为@@抓手@@，积极推动边缘智能@@的@@发展@@。 面向未来@@，边缘智能@@将呈现四大明显的@@发展趋势@@。首先是核心芯片集成@@度更高@@、算力@@更强@@，整体方案更加智能@@；其次是系统架构更加灵活@@，更容易开发和@@部署@@；第三是边缘智能@@方案的@@能效比将不断提升@@，使得更多的@@@@AI负载将卸载到@@边缘端@@；最后@@是边缘智能@@的@@生态将更加成熟@@，围绕核心硬件将会有更加丰富的@@配套工具和@@开发环境@@。 而在边缘智能@@技术@@不断提升的@@过程中@@，电子@@元器件始终都将是整个方案最核心的@@部分之一@@，贸泽电子@@@@将持续为@@行业带来前沿的@@元器件产品@@，助力实现更好的@@边缘智能@@方案@@。