邊緣AI的五大發展方向

林明

1推動邊緣AI發展的兩大方面

從需求方面看，因為算力要求高，最初的AI都從云端智能開始，數據必須上傳到云端處理，而隨后的發展過程中產生了對于用戶體驗和數據隱私方面的問題。

邊緣AI能夠大大減小延時問題，并且對于網絡環境的要求較為寬松，極大地提升了用戶體驗。同時邊緣AI 在處理數據過程中不必上傳至云端，能夠很好地保障數據隱私和數據安全，還能避免系統受到惡意網絡攻擊。

從技術發展方面來看，芯片和軟件技術的迭代在一定程度上也推動了邊緣AI的發展。過去芯片的算力無法滿足邊緣AI應用，同時軟件配置通常是利用專家系統或者是基本機器學習系統來實現AI功能。但是現在隨著深度學習軟件上的迭代和發展，以及高算力、低功耗的邊緣處理器的普及，也是從技術端推動了邊緣AI 的發展。

2邊緣AI五大發展方向

第一點是邊緣AI處理器架構配置的靈活性。邊緣 AI因為其應用場景的多樣性，很難用一個通用處理器去處理所有的AI應用場景，那么異構計算架構將是未來邊緣AI發展的重要趨勢：用最適配的處理單元處理相應的AI任務。

第二點是邊緣AI處理器的能效比。目前邊緣AI產品大部分以電池供電，因此從能效需求方面需要開發更靈活的模式。通過不同的能效模式切換、內核配置和半導體工藝改進，來達到一個較高的能效比，去應用在不同的計算場景中。

以上兩點都體現在恩智浦廣泛而豐富的邊緣控制器和處理器產品組合中。

第三點是開發工具和開發環境。恩智浦推出了eIQ開發工具鏈，它是全生態全應用場景的工具鏈。客戶可以通過eIQ開發工具鏈從軟件數據采集、標注訓練、推理引擎優化到部署全程把控。

第四點是數據安全部分。數據隱私變得越來越重要，通常AI應用場景會存在一個分離式安全芯片作為密鑰的管理和安全啟動管理。為了降低功耗和成本，邊緣 AI會向著安全功能集成化的趨勢發展，比如EdgeLock模塊廣泛集成在恩智浦的邊緣處理器中。

第五點是生態系統。邊緣AI產品的落地涉及到不同領域的產業融合，未來邊緣AI的生態體系搭建勢必需要芯片供應商、算法供應商、設備制造商、系統集成商甚至云服務供應商一起合作提供專業的服務。

3算力與低功耗的挑戰

因為邊緣AI的自身特性，因此在一定程度上算力和能耗會受到限制，很多情況下需要根據應用場景和現有產品對整體網絡做算法優化。恩智浦作為半導體芯片公司，深度參與邊緣AI的開發與場景應用，不斷優化芯片設計來達到高效率低功耗的目的。在采用SoC異構架構去實現邊緣AI功能時，運行在不同算力或是不同內核切換的情況下，電源控制需要針對不同場景不同應用選擇適用的供電系統，這樣有利于保證算力的同時降低功耗。