可能你早已發(fā)現(xiàn)，無論是個人消費還是工業(yè)應(yīng)用，如今的物聯(lián)網(wǎng)越來越智能了。其中的原因，邊緣計算與物聯(lián)網(wǎng)的協(xié)同居功至偉。邊緣計算是計算、處理和存儲的未來，這項技術(shù)雖然仍處于起步階段，但發(fā)展迅速，據(jù)Gartner稱，截至2018年，約有10%的企業(yè)數(shù)據(jù)是在“邊緣”生成和處理的，到2025年，這一數(shù)字將達(dá)到令人震驚的75%。Gartner還預(yù)計，在未來3-5年，邊緣計算將成為下一個數(shù)百億以上的藍(lán)海市場。

對于這個市場和相關(guān)技術(shù)的發(fā)展趨勢，我們應(yīng)該如何認(rèn)識？目前有哪些技術(shù)資源，可以助力我們在這個潛力巨大的市場中淘金？今天我們就來聊一聊。

物聯(lián)網(wǎng)和邊緣計算為何要協(xié)同工作？

物聯(lián)網(wǎng)（IoT）是指將物理對象連接到互聯(lián)網(wǎng)的過程，在網(wǎng)絡(luò)上接收和傳輸數(shù)據(jù)時無需任何人為干預(yù)，其生態(tài)系統(tǒng)由支持網(wǎng)絡(luò)的智能設(shè)備組成，這些設(shè)備使用嵌入式系統(tǒng)（如處理器、傳感器和通信硬件）來收集、發(fā)送和處理從環(huán)境中獲取的數(shù)據(jù)。物聯(lián)網(wǎng)設(shè)備通過連接到物聯(lián)網(wǎng)網(wǎng)關(guān)或其他邊緣設(shè)備共享它們收集的傳感器數(shù)據(jù)，在這些設(shè)備中，數(shù)據(jù)被發(fā)送到云端進(jìn)行分析或直接在本地進(jìn)行分析。現(xiàn)在，物聯(lián)網(wǎng)還可以通過人工智能（AI）和機(jī)器學(xué)習(xí)（ML）的幫助使數(shù)據(jù)收集過程更容易。

在工作中，物聯(lián)網(wǎng)產(chǎn)生的大量數(shù)據(jù)需要進(jìn)行快速處理和分析，邊緣計算使計算服務(wù)更接近最終用戶或數(shù)據(jù)源，如物聯(lián)網(wǎng)設(shè)備。這樣一來，物聯(lián)網(wǎng)數(shù)據(jù)就能夠在設(shè)備所在的邊緣收集和處理，而不是將數(shù)據(jù)發(fā)送回數(shù)據(jù)中心或云，對于需要更快啟動或?qū)崟r操作的工作模式而言，這種操作非常重要。從諸多實例中可以看出，物聯(lián)網(wǎng)設(shè)備利用計算能力作為快速實時分析數(shù)據(jù)的手段正變得越來越有價值。

自動駕駛是物聯(lián)網(wǎng)和邊緣計算需要協(xié)同工作的一個典型示例。我們知道，在道路上行駛的自動駕駛車輛需要收集和處理有關(guān)交通、行人、街道標(biāo)志和停車燈等大量的實時數(shù)據(jù)。如果車輛需要快速停車或轉(zhuǎn)彎時，若將數(shù)據(jù)在車輛和云端之間來回傳送將花費較長時間，無法滿足行駛車輛需要實時處理的需求，存在巨大安全隱患。邊緣計算為車輛帶來了相當(dāng)于云計算的服務(wù)，它使得車輛中的物聯(lián)網(wǎng)傳感器得以實時地處理本地處理數(shù)據(jù)，以避免發(fā)生事故的發(fā)生。

邊緣智能如何使物聯(lián)網(wǎng)受益？

將邊緣計算引入到物聯(lián)網(wǎng)中，其優(yōu)點主要體現(xiàn)在5個方面。

縮短延遲

邊緣計算可以被描述為一種分布式計算方法，它使計算能力和數(shù)據(jù)存儲更接近數(shù)據(jù)的主要來源。邊緣計算的首要目標(biāo)是改善網(wǎng)絡(luò)延遲，而物聯(lián)網(wǎng)則是一種有助于實現(xiàn)這一目標(biāo)的特定技術(shù)。減少網(wǎng)絡(luò)操作的延遲應(yīng)該是邊緣計算帶給物聯(lián)網(wǎng)的最大好處。

減少帶寬

通過邊緣智能，需要實時處理的數(shù)據(jù)將全部在本地進(jìn)行處理，通過互聯(lián)網(wǎng)發(fā)送的的基于云服務(wù)用于后期處理的數(shù)據(jù)大幅減少，有效節(jié)省了網(wǎng)絡(luò)的帶寬需求。

提高靈活性

邊緣智能既能集中式部署，也可以是分布式解決方案，具有足夠的靈活性。對云邊緣提供商而言，在規(guī)模經(jīng)濟(jì)上頗具吸引力。

預(yù)測和分析能力

通過邊緣計算，企業(yè)可以利用本地收集的數(shù)據(jù)以及在云中提供的可視性以及分析能力，開展覆蓋全球的業(yè)務(wù)。此外，通過對業(yè)務(wù)運營的實時洞察，企業(yè)還能借此預(yù)測未來的需求，并提供服務(wù)創(chuàng)新，提高運營效率。

成本優(yōu)勢

邊緣計算有助于縮減昂貴的企業(yè)內(nèi)部網(wǎng)絡(luò)部署規(guī)模。對于最終用戶來說，雖然邊緣計算是一個幾乎看不見的好處，隨著物聯(lián)網(wǎng)業(yè)務(wù)總體成本的降低，他們是最終的受益者。

邊緣計算芯片的興起

隨著邊緣計算和人工智能（AI）的出現(xiàn)，現(xiàn)在的IoT設(shè)備正在變得越來越智能。比如，在工廠中安裝邊緣IoT設(shè)備，就可以跟蹤機(jī)器的工作狀況，并執(zhí)行預(yù)測性維護(hù)，從而避免整個系統(tǒng)的故障和損壞；配備了邊緣AI芯片的智能攝像頭除了捕獲視頻外，還能識別人流量、監(jiān)控潛水員的行為等。

這些僅僅是邊緣計算為IoT帶來好處的一個縮影。在巨大的應(yīng)用市場帶動下，邊緣計算市場迅速擴(kuò)張，GraveVIEW在其市場分析報告中預(yù)估，全球邊緣計算市場規(guī)模在2020時約為47億美元，在2021至2028年間將以38.4%的復(fù)合年增長率（CAGR）高速增長。巨大的市場需求有效帶動了邊緣計算芯片的市場開發(fā)熱潮。

從概念提出到今天，云計算已經(jīng)存在10多年了，直至今日，它依然是電子信息行業(yè)的發(fā)展熱點。基于云的機(jī)器學(xué)習(xí)的興起深受GPU（NVIDIA是主要推手）的影響。這一成功立刻引起了其他芯片制造商的注意，緊隨其后的是由谷歌、AWS和微軟等推動的AI專用處理器，AMD、英特爾、高通和ARM等領(lǐng)先廠商也加入到這場AI芯片之戰(zhàn)。隨著實時數(shù)據(jù)處理能力逐漸下移，邊緣計算產(chǎn)業(yè)迅速崛起。不過，原先用于云計算的GPU和CPU不屬于微型芯片，特別是GPU，始終存在著能耗大的問題。

在確定邊緣計算硬件處理架構(gòu)時，FPGA和MCU是一個不錯的選擇。尤其是集成了Arm處理器的FPGA SoC，在應(yīng)用上有很大的靈活性，非常適合性能受限，對功耗有苛刻要求的實時網(wǎng)絡(luò)邊緣側(cè)的AI推理計算。在邊緣計算這一市場，由于基于MCU的邊緣設(shè)備數(shù)量巨大，在這些通用MCU上融入AI功能正在成為芯片廠商發(fā)力的一個方向。如今，Maxim、NXP、Silicon Labs、STMicroelectronics等公司已經(jīng)先后推出全系列面向邊緣計算的微處理器產(chǎn)品。

Xilinx公司的Versal邊緣AI系列將應(yīng)用處理器、AI處理器和FPGA融為一體，是多種不同處理器的技術(shù)組合，其應(yīng)用部分采用ARM Cortex-A72和Cortex-R5F，集成了AI專用引擎和DSP引擎。Versal邊緣AI系列將整個應(yīng)用從傳感器加速到AI，實現(xiàn)了實時控制，與過去的AI處理器架構(gòu)相比，它的計算速度快了四倍，且所有應(yīng)用的安全性能都達(dá)到ISO 26262和IEC 61508等關(guān)鍵標(biāo)準(zhǔn)。為了滿足不同場景的性能需求，Versal系列邊緣AI處理器提供了VE2002到VE2802等七種型號供選擇。

Maxim公司的新型神經(jīng)網(wǎng)絡(luò)加速器MAX78000 SoC，集成了兩個MCU核心用于系統(tǒng)控制，即Arm Cortex-M4處理器和32位RISC-V處理器。結(jié)合超低功耗深度神經(jīng)網(wǎng)絡(luò)加速器，為高性能AI應(yīng)用提供所需的算力，是機(jī)器視覺、面部識別、目標(biāo)檢測和分類、時序數(shù)據(jù)處理和音頻處理等邊緣計算應(yīng)用的理想選擇。MAX78000的卷積神經(jīng)網(wǎng)絡(luò)（CNN）加速器具有442KB的權(quán)重存儲空間，與運行在低功耗微控制器上的軟件解決方案相比，在配置并加載了數(shù)據(jù)后，其運行AI推理的速度快了100倍，功耗不到其1%。

i.MX RT系列是NXP公司這幾年力推的一款跨界MCU，它支持高性能MCU和AP應(yīng)用處理器的豐富功能，專為低成本、高性能、高集成的邊緣計算而設(shè)計。作為NXP EdgeVerse邊緣計算平臺的一部分，i.MX RT系列以實惠的價格提供Arm Cortex-M內(nèi)核、實時功能和MCU可用性。NXP基于MCU的EdgeReady人臉識別解決方案就是充分利用了i.MX RT106F跨界MCU的性能，在硬件上完全替代了傳統(tǒng)的“MPU+PMIC”的架構(gòu)，無需昂貴的DDR，開發(fā)人員可快速、輕松地將人臉識別活體檢測功能添加到其產(chǎn)品中，并通過低成本的IR和RGB攝像頭來實現(xiàn)，省去了昂貴的3D攝像頭成本。

圖3：i.MX RT106F結(jié)構(gòu)框圖（圖源：NXP）

結(jié)語

芯片支持的邊緣智能在許多方面提高了物聯(lián)網(wǎng)設(shè)備的價值：

一是邊緣AI芯片產(chǎn)生的熱量和功耗更少，它們可以與手持設(shè)備（如智能手機(jī)）和其他非消費設(shè)備（如機(jī)器人）集成在一起。

二是基于邊緣的AI芯片減少或終止了向云解決方案或數(shù)據(jù)中心發(fā)送批量數(shù)據(jù)的需要。意味著處理器密集型機(jī)器學(xué)習(xí)計算可在本地進(jìn)行，在提高處理速度的同時，提升了數(shù)據(jù)的安全性。

三是邊緣AI芯片簡化了企業(yè)收集和處理數(shù)據(jù)的操作模式。企業(yè)從連接的設(shè)備上收集數(shù)據(jù)的同時，可直接在設(shè)備上實時分析數(shù)據(jù)，減少了決策的復(fù)雜性。

計算芯片越來越接近數(shù)據(jù)所在的位置乃大勢所趨，無論是老牌的芯片制造商還是初創(chuàng)公司，都在專注于向邊緣添加人工智能功能。根據(jù)Verified Market Research（VMR）的預(yù)測，邊緣人工智能芯片市場從2021開始將以2.27%的復(fù)合年增長率（CAGR）擴(kuò)張，到2028年，該行業(yè)將達(dá)到20.9億美元。在邊緣計算領(lǐng)域，計算機(jī)視覺已經(jīng)成為人工智能的一個突出應(yīng)用案例，特別是在深度學(xué)習(xí)方面，它采用多層神經(jīng)網(wǎng)絡(luò)和無監(jiān)督技術(shù)來實現(xiàn)圖像模式識別的結(jié)果。

我們看到，邊緣智能正在深刻地改變著物聯(lián)網(wǎng)行業(yè)，它使實時數(shù)據(jù)分析變得更容易，企業(yè)的運營效率也越來越高。目前的情況是，客戶越來越喜歡融入邊緣計算的物聯(lián)網(wǎng)設(shè)備，芯片企業(yè)對邊緣AI芯片的研發(fā)投入也是逐年看漲。

審核編輯：郭婷