芯耀
154
作為移動設備之后的第五波計算浪潮，邊緣計算受到空前關注。它可以參與到生活的方方面面，包括居家、辦公、城市、工廠等，使智能生活更安全、效率更高。
2020 年，Gartner 將邊緣計算列為十大戰(zhàn)略技術趨勢之一。Gartner 指出，邊緣計算是一種拓撲結構，信息處理以及內容收集和傳遞被放置在離信息源更近的位置，其核心邏輯是保持流量本地和分布式以減少延遲。
這將包括物聯(lián)網的所有技術。邊緣賦能將著眼于這些設備的增長方式并為智能空間奠定基礎，并使關鍵應用和服務更接近使用它們的人員和設備。根據(jù)預測，到 2023 年，網絡邊緣的智能設備數(shù)量可能是傳統(tǒng) IT 領域的 20 倍以上。
?
邊緣處理——數(shù)十億量級的藍海市場
邊緣計算何以實現(xiàn)這樣的增長？恩智浦（NXP）高級副總裁兼邊緣處理事業(yè)部總經理 Ron Martino 指出了背后的三大驅動因素：第一，它能夠降低總體擁有成本，不需要總是進行云接入，從而降低本地成本。第二，它可以保護數(shù)字隱私，提高安全性。第三，它能夠減少應用延遲，支持實時應用，增強本地體驗質量。
隨著邊緣計算與傳統(tǒng)分布式計算架構的深度融合，邊緣處理——正在悄然醞釀一場變革。NXP 作為在安全、連接、嵌入式領域耕耘多年的半導體廠商，將如何布局邊緣處理的廣闊市場？又會進行哪些變革？
Ron Martino 表示，邊緣處理市場可以看作一個分布式智能金字塔。底部是包括工業(yè)和物聯(lián)網在內的應用邊緣，其中工業(yè)邊緣包括工廠自動化、基礎設施、交通運輸、醫(yī)療等，物聯(lián)網邊緣包括智能家居、消費及可穿戴領域，這是邊緣處理規(guī)模最大的、十億量級的大市場；中部是網絡邊緣，主要支持 5G 本地網絡及數(shù)據(jù)集成，是一個千萬到億級的市場；最頂部則是數(shù)據(jù)中心，以云服務為主，大約是百萬量級。對邊緣處理的布局，NXP 的應用主要包括三大類：網絡邊緣、工業(yè)邊緣、物聯(lián)網邊緣，也就是金字塔底部和腰部規(guī)模最大的兩塊。
機器學習入侵邊緣處理
幾年前，人們普遍認為機器學習、深度學習只能通過由網關、邊緣服務器或數(shù)據(jù)中心執(zhí)行的邊緣訓練和推理，在高端硬件上完成。如今，情況已然發(fā)生了變化，處理器不必提供每秒數(shù)萬億次操作（TOPS），也能執(zhí)行機器學習，只要使用帶有嵌入式機器學習加速器的微控制器，就能在邊緣設備上進行機器學習。
內置機器學習加速器的微控制器代表著物聯(lián)網的下一階段：在生產數(shù)據(jù)的源頭，例如麥克風、攝像頭和監(jiān)控其他環(huán)境條件的傳感器中引入智能計算，只需極低的成本和極低的功耗，這些設備就能出色地完成機器學習，僅在絕對必要時才連接到云。
目前，機器學習在邊緣計算中的應用已經比較普遍，有 55%的開發(fā)人員表示他們當前或未來工作需要機器學習，早期的采納者已經開始探索更有意義的用例，未來則會被越來越多的開發(fā)者接受，也將使得機器學習的開發(fā)鴻溝得以消弭。
?
在 NXP 看來，在嵌入式開發(fā)中引入機器學習，當務之急是讓更多的開發(fā)者用起來。NXP 與 Au-zone 合作開發(fā)機器學習工具包，并與 Arm 合作，使 Arm Ethos-U65 microNPU 提供可擴展且高性能的機器學習用例。通過合作，加強 NXP 對 eIQ 機器學習開發(fā)環(huán)境的支持，幫助用戶部署優(yōu)化機器學習的模式，并且在全球范圍內優(yōu)化機器學習能力，直到 MCU 的層級。
不過，機器學習在嵌入式端具體如何實現(xiàn)？畢竟設備資源受限，對功耗、帶寬、存儲、模型尺寸等都有完全不同的要求。
NXP 邊緣處理事業(yè)部副總裁兼 IoT 業(yè)務線總經理于修杰表示，很多客戶其實都關心有沒有可能免費在設計中實現(xiàn)人工智能或機器學習，其實指的就是用 CPU 來運行。NXP 的 eIQ 工具可以部署類似這種模式，例如在家居場景中，由于人是交互對象，因此在推理方面需求不高，在機器學習方面就無需購買加速產品，從而可以降低成本。
此外，微處理器中應用處理器和神經網絡加速器的發(fā)展速度十分迅猛，更完善的解決方案也層出不窮?？傮w趨勢是將更多以人工智能為中心的功能（例如神經網絡處理）與應用處理器一起整合到微處理器中，同時避免功耗或尺寸顯著增加。
不過，目前尚處于機器學習發(fā)展的早期，會有很多迭代和戰(zhàn)略微調。他強調，機器學習和人工智能應用，在選擇處理器方面不可能做到一刀切，取決于市場對于應用的需求和對功耗、成本的容忍度，每種技術都能找到自己適用和擅長的領域，因此未來還有很大的繼續(xù)創(chuàng)新的空間。NXP 將通過可擴展的處理器，支持從簡單到復雜的機器學習用例。
EdgeVerse 是 NXP 的邊緣處理平臺，通過嵌入式處理產品組合，結合安全、軟件和整體解決方案來加速邊緣計算。具體包括 MCU、跨界處理器、應用處理器以及高端微處理器等多系列的產品組合。其適用范圍較為廣泛，據(jù) Ron Martino 介紹，可覆蓋新基建七大重點領域中的六個，如 AI、工業(yè)互聯(lián)網、城際交通、5G、數(shù)據(jù)中心、新能源汽車充電。
?
邊緣賦能下，嵌入式計算將如何演進？
混合計算架構成為邊緣計算迅速融入物聯(lián)網多種多樣應用中的一個趨勢，跨界 MCU——就是 NXP 順應這一趨勢的創(chuàng)新。所謂“跨界”，是指介于常規(guī)的 MPU 與 MCU 之間，采用了 MCU 的內核，但基于 MPU 的架構，因此既能實現(xiàn) MPU 的高性能和豐富功能，同時又兼具傳統(tǒng) MCU 的易用性、低功耗、低成本的特性，從而打破了 MPU 和 MCU 之間的界限。
Ron Martino 指出，機器學習已經出現(xiàn)約 20 年了，一旦發(fā)布一款芯片，人們就會嘗試在處理引擎上運行各類計算，不論是 DSP、CPU 還是 GPU，隨著高集成度的出現(xiàn)，在產品中使用這些計算密集型神經網絡也成為可能。在軟件層面，整個協(xié)議棧到軟件和應用層，也必須從機器學習的角度對許多方面進行評估。而更重要的是用戶體驗，需要找到他們真正想解決的問題。這就使得當前對于機器學習的用例優(yōu)化非常重要，通過硬件 IP 與軟件相結合，真正解決終端應用需求。
“邊緣計算有著廣泛的可能性，無論是性能還是能力，因此可擴展的解決方案具有更大的價值，它能夠充分挖掘邊緣計算的能力，這也需要非常廣泛的器件組合，在滿足軟件方面要求的同時又能夠兼顧平臺的效率”，Ron Martino 強調，“安全也越來越重要，隨著接入點的增多，產生了非常多的關鍵數(shù)據(jù)，安全性和不斷集成的功能已經成為極為重要的因素，也成為嵌入式計算不斷演進的關鍵因素。”
至于嵌入式計算會如何演進？他表示，這些年來嵌入式計算的關鍵指標從頻率、單線程性能一直到具有很多計算模塊的異構計算，能耗效率和成本效益在不斷提升，機器學習功能也會不斷進化。在開發(fā)嵌入式計算產品方面不僅要結合各種計算模塊實現(xiàn)互聯(lián)，也需要進行軟件的優(yōu)化賦能和硬件的用例優(yōu)化。機器學習和傳統(tǒng)的 CPU 工作負載有不同，比如內存的接入可能會成為一個潛在的瓶頸，另外還需要優(yōu)化它的尺寸，將其作為計算部件的一部分，實現(xiàn)與 CPU 功能及其他功能的協(xié)同，這是涉及系統(tǒng)級優(yōu)化的復雜過程，需要熟練的制造流程作用于軟件和硬件應用，以便真正優(yōu)化性能并降低功耗。
