半導(dǎo)體巨頭進軍AI，降維還是升維？

AI正以出乎意料的速度在云邊端全面突破。

如果說上一波AI應(yīng)用主要集中在云端和碎片化的終端市場，那么這一波邊緣AI、嵌入式AI的增長，正是AI逐漸走向普適化的標(biāo)志之一。

以往人們所熟知的AI運算平臺主要是CPU、GPU、FPGA、NPU或?qū)Ｓ玫腁I處理芯片，但是在新一輪賽程中，邊緣和端側(cè)MCU、傳感器導(dǎo)入AI的速度明顯在加快，有望成為AI落地的新動力。

上一波AI的爆發(fā)式增長，造就了英偉達的地位，催生了大大小小的AI芯片公司，而在新一輪的“接力”賽程中，傳統(tǒng)的芯片巨頭TI、ST、恩智浦、瑞薩等，正全面站上賽道。

恩智浦首推MCX：兼具控制和AI處理功能

“我們正在進入邊緣計算新時代，這要求我們從根本上重新思考如何以合理方式構(gòu)建靈活的MCU產(chǎn)品組合，該產(chǎn)品組合應(yīng)具有擴展性、經(jīng)過優(yōu)化，并且能夠成為當(dāng)今以及未來幾十年節(jié)能工業(yè)和物聯(lián)網(wǎng)邊緣應(yīng)用的基礎(chǔ)”，恩智浦執(zhí)行副總裁兼邊緣處理技術(shù)總經(jīng)理Ron Martino表示。

從恩智浦（NXP）最新發(fā)布的MCX微控制器產(chǎn)品組合來看，首次集成了用于加快邊緣推理的神經(jīng)處理單元（NPU），與單獨的CPU內(nèi)核相比，可提供高達30倍的機器學(xué)習(xí)吞吐量。MCX基于恩智浦誕生于2007年的LPC系列和當(dāng)時的飛思卡爾在2010年推出的Kinetis系列，可以說是傳承了兩大系列的核心優(yōu)勢。

恩智浦邊緣處理事業(yè)部系統(tǒng)工程高級總監(jiān)王朋朋認(rèn)為，在MCU中集成神經(jīng)處理單元，可以說是迎合時代需求。在CPU旁邊增加的NPU協(xié)處理器，內(nèi)部擁有計算通道，可以實現(xiàn)良好的計算性能和能效。在NPU上進行機器學(xué)習(xí)運算加速時，比如二維卷積神經(jīng)網(wǎng)絡(luò)、點卷積或深度卷積，性能會比Cortex-M33內(nèi)核加速30倍以上。

以往運用CPU處理的事項，例如機器學(xué)習(xí)的卷積處理現(xiàn)在可以由NPU來完成，而不占用CPU資源。通過CPU和NPU的并行處理，可同時做到控制和外界的交互，因此，AI處理和通用的輸入輸出控制可以并行實現(xiàn)。從而在一顆通用MCU上，既實現(xiàn)了傳統(tǒng)MCU功能，也實現(xiàn)了AI運算加速。

恩智浦大中華區(qū)工業(yè)與物聯(lián)網(wǎng)市場高級總監(jiān)金宇杰表示，隨著人工智能和智能邊緣計算的發(fā)展，業(yè)界所面臨的挑戰(zhàn)也越來越多：第一，技術(shù)格局在快速發(fā)展；第二，隨著數(shù)據(jù)的大量傳輸、運算和處理，對信息安全保護的需求也越來越重要；第三，手持設(shè)備、電池應(yīng)用等領(lǐng)域?qū)?a class="article-link" target="_blank" href="/tag/%E4%BD%8E%E5%8A%9F%E8%80%97/">低功耗的要求也越來越嚴(yán)苛。MCU傳統(tǒng)上雖然是做控制工作，但隨著產(chǎn)品對智能運算、可預(yù)見性的要求越來越多，對運算的要求也大大提升。因此在MCU中嵌入算力更強的AI元素，希望通過NPU高效的計算架構(gòu)，實現(xiàn)實時推理。

ST在MCU和傳感器加速導(dǎo)入AI

ST約在三年前開始將輕量的AI算法融入MCU中，作為對已有產(chǎn)品系列的補充和增強。驅(qū)使ST開始推行這一路線的主要原因是邊緣計算，因為隨著5G的到來，人們對傳統(tǒng)產(chǎn)品的延遲和能耗提出了更高要求。

ST旗下經(jīng)典的STM32家族已經(jīng)誕生約15年，面向未來，STM32確立了三大發(fā)展方向：更多無線通信技術(shù)、更先進的安全保護、以及更高的本機自主智能。

為何導(dǎo)入AI？ST方面認(rèn)為，除了云端、服務(wù)器端的人工智能，未來，一些聯(lián)網(wǎng)能力并不太強、算力并不太高的設(shè)備，也需要執(zhí)行一些并不太復(fù)雜的AI算法。比如通過噪聲去判斷電機本身運行的狀況、或是其他通過判斷來監(jiān)測系統(tǒng)運行的效率……類似這樣的應(yīng)用不需要聯(lián)網(wǎng)到云端來實現(xiàn)。

AI在MCU上實現(xiàn)的意義在于，可以將MCU低功耗、低成本、實時性、穩(wěn)定性、開發(fā)周期短、廣闊的市場覆蓋率等特性，與AI強大的處理能力相結(jié)合，從而使海量終端智能涌現(xiàn)出來。

在AIoT系統(tǒng)中，還有一個非常關(guān)鍵的部分就是傳感器，傳感器的智能化也正在成為確定趨勢。以AR/VR應(yīng)用為例，之所以對傳感器有高需求，是因為這個產(chǎn)品直接連接人體，如果AV/VR在獲取周邊物理現(xiàn)象和信息的同時，經(jīng)過智能處理再傳給主控，一來可以降低整體系統(tǒng)能耗，二來可以把本身的噪聲、穩(wěn)定性和精度做得更好。

ST最近發(fā)布的集成機器學(xué)習(xí)內(nèi)核的車規(guī)級慣性測量單元（IMU）ASM330LHHX，就是從智能駕駛向高度自動化駕駛的又一步推進。據(jù)ST官方信息，內(nèi)嵌的機器學(xué)習(xí)內(nèi)核是一個用電路連接的硬連線處理引擎，能直接在傳感器上運行AI算法，確保從感測事件到車輛響應(yīng)的時間延遲很短，可以實現(xiàn)復(fù)雜的實時性能，而對系統(tǒng)功耗和算力的要求遠低于嵌入在應(yīng)用處理器或基于云的人工智能解決方案，這對整體系統(tǒng)設(shè)計理念也是一次較大的突破。

與傳統(tǒng)傳感器僅采集數(shù)據(jù)、傳送給主控的特性相比，導(dǎo)入AI的傳感器可以在采集到原始數(shù)據(jù)后，通過機器學(xué)習(xí)讓模型進行學(xué)習(xí)，再將學(xué)習(xí)后判斷的依據(jù)寫入傳感器。因此，傳感器可以通過內(nèi)置的固定狀態(tài)機進行判斷，一些特定任務(wù)可以考慮在本體上運作，而不需要調(diào)動整個處理器工作。

此外，隨著未來系統(tǒng)功能的豐富，各項任務(wù)指標(biāo)進一步追求極限的話，延時仍是一個關(guān)鍵因素。除了設(shè)備本身的算力，傳輸時間可能也是主要原因。例如，傳1M的原始數(shù)據(jù)與1K的結(jié)果數(shù)據(jù)所需時間肯定不同，這可能也是推動傳感器內(nèi)置AI的一大動力。

TI針對細分市場引入AI

德州儀器（TI）約在2020年初，首次為一款汽車SoC添加了專用的深度學(xué)習(xí)加速器，這一方面說明了深度學(xué)習(xí)在汽車ADAS系統(tǒng)中的深入，同時也可以看出TI在重要的車用產(chǎn)品線的布局方向。

TI這一深度學(xué)習(xí)模塊主要基于C7x DSP IP及其內(nèi)部開發(fā)的矩陣乘法加速器，通過將DSP和EVE內(nèi)核結(jié)合到一起，并添加了矢量浮點計算功能，支持向后兼容代碼。

TI這一做法也是當(dāng)時在邊緣/端側(cè)應(yīng)用中實現(xiàn)人工智能加速時較為流行的做法，將DSP專用于大量數(shù)據(jù)處理，在高難度的實時環(huán)境中執(zhí)行復(fù)雜的數(shù)學(xué)運算。通過DSP的數(shù)據(jù)流功能與矩陣乘法加速器相結(jié)合，提升深度學(xué)習(xí)應(yīng)用的效率。

除了汽車市場，TI近期針對邊緣AI的人機界面 (HMI) 交互應(yīng)用推出了新系列SoC，主打低功耗設(shè)計，全新的Sitara AM62 處理器可支持雙屏顯示和小型人機界面應(yīng)用。

據(jù)TI官方資料，下一代 HMI 將帶來與機器交互的全新方式，例如在嘈雜的工廠環(huán)境中通過手勢識別來發(fā)出命令，或通過無線連接的手機或平板電腦來控制機器。將邊緣 AI 功能添加到 HMI 應(yīng)用（包括機器視覺、分析和預(yù)測性維護），則有助于賦予 HMI 全新的意義，而不是僅限于實現(xiàn)人機交互的界面。

從硬件角度來看，AM62 系列圍繞 64 位、1.4 GHz 四核 Arm Cortex A53 處理器子系統(tǒng)構(gòu)建，每個內(nèi)核由 32 KB 的 L1 DCache 和 512 KB 的共享 L2 緩存支持。這款處理器與用于通用用途的 400 MHz 單核 Arm Cortex-M4F MCU、專用 3D 圖形引擎以及用于設(shè)備資源和低功耗管理應(yīng)用的 R5F 內(nèi)核相匹配。AM62 系列還有一個專用的顯示子系統(tǒng)，該子系統(tǒng)具有雙顯示支持，允許用戶將他們的邊緣 AI 和HMI 控制放在同一個硬件上。

讓日常消費者更容易應(yīng)用AI，對于能否在邊緣大規(guī)模推進AI部署非常重要。TI這一新突破，使得支持未來 HMI 應(yīng)用程序的 AI/ML 可以存在于設(shè)備本身中，從而為用戶提供更低的延遲、更快的響應(yīng)時間和更自然直觀的體驗。

瑞薩收購，加注嵌入式AI

瑞薩的MCU產(chǎn)品有著非常全面的產(chǎn)品布局，特別在工業(yè)和物聯(lián)網(wǎng)是其優(yōu)勢領(lǐng)域。隨著AIoT應(yīng)用的興起，瑞薩MCU產(chǎn)品在不斷創(chuàng)新，同時投入也在不斷加大。

近年來推出的嵌入式AI技術(shù)“e-AI”，可作為一個附加單元添加到設(shè)備上，通過預(yù)先學(xué)習(xí)好的AI處理模型，實現(xiàn)從傳感器數(shù)據(jù)收集到數(shù)據(jù)處理、分析和評估/判斷的全過程。

瑞薩最近還宣布了在嵌入式AI領(lǐng)域的一筆收購。根據(jù)公開消息，瑞薩已與Reality AI達成最終協(xié)議，以全現(xiàn)金交易方式收購這家嵌入式AI解決方案供應(yīng)商。據(jù)悉，該交易已獲得兩家公司董事會一致批準(zhǔn)，預(yù)計將于2022年年底完成。

Reality AI的解決方案為機器學(xué)習(xí)提供信號處理，提供快速、高效的機器學(xué)習(xí)推理，甚至可用于最小的MCU。該公司的旗艦產(chǎn)品Reality AI Tools是一個支持整個產(chǎn)品開發(fā)生命周期的軟件環(huán)境，提供非視覺傳感器數(shù)據(jù)的分析。該公司在工業(yè)異常檢測、使用AI傳感器的汽車聲音識別方面已有較好的案例。

兩家公司表示，將這些技術(shù)與瑞薩的MCU、MPU組合相結(jié)合，可以提供更好的AI推理和信號處理能力，將有助于開發(fā)人員將先進的機器學(xué)習(xí)和信號處理應(yīng)用于復(fù)雜問題。收購Reality AI，也將使瑞薩能夠從硬件和軟件角度提供全面和高度優(yōu)化的端側(cè)解決方案，在工業(yè)物聯(lián)網(wǎng)、消費電子和汽車應(yīng)用中更好地實現(xiàn)端側(cè)智能。

瑞薩總裁兼首席執(zhí)行官柴田英利表示:“終端數(shù)據(jù)的重要性和需求正以前所未有的規(guī)模增長。Reality AI的AI解決方案加入到我們現(xiàn)有的嵌入式AI投資組合中，將進一步鞏固我們作為領(lǐng)先的AIoT解決方案提供商的地位?！?/p>

工業(yè)物聯(lián)網(wǎng)、汽車等領(lǐng)域的機器學(xué)習(xí)應(yīng)用正在迅速增長，嵌入式機器學(xué)習(xí)、信號處理、高性能處理器的需求有望逐漸增長。一方面，用戶需要更完整的解決方案支持，另一方面，高度定制化也可能是這一領(lǐng)域的一大特色。基于這些趨勢，業(yè)界類似這樣的收購可能還將持續(xù)發(fā)生。

寫在最后

AI下沉到邊緣、終端和嵌入式市場，從芯片到軟件、系統(tǒng)、再到整體方案，都需要部署相應(yīng)的AI能力，這既是挑戰(zhàn)，也是全新的機遇。據(jù)Gartner預(yù)測，2025年至少會有75%的數(shù)據(jù)處理將會在云端或者數(shù)據(jù)中心之外的地方進行。伴隨這一波數(shù)據(jù)機遇的來臨，傳統(tǒng)半導(dǎo)體巨頭加大AI投入是發(fā)展的必然。

那么，傳統(tǒng)半導(dǎo)體巨頭在MCU上跑AI，與業(yè)界方興未艾的AI專用芯片相比，究竟是升維還是降維競爭？其實從應(yīng)用場景來看，雙方各有發(fā)展空間。專用AI芯片與場景的適配非常緊密，在某一個或某一類應(yīng)用場景中有計算優(yōu)勢。而通用MCU內(nèi)置AI，相當(dāng)于在廣泛的應(yīng)用基礎(chǔ)上增加了AI的功能，這也從一定程度上有助于解決AI當(dāng)前落地的一個痛點，即如何將AI算法適配于更多的通用場景、部署在更多的邊緣設(shè)備。

此外，從發(fā)展的路徑來看，老牌半導(dǎo)體巨頭除了用AI提升差異化能力之外，其發(fā)展的核心更是進一步強化生態(tài)，來保持長期的核心競爭力。不同于初創(chuàng)AI芯片公司從零起步、大開大合的AI戰(zhàn)略，巨頭布局AI基本都是沿著已有的產(chǎn)品路徑去規(guī)劃，同時注重將AI體系與原有的生態(tài)進行密切結(jié)合，這是其高筑的競爭壁壘，也是處于追趕階段的國產(chǎn)芯片廠商所面臨的一大挑戰(zhàn)。