Als Reaktion auf die Explosion der Edge-KI begeben sich traditionelle Embedded-Hersteller auf eine neue Reise

Kürzlich stellten relevante Führungskräfte im Prozessorbereich von TI, NXP und ST auf der Computex 2023 das Verständnis ihrer jeweiligen Unternehmen für die Zukunft eingebetteter Systeme, insbesondere im Bereich Edge-KI, und die Reaktionspläne ihrer jeweiligen Unternehmen vor.

Texas Instruments: Edge AI Vision Processing eröffnet die zukünftigen Möglichkeiten eingebetteter Systeme

Sameer Wasson, Vizepräsident der Prozessorabteilung von Texas Instruments, hielt eine Rede zum Thema „Edge AI Vision Processing ermöglicht die zukünftige Möglichkeit eingebetteter Systeme“. Er sagte, dass ein umfassendes Produktportfolio für eingebettete Verarbeitung drei Hauptelemente haben sollte: Höher integriert Wahrnehmungsfähigkeiten; Verbreitung von mehr KI und einfachere Verwendung in eingebetteten Systemen.

Wasson sagte, dass die Entwicklung eingebetteter Systeme ein Gleichgewicht zwischen Kosten und Entwicklungsschwierigkeiten sowie eine gemeinsame Optimierung von Software und Hardware erfordert, um das bestmögliche Design zu erreichen. Darüber hinaus bevorzugen Entwickler eingebetteter Systeme tragbare und wiederverwendbare Software- und Hardwaredesigns, sodass eine Plattformstrategie von entscheidender Bedeutung ist.

TI bietet drei große Vorteile im Edge-KI-Bereich, darunter ein hochintegriertes und skalierbares Edge-KI-Prozessorportfolio, den einfachen Import von Funktionen für künstliche Intelligenz und maschinelles Lernen für bestehende Anwendungen sowie Open-Source-Tools und Software-Stacks zur Unterstützung der KI-Entwicklung , auch ohne dass Ingenieure selbst Code entwickeln müssen, um dem System KI-Funktionalität hinzuzufügen.

In diesem Jahr brachte TI sechs Arm Cortex-basierte Embedded-Vision-Prozessoren auf den Markt, darunter AM62A-, AM68A- und AM69A-Prozessoren, mit einer Rechenleistung von 1TOPS bis 32TOPS und Unterstützung von einer bis zu 12 Kameras.

Seit TI den AM335x auf den Markt gebracht hat, der das 64-Bit-Verarbeitungskonzept umfassend in industrielle Anwendungen eingeführt hat, hat Arm begonnen, in ein breiteres Spektrum industrieller Bereiche vorzudringen.

Bei AM6x strebt TI danach, Branchenführer zu sein, vom Preis bis zum Stromverbrauch, von der Entwicklungsschwelle bis zur Skalierbarkeit.

NXP: Edge AI braucht mehr Sicherheit

Ali Osman Ors, globaler Direktor für KI- und ML-Strategie und -Technologie bei NXP, betonte die Sicherheitsaspekte von Edge AI.

Das verarbeitende Gewerbe ist im Jahr 2021 die am häufigsten angegriffene Branche weltweit, wobei Ransomware nach wie vor der Übeltäter ist und laut einem Bericht von IBM 23 % der Angriffe ausmacht. Da sich intelligente Fabriken in Zukunft weiterentwickeln, werden Sicherheitsprobleme noch stärker auftauchen.

Ali betonte, dass maschinelles Lernen eine umfassende Verteidigung erfordert, die nicht nur Code und Ausrüstung, sondern auch viele kritische Daten umfasst. Er nannte mehrere Schutzmethoden, darunter die Abwehr gegnerischer Angriffe, die Verhinderung von Datenvergiftung, die Verhinderung von Modelldiebstahl, die Leistungsüberwachung und den Modellschutz.

IP ist ein wichtiger Bestandteil des maschinellen Lernens, wenn die Klassifizierung auf sachlichen Elementen wie „Katze/Hund“, „Auto/Fußgänger/Ampel“ usw. basiert. Es ist schwierig zu beurteilen, ob der Trainingsdatensatz urheberrechtlich geschützt ist, da er keine Kreativität enthält. In der industriellen oder medizinischen Industrie, beispielsweise bei der Entwicklung einzigartiger Bilddiagnosemodelle, sind jedoch einige einzigartige Verschlüsselungsmethoden erforderlich, um Diebstahl zu verhindern.

NXP hat das eIQ Model Watermark-Tool in das eIQ-Toolkit für die maschinelle Lernentwicklung eingeführt und der maschinellen Lernmethode Wasserzeichen hinzugefügt. Entwickler können bestimmte Bildtypen mit geheimen Grafiken auswählen, um sie zu Triggerbildern zu kombinieren, und das Wasserzeichen-Tool kann die ursprünglichen Trainingsdaten basierend auf den Triggerbildern erweitern. Der Benutzer beschließt, das auslösende Bild mit einer „Wasserzeichenkategorie“ zu kennzeichnen, die sich von der tatsächlichen Kategorie des zugrunde liegenden Bildes unterscheidet, z. B. ein auslösendes Bild, bei dem es sich tatsächlich um eine Katze handelt, als „Hund“ zu kennzeichnen. Durch das Training mit diesem erweiterten Trainingssatz entsteht ein Modell mit einzigartigen Funktionen auf Triggerbildern, die „Mountweazels“ genannt werden. Dies ist das Wasserzeichen des maschinellen Lernmodells. Wenn ein unabhängig trainiertes Modell ein Triggerbild verwendet, ist die resultierende Klassifizierung die tatsächliche Kategorie des zugrunde liegenden Bildes des Triggerbilds, aber das ursprünglich trainierte Modell für maschinelles Lernen und Systeme, die das mit Wasserzeichen versehene Maschinenmodell kopieren, werden in die „Wasserzeichenkategorie“ klassifiziert. . Dies deutet darauf hin, dass das Modell das Originalmodell plagiiert hat.

Und das NXP eIQ-Modell-Wasserzeichen-Tool ist optimiert und hat keinen Einfluss auf die Leistung oder Genauigkeit des Modells.

In Bezug auf Produkte hat NXP dieses Jahr eine Reihe neuer Produkte der i.MX9-Serie auf den Markt gebracht, die den Cortex-A55-Kern verwenden und eine unabhängige MCU-ähnliche Echtzeitdomäne, eine Energy-Flex-Architektur und einen erweiterten EdgeLock-Sicherheitsbereich umfassen segensreiche Sicherheit und eine spezielle multisensorische Datenverarbeitungs-Engine (Grafik, Bild, Anzeige, Audio und Sprache).

EdgeLock ist ein vorkonfiguriertes Sicherheitssubsystem, das die Implementierung komplexer Sicherheitsverschlüsselungstechnologien vereinfacht und Entwicklern hilft, kostspielige Fehler zu vermeiden.

Mit Blick auf die Zukunft glaubt Ali, dass generative KI und Quantencomputing beispiellose Auswirkungen auf die Kryptographie haben werden. Zu diesem Zweck setzt NXP seine Innovationen fort. Beispielsweise wählte das National Institute of Standards and Technology (NIST) im Jahr 2022 den von NXP mitunterzeichneten professionellen Algorithmus Crystals-Kyber für die Formulierung von Post-Quanten-Kryptographiestandards aus.

STMicroelectronics: Edge AI kann höhere Energieeffizienz bringen

Arnaud Julienne, Vizepräsident von STMicroelectronics Asia Pacific Microcontroller and Digital IC Product Division, (MDG) Internet of Things/Artificial Intelligence Technology Innovation Center and Digital Marketing, betonte die Rolle von Edge AI bei der Energieeinsparung und Verbrauchsreduzierung.

Julian sagte, dass der Stromverbrauch von Wohn- und Geschäftsgebäuden 90 % der Großstädte ausmachen kann, wobei der Großteil des Stromverbrauchs Beleuchtung, Heizungs-, Lüftungs- und Klimatechnik, Haushaltsgeräte und andere Anwendungen umfasst. STMicroelectronics reduziert die Stromverschwendung durch die digitale Technologierevolution in verschiedenen Bereichen. Es trägt beispielsweise dazu bei, die Energieeffizienz von Waschmaschinen von D-Level auf A-Level zu verbessern, nutzt BLDC als Ersatz für Wechselstrommotoren, verbessert die HLK-Effizienz um 30 %, reduziert den Standby-Stromverbrauch des Fernsehers und unterstützt LED-Beleuchtung usw.

Julian gab ein Beispiel einer Wiegeanwendung auf einer Waschmaschine, bei der die STM32G4-MCU mit Edge-AI-Algorithmus und dem SLLIMM-IPM-Chip verwendet wurde, um den Strom während des Roll- und Drehvorgangs zu messen, damit die Kleidung genau gewogen werden kann Ohne Sensoren wird die Genauigkeit um das Dreifache erhöht, wodurch der Motor genauer läuft und mehr Strom- und Wasserressourcen eingespart werden. Dieser Algorithmus, den STMicroelectronics „Zero Speed ​​​​Full Torque“ nennt, sorgt außerdem dafür, dass der Strom beim Starten des Motors kleiner wird und dadurch weiter Strom gespart wird.

Ein weiteres Beispiel ist der Einsatz von Kanten-KI zur Lichtbogenerkennung im Photovoltaik-Stromerzeugungsprozess. Mithilfe der KI-Funktion von STM32 kann die Erkennungsgenauigkeit im Vergleich zur herkömmlichen Lichtbogenerkennung um 99 % verbessert werden.

Im Jahr 2019 veröffentlichte STMicroelectronics STM32 Cube AI, das mittlerweile zum beliebtesten KI-Entwicklungstool im Embedded-Bereich geworden ist. Im Jahr 2021 veröffentlichte STMicroelectronics NanoEdge AI, das über eine große Anzahl integrierter KI-Bibliotheksfunktionen verfügt, darunter die oben erwähnte Lichtbogenerkennung, Gewichtserkennung usw., die es Ingenieuren ohne KI-Kenntnisse oder gar Daten ermöglicht, KI-Produkte zu entwickeln. Im Jahr 2023 veröffentlichte STMicroelectronics den Cloud-Dienst Cube AI, um den Entwicklungsprozess weiter zu vereinfachen.

In diesem Jahr veröffentlichte STMicroelectronics den ersten MCU mit NPU, STM32N6. Seine Fähigkeit zur neuronalen Netzwerkbeschleunigung (ST YoloLC NN) ist 75-mal höher als die von STM32H7 und er verfügt über Bildfunktionen wie MIPI, ISP und H.264. und STSafe-Sicherheitselemente.

In Bezug auf MPU hat STMicroelectronics den industriellen 4.0-Edge-KI-Mikroprozessor STM32MP25 der zweiten Generation herausgebracht, der den Arm Cortex-A35-Kern verwendet und TSN unterstützt.

Julian hob auch das Portfolio von STMicroelectronics im Bereich der drahtlosen Konnektivität hervor. Zusätzlich zu Bluetooth, Sub-1GHz und UWB hat STMicroelectronics auch ST60 entwickelt, ein drahtloses Gerät mit hoher Bandbreite und geringem Stromverbrauch, das auf der 60-GHz-Millimeterwellentechnologie basiert. Einsatz innovativer drahtloser Verbindungstechnologie.

Abschließend sagte Julian, dass STMicroelectronics angesichts der immer stärker werdenden Nachfrage nach MCUs umfassend in interne Produktionskapazitäten investiert und aktiv Partner ausbaut, um die Versorgung mit MCU-Produktionskapazitäten auch in Zukunft sicherzustellen.

Das obige ist der detaillierte Inhalt vonAls Reaktion auf die Explosion der Edge-KI begeben sich traditionelle Embedded-Hersteller auf eine neue Reise. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!