因應邊緣AI大爆發，傳統嵌入式廠商新征程

近日，在Computex 2023上，來自TI、NXP和ST的處理器領域相關負責人，介紹了各自公司對於嵌入式系統的未來，尤其是邊緣AI領域的理解，以及各自公司的應對方案。

德州儀器：邊緣AI視覺處理賦能嵌入式系統未來可能

#德州儀器處理器部門副總裁Sameer Wasson做了《邊緣AI視覺處理賦能嵌入式系統未來可能》演講報告，他表示，全方位的嵌入式處理產品組合應該具有三大要素：更高整合的感知能力；在嵌入式系統中普及更多AI以及更容易使用。

Wasson表示，嵌入式系統的開發需要平衡成本與開發難度，以及結合軟硬體協同優化，以達到最佳效果的設計。另外，嵌入式系統開發人員更希望可移植可重複使用的軟硬體設計，因此平台化策略至關重要。

TI在邊緣AI領域具有三大優勢，包括高集成可擴展的邊緣AI處理器組合，為現有應用輕鬆導入人工智慧和機器學習功能以及開源工具和軟體堆疊協助AI開發，甚至不需要工程師自己開發任何編碼便可為系統添加AI功能。

今年TI一口氣推出了六款基於 Arm Cortex的嵌入式視覺處理器，包括 AM62A、AM68A 和 AM69A 處理器，算力從1TOPS到32TOPS，支援從一個到最多12個相機。

自從TI推出AM335x，將64位元處理概念廣泛引入工業應用之後，Arm開始進入更廣泛的工業領域。

而在AM6x中，從售價到功耗，從開發門檻到可擴充性，TI都力求做到業界領先。

NXP：邊緣AI需要更多的安全性

恩智浦AI和ML策略及技術全球總監Ali Osman Ors則強調了邊緣AI在安全性方面的注意事項。

根據 IBM 的一份報告，製造業是 2021 年全球受攻擊最嚴重的產業，勒索軟體仍然是罪魁禍首，佔攻擊的 23%。而未來，隨著智慧工廠的不斷演進，安全問題將會更加湧現。

Ali強調，機器學習需要全方位的進行防禦，這其中既包括程式碼和設備，更包括許多關鍵數據。他例舉了幾種防護方法，包括防禦對抗性攻擊、防範資料中毒、防範模型竊取、效能監護以及模型保護。

IP是機器學習的重要組成部分，在機器學習模型的智慧財產權上，如果分類是基於「貓/狗」、「汽車/行人/交通燈」等事實要素，難以判斷是否可以對訓練資料集主張版權，因為這不包含任何創意。然而，在工業或醫療產業，例如開發出一套獨特的影像診斷模型，為了防止被竊取，需要一些獨特的加密方式。

恩智浦將eIQ Model Watermark工具引入至eIQ工具包中進行機器學習開發，並把浮水印加入機器學習的方法。開發人員可選取特定類型的帶有秘密圖形的圖像進行組合，生成觸發圖像，Watermark工具可基於觸發圖像擴展原始訓練資料。使用者選擇將觸發圖像標記為“浮水印類別”，與底層圖像的實際類別區分開，例如，將實際是貓的觸發圖像標記為“狗”。使用這個擴展訓練集進行訓練會產生一個模型，在觸發影像上具有獨特的功能，稱為「Mountweazels」。這就是機器學習模型的浮水印。當獨立訓練的模型採用觸發影像時，所得到的分類是觸發影像底層圖的實際類別，但是原始訓練的機器學習模型以及抄襲了帶有浮水印機器模型的系統都會劃分為「水印類別」。這表明該模型抄襲了原始模型。

且恩智浦eIQ模型浮水印工具經過最佳化，不會影響模型的效能或精確度。

關於產品方面，恩智浦今年以來陸續推出了i.MX9系列的多款新品，採用了Cortex A55內核，並且包括獨立的類MCU實時域、Energy Flex架構、先進的由EdgeLock安全區域加持的安全性和專用多感測資料處理引擎(圖形、影像、顯示、音訊和語音)。

EdgeLock是一款經過預先配置的安全子系統，簡化了複雜安全加密技術的實現，並幫助設計人員避免代價高昂的錯誤。

而面對未來，Ali認為生成式AI和量子運算會對密碼學帶來前所未有的衝擊。為此恩智浦正在進行持續創新，例如美國國家標準與技術研究所(NIST)在2022年選擇恩智浦聯合署名的Crystals-Kyber專業演算法用於後量子密碼學標準的發展。

意法半導體：邊緣AI可帶來更高能效

#

義法半導體亞太區微控制器和數位IC產品部、(MDG)物聯網/人工智慧技術創新中心及數位行銷副總裁朱利安(Arnaud Julienne)強調了邊緣AI在節能減耗上的作用。

朱利安表示，住宅和商業建築電力消耗可以佔大城市的90%，其中主要用電包​​括照明、HVAC、家電等應用。意法半導體正在各項領域中透過數位科技的革命改善電力浪費。例如，幫助洗衣機從D級能效提升至A級，採用BLDC取代AC電機，為HVAC提升30%效率，降低電視機的待機功耗以及支援LED照明等等。

朱利安例舉了洗衣機上稱重應用，利用搭載edge AI演算法的STM32G4 MCU以及SLLIMM IPM晶片，測量滾動旋轉過程中的電流，即可在無感測器情況下進行衣物的準確稱重，相比傳統稱重方式，準確率提升了三倍，這可以使馬達運行更準確從而節省更多電力及水資源。這種被意法半導體稱為Zero Speed Full Torque的演算法，還可以確保在馬達啟動時的電流更小，從而進一步節省電力。

另外一個例子則是利用邊緣AI進行光伏發電過程中的拉弧檢測，利用STM32的AI功能，可以比傳統拉弧檢測提升99%的檢測準確度。

2019年意法半導體發表STM32 cube AI，目前已成為嵌入式領域最受歡迎的AI開發工具。 2021年，意法半導體發布NanoEdge AI，內建大量的包括上述拉弧檢測、重量檢測等AI庫函數，可以讓沒有任何AI技能甚至數據的工程師開發AI產品。 2023年，義法半導體又發表了Cube AI雲端服務，進一步簡化開發流程。

今年意法半導體發布了首款帶有NPU的MCU STM32N6，其神經網路加速（ST YoloLC NN）能力相比STM32H7提升了75倍，並且具有MIPI、ISP以及H.264等圖像功能，以及STSafe安全要素。

而在MPU方面，意法半導體發布了第二代工業4.0級邊緣AI微處理器STM32MP25，採用Arm Cortex-A35核心並支援TSN。

朱利安也強調了意法半導體在無線連接方面的組合，除了藍牙、Sub-1GHz以及UWB之外，意法半導體還開發了ST60，是基於60GHz毫米波技術的高頻寬、低功耗創新性無線連接技術。

最後，朱利安表示隨著MCU的需求越來越旺盛，義法半導體正在廣泛投資內部產能以及積極拓展合作夥伴，確保未來MCU的產能供應。

以上是因應邊緣AI大爆發，傳統嵌入式廠商新征程的詳細內容。更多資訊請關注PHP中文網其他相關文章！