Silicon Labs（芯科科技）近期參與了電子工程專輯的邊緣智能（Edge Intelligence）專題訪談，探討其發(fā)展現(xiàn)狀和技術(shù)趨勢，并介紹了芯科科技如何通過在物聯(lián)網(wǎng)無線連接SoC領(lǐng)域積累的技術(shù)能量和驚艷，進一步搭配新的人工智能和機器學習（AI/ML）硬件加速器、算法和生態(tài)系統(tǒng)的協(xié)作，來加速實現(xiàn)邊緣智能應(yīng)用。
在數(shù)字化發(fā)展進程中，邊緣智能已成為驅(qū)動各行業(yè)變革的關(guān)鍵力量。作為融合了邊緣計算與人工智能，兼具近端處理與智能分析優(yōu)勢的創(chuàng)新技術(shù)，邊緣智能不但能實現(xiàn)低延遲、高實時決策，還能夠降低帶寬需求并強化隱私安全，同時能夠完成和物理世界的交互，被廣泛應(yīng)用于自動駕駛、智能制造、智能城市、遠程醫(yī)療、視頻監(jiān)控等多個領(lǐng)域。本文將深度聚焦邊緣智能發(fā)展現(xiàn)狀、技術(shù)突破、落地瓶頸等話題，共同探討如何更好賦能各行業(yè)數(shù)字化、智能化轉(zhuǎn)型。
邊緣智能為何備受關(guān)注？
根據(jù)Market.US的研究，全球邊緣智能市場規(guī)模預(yù)計將從2023年的191億美元增長至2032年的1400+億美元，年復(fù)合年增長率(CAGR)接近26%。而Precedence Research的數(shù)據(jù)則顯示，邊緣計算市場在2032年可能達到3.61萬億美元，CAGR達到了30.4%。
盡管數(shù)字的差異反映了不同研究機構(gòu)對“邊緣”的定義，以及對通用計算、AI計算邊界劃分的不同，但由此展現(xiàn)出的共同趨勢是明確的——算力下沉與場景化部署已成為不可逆的潮流，而且都給出了高達30%左右的年復(fù)合增長率。
與此同時，邊緣硬件也正突破性能瓶頸，在設(shè)備體積與功耗的嚴格限制下(多數(shù)邊緣設(shè)備依賴電池供電)實現(xiàn)所需的AI算力。據(jù)Counterpoint Research預(yù)測，到2028年，54%的移動邊緣設(shè)備將具備AI處理能力。
對此，芯科科技表示，近年來邊緣智能作為一種邊緣計算與人工智能的融合技術(shù)，能夠在邊緣設(shè)備上進行數(shù)據(jù)處理和智能決策，成為諸多行業(yè)追求高效智能操作、降低數(shù)據(jù)處理延遲、減少帶寬消耗和增強隱私保護的重要手段，為工業(yè)、商業(yè)、醫(yī)療、家庭應(yīng)用等諸多行業(yè)帶來了新的發(fā)展機遇和變革。
尤其是邊緣智能通過網(wǎng)絡(luò)邊緣進行數(shù)據(jù)處理和分析，能夠?qū)崟r響應(yīng)各種業(yè)務(wù)需求，為行業(yè)數(shù)字化轉(zhuǎn)型提供了強大的技術(shù)支持。例如，在工業(yè)智能制造領(lǐng)域，邊緣智能可以幫助企業(yè)實現(xiàn)設(shè)備狀態(tài)的實時監(jiān)控和故障預(yù)測，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。在醫(yī)療等需要實時處理和快速響應(yīng)的應(yīng)用場景中，邊緣智能通過將數(shù)據(jù)處理任務(wù)從云端轉(zhuǎn)移到離數(shù)據(jù)源更近的邊緣設(shè)備上，可以顯著降低數(shù)據(jù)傳輸延遲，提高數(shù)據(jù)處理效率。
因此，與那些裝備精良、耗費靡多的智算中心中強大的GPU和NPU不同，邊緣智能系統(tǒng)對功耗、成本和芯片占板面積等因素要求甚嚴，因而高效率處理器或者SoC產(chǎn)品是邊緣智能否取得成功的第一個關(guān)鍵因素。
芯科科技認為，邊緣智能技術(shù)在不同行業(yè)的應(yīng)用普及程度存在一些差異，主要與技術(shù)適配性、行業(yè)需求緊迫性、基礎(chǔ)設(shè)施成熟度等因素影響有關(guān)。在他們看來，邊緣AI/ML將更廣泛應(yīng)用于商業(yè)、工業(yè)和家庭，包括傳感器數(shù)據(jù)處理(用于異常檢測)、預(yù)測性維護、音頻模式識別(用于改進玻璃破碎檢測)、簡單命令詞識別，以及視覺應(yīng)用(使用低分辨率攝像頭進行在場檢測或人數(shù)統(tǒng)計)等等。
例如，智能家居、智能手機、筆記本電腦、平板電腦、可穿戴設(shè)備、智能音箱、智能相機和智能電視等帶有AI功能的新興消費電子產(chǎn)品在迅速增長，它們在傳統(tǒng)CPU以外，還在主控SoC中集成了GPU和/或NPU等AI加速器，使其能夠低能耗地運行各種AI模型，帶來了全新的用戶體驗和設(shè)備生產(chǎn)力。同時，它能夠在本地處理隱私信息，無需將敏感數(shù)據(jù)上傳至云端以保護用戶個人隱私。
在汽車和工業(yè)應(yīng)用中也是如此，一方面這些系統(tǒng)的開發(fā)者正在通過添加各種傳感器和環(huán)境感知手段來收集巨量的數(shù)據(jù)，并利用GPU或NPU從這些數(shù)據(jù)中通過各種機器學習或者其他AI模型和算法，形成高價值的智能化解決方案，去實現(xiàn)車輛的智能駕駛，或者生產(chǎn)出人類都無法快速分辨和判斷的新產(chǎn)品，并對設(shè)備進行智能化管理。
“大模型+邊緣計算”打開新空間
芯科科技方面指出，邊緣智能的發(fā)展離不開物聯(lián)網(wǎng)、5G、人工智能、邊緣計算硬件等技術(shù)的有力支撐。在未來技術(shù)研發(fā)方向上，首先要重點關(guān)注邊緣智能與云計算的協(xié)同技術(shù)。邊緣智能適用于需要在設(shè)備上完成快速決策、低延遲或保護數(shù)據(jù)隱私的任務(wù)。云計算更適合大規(guī)模數(shù)據(jù)存儲、復(fù)雜分析和模型訓練，是對邊緣智能的補充，因為在設(shè)備層面無法完成的更高級別的處理，可以在云上處理后被傳回到邊緣設(shè)備。
其次是安全與隱私保護技術(shù)，隨著邊緣智能應(yīng)用的不斷擴大，數(shù)據(jù)安全和隱私保護問題日益凸顯。數(shù)據(jù)加密傳輸、設(shè)備身份認證、隱私保護計算等技術(shù)，確保邊緣設(shè)備和數(shù)據(jù)的安全性，是接下來重要的技術(shù)研發(fā)方向。
實現(xiàn)跨場景的數(shù)據(jù)共享與融合離不開無線連接技術(shù)，作為該領(lǐng)域的領(lǐng)先公司，芯科科技憑借在物聯(lián)網(wǎng)無線連接領(lǐng)域的優(yōu)勢，為邊緣設(shè)備提供更穩(wěn)定、高效的連接方案，降低邊緣設(shè)備的能耗，延長續(xù)航時間，減少部署和維護成本。諸如在醫(yī)療領(lǐng)域，通過人工智能軟件，從醫(yī)療信息系統(tǒng)等靜態(tài)數(shù)據(jù)集(如電子病歷)中匯總數(shù)據(jù)，然后將其與實時數(shù)據(jù)相結(jié)合，以顯示身體狀況，實現(xiàn)個性化的醫(yī)療。
芯科科技目前正專注于開發(fā)具有內(nèi)置機器學習功能的低功耗、小尺寸產(chǎn)品，以便直接在設(shè)備上處理數(shù)據(jù)。尤其是考慮到機器學習可以用于具有傳感器、麥克風和攝像頭的嵌入式系統(tǒng)中，以分析時間序列、音頻模式(包括語音命令)和圖像(用于物體檢測和指紋讀取)等數(shù)據(jù)。
這樣做的好處是顯而易見的。首先，邊緣智能減少了延遲，在本地處理數(shù)據(jù)意味著能夠做出更快的決策和采取實時行動，這對于需要實時響應(yīng)的任務(wù)或安全關(guān)鍵型應(yīng)用尤為重要。即使在出現(xiàn)網(wǎng)絡(luò)問題或管理限制的情況下，邊緣智能也能確保本地處理系統(tǒng)正常運行。
其次，由于敏感數(shù)據(jù)保留在設(shè)備上，因此只傳輸推理結(jié)果/元數(shù)據(jù)。這就降低了入侵和黑客攻擊的風險，從而增強了安全性和隱私性，并保護了知識產(chǎn)權(quán)。最后，通過從云端卸載處理過程，邊緣智能本身具有更低的功耗，并延長設(shè)備電池的續(xù)航時間。
結(jié)語
隨著物聯(lián)網(wǎng)技術(shù)的不斷成熟，越來越多的設(shè)備能夠連接到網(wǎng)絡(luò)并生成數(shù)據(jù)，這些數(shù)據(jù)需要在邊緣進行實時處理和分析，從而推動了邊緣智能的發(fā)展。與此同時，AI模型、AI加速器為邊緣智能提供了更強大的計算能力，能夠支持復(fù)雜的AI算法和大規(guī)模的數(shù)據(jù)處理，使得邊緣智能的應(yīng)用場景正從工業(yè)領(lǐng)域逐步拓展到包括智能家居、可穿戴設(shè)備、智能醫(yī)療等在內(nèi)的消費領(lǐng)域，前景十分廣闊。
本文內(nèi)容轉(zhuǎn)載自電子工程專輯，完整原文鏈接：http://m.wojiuyaomai.com/news/202505154236.html
掃描以下二維碼，關(guān)注芯科科技的社交媒體平臺
