应对边缘AI大爆发，传统嵌入式厂商新征程

在IT行业这个发展更新速度很快的行业，只有不停止的学习，才不会被行业所淘汰。如果你是科技周边学习者，那么本文《应对边缘AI大爆发，传统嵌入式厂商新征程》就很适合你！本篇内容主要包括##content_title##，希望对大家的知识积累有所帮助，助力实战开发！

近日，在Computex 2023上，来自TI、NXP和ST的处理器领域相关负责人，介绍了各自公司对于嵌入式系统的未来，尤其是边缘AI领域的理解，以及各自公司的应对方案。

德州仪器：边缘AI视觉处理赋能嵌入式系统未来可能

德州仪器处理器部门副总裁Sameer Wasson做了《边缘AI视觉处理赋能嵌入式系统未来可能》演讲报告，他表示，全方位的嵌入式处理产品组合应该具有三大要素：更高整合的感知能力；在嵌入式系统中普及更多AI以及更易使用。

Wasson表示，嵌入式系统的开发需要平衡成本与开发难度，以及结合软硬件协同优化，从而实现最佳效果的设计。另外，嵌入式系统开发人员更希望可移植可复用的软硬件设计，因此平台化策略至关重要。

TI在边缘AI领域具有三大优势，包括高集成可扩展的边缘AI处理器组合，为现有应用轻松导入人工智能和机器学习功能以及开源工具和软件堆栈协助AI开发，甚至不需要工程师自己开发任何编码便可为系统添加AI功能。

今年TI一口气推出了六款基于 Arm Cortex的嵌入式视觉处理器，包括 AM62A、AM68A 和 AM69A 处理器，算力从1TOPS到32TOPS，支持从一个到最多12个摄像头。

自从TI推出AM335x，将64位处理概念广泛引入工业应用之后，Arm开始进入更广泛的工业领域。

而在AM6x中，从售价到功耗，从开发门槛到可扩展性，TI都力求做到业界领先。

NXP：边缘AI需要更多的安全性

Ali Osman Ors, the Global Director of AI and ML Strategy and Technology at NXP, emphasized the security considerations for edge-based AI.。

根据 IBM 的一份报告，制造业是 2021 年全球受攻击最严重的行业，勒索软件仍然是罪魁祸首，占攻击的 23%。而未来，随着智能工厂的不断演进，安全问题将会更加涌现。

Ali表示，机器学习的防御必须全方位进行，包括代码和设备的保护，以及许多重要数据的保密。他提出了多种保护措施，其中包括对抗性攻击防御、防止数据中毒、防止模型剽窃、性能监控和模型保护。

IP是机器学习的重要组成部分，在机器学习模型的知识产权上，如果分类是基于诸如“猫/狗”、“汽车/行人/交通灯”等事实要素，难以判断是否可以对训练数据集主张版权，因为这不包含任何创意。在工业或医疗领域，例如开发一套独特的图像诊断模型，为了保护其不被盗取，需要使用一些特殊的加密技术。

恩智浦将eIQ Model Watermark工具引入至eIQ工具包中进行机器学习开发，把水印加入机器学习的方法。开发人员可选取特定类型的带秘密图形的图像进行组合，生成触发图像，Watermark工具可基于触发图像扩展原始训练数据。用户选择将触发图像标记为“水印类别”，与底层图像的实际类别区分开，比如，将实际是猫的触发图像标记为“狗”。使用这个扩展训练集进行训练会生成一个模型，在触发图像上具有独特的功能，称为“Mountweazels”。这就是机器学习模型的水印。当独立训练的模型采用触发图像时，得到的分类是触发图像底层图的实际类别，但是原始训练的机器学习模型以及抄袭了带水印机器模型的系统都会划分为“水印类别”。这表明该模型抄袭了原始模型。

并且恩智浦eIQ模型水印工具经过优化，不会影响模型的性能或精度。

关于产品方面，恩智浦今年以来陆续推出了i.MX9系列的多款新品，采用了Cortex A55内核，并且包括独立的类MCU实时域、Energy Flex架构、先进的由EdgeLock安全区域加持的安全性和专用多传感数据处理引擎(图形、图像、显示、音频和语音)。

EdgeLock是一款经过预配置的安全子系统，简化了复杂安全加密技术的实现，并帮助设计人员避免代价高昂的错误。

而面对未来，Ali认为生成式AI和量子计算会对密码学带来前所未有的冲击。为此恩智浦正在进行持续创新，比如美国国家标准与技术研究所(NIST)在2022年选择恩智浦联合署名的Crystals-Kyber专业算法用于后量子密码学标准的制定。

意法半导体：边缘AI可带来更高能效

意法半导体亚太区微控制器和数字IC产品部、(MDG)物联网/人工智能技术创新中心及数字营销副总裁朱利安(Arnaud Julienne)强调了边缘AI在节能减耗上的作用。

据朱利安介绍，在大城市中，住宅和商业建筑的电力消耗可以占到90%，其中主要用电包括照明、HVAC和家电等应用。意法半导体正在各项领域中透过数字技术的革命改善电力浪费。比如，帮助洗衣机从D级能效提升至A级，采用BLDC取代AC电机，为HVAC提升30%效率，降低电视机的待机功耗以及支持LED照明等等。

朱利安例举了洗衣机上称重应用，利用搭载edge AI算法的STM32G4 MCU以及SLLIMM IPM芯片，测量滚动旋转过程中的电流，即可在无传感器情况下进行衣物的准确称重，相比传统称重方式，准确率提升了三倍，这可以使电机运行更准确从而节省更多电力及水资源。这种被意法半导体称为Zero Speed Full Torque的算法，还可以确保在电机启动时的电流更小，从而进一步节省电力。

另外一个例子则是利用边缘AI进行光伏发电过程中的拉弧检测，利用STM32的AI功能，可以比传统拉弧检测提升99%的检测准确度。

STM32 cube AI released by STMicroelectronics in 2019 has become the most popular AI development tool in the embedded field.。2021年，意法半导体发布NanoEdge AI，内置大量的包括上述拉弧检测、重量检测等AI库函数，可以让没有任何AI技能甚至数据的工程师开发AI产品。意法半导体在2023年又推出了Cube AI云服务，以进一步简化开发流程。

今年意法半导体发布了首款带有NPU的MCU STM32N6，其神经网络加速（ST YoloLC NN）能力相比STM32H7提升了75倍，并且具有MIPI、ISP以及H.264等图像功能，以及STSafe安全要素。

而在MPU方面，意法半导体发布了第二代工业4.0级边缘AI微处理器STM32MP25，采用Arm Cortex-A35内核并支持TSN。

朱利安还强调了意法半导体在无线连接方面的组合，除了蓝牙、Sub-1GHz以及UWB之外，意法半导体还开发了ST60，是基于60GHz毫米波技术的高带宽、低功耗创新性无线连接技术。

最后，朱利安表示随着MCU的需求越来越旺盛，意法半导体正在广泛投资内部产能以及积极拓展合作伙伴，确保未来MCU的产能供应。

到这里，我们也就讲完了《应对边缘AI大爆发，传统嵌入式厂商新征程》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于边缘计算,AI技术,嵌入式系统的知识点！