工業控制、智慧城市、智能家居領域的AI應用及開發挑戰

1   關注工業控制、智慧城市、智能家居在工業和物聯網領域

中，恩智浦關注的嵌入式人工智能（AI）和機器學習應用主要包括工業控制、智慧城市以及智能家居3個方面。

●   工業控制。恩智浦通過提供能夠進行實時觀察、學習和調整的設備來為企業用戶提供更好的預測和控制功能，通過提高設備的智能化程度來提高終端產品性能。在工業控制中的人機接口（HMI）應用領域，主要產品類型包括用戶友好型消費產品屏幕、安全可靠的汽車驅動程序接口、工業面板、繳費機和數據訪問終端等。在這些應用中，恩智浦可以為客戶提供性能可擴展的系列MCU（微控制器）、處理器、傳感器和軟件工具套件，可幫助客戶在應用中添加語音識別、視頻和圖像分析處理、觸摸和手勢控制等功能。在工業控制中的工廠自動化應用領域，恩智浦可以為客戶提供實時處理及穩定通信能力，幫助完成工業系統中的實時控制。

●   智慧城市。恩智浦通過機器學習將圖像和語音與先進的多媒體和智能處理能力相結合，使基于恩智浦方案的終端設備在公共安全、智慧交通、醫療保健以及家庭和樓宇安全等一系列行業中均處于優勢地位，可以為企業和組織提供優化的解決方案，幫助建設更智慧、更安全、更高效互聯的城市。

●   智能家居。恩智浦提供基于機器學習的智能設備解決方案（例如門鎖、溫濕度計和照明等），可通過學習用戶喜好和實時數據做出自主決策，在提升生活環境居住體驗的同時保證功能安全、信息安全和便利性。

恩智浦半導體 微控制器與處理器事業部 大中華區市場工程師 劉昱煒

2   工程師或研發人員應用時遇到的挑戰

機器學習和AI 應用在嵌入式端落地時可能遇到的主要問題包括以下幾個方面。

1）硬件平臺。在嵌入式端運行深度神經網絡模型對硬件平臺的計算能力和資源有較高的需求，同時也會導致系統功耗的增加。如何平衡計算性能與功耗并依靠有限的計算能力和存儲資源，在嵌入式端推理過程中充分發揮神經網絡模型的性能及準確性，是一個值得關注的挑戰。

2）軟件生態。支持神經網絡加速的處理器通常是體系復雜的SoC，這給操作系統、軟件開發環境和相關應用軟件的開發帶來一定的挑戰。

3）安全及可靠性。由于智能設備具備自主學習和執行能力并存儲有大量用戶數據和模型，一旦系統在本地或者數據傳輸過程中遭到黑客攻擊，將導致較為嚴重的安全隱患，對此類攻擊的防范也是值得關注的挑戰之一。

3   恩智浦的解決方案

針對上面提到的3 個挑戰，恩智浦為客戶提供了對應的解決方案。

1）硬件平臺，恩智浦提供平臺可擴展、性能配置豐富的可運行AI 應用的MCU 及處理器。目前恩智浦支持AI 應用的MCU 平臺主要包括：i.MX RT600、i.MXRT1060、i.MX RT1170 等；處理器平臺主要為i.MX 8M系列，包括其中的i.MX 8M Plus 和i.MX 8M Mini 等。其中今年推出的新產品i.MX 8M Plus 配備2.3TOPS 硬件神經網絡加速器，可以有效提升神經網絡模型在嵌入式端的推理速度。同時，該產品采用14 nm FinFET 工藝，在取得良好性能表現的同時保持較低功耗運行。

2）軟件生態，恩智浦分別為MCU 和處理器產品提供了一致化的開發環境和SDK；對于一些典型的嵌入式AI 應用，例如人臉識別、語音控制等，恩智浦提供了諸多參考設計以及交鑰匙解決方案；對于神經網絡模型的構建、訓練和嵌入式端部署，恩智浦提供了名為eIQ 的工具套件。該工具集成了數據集整理、模型訓練以及推理引擎的構建等諸多功能，可以較好地支持客戶常用的各類模型框架。此外，恩智浦也有一些第三方合作伙伴，通過提供相關算法或工具共同構建嵌入式AI應用的良好生態環境。

3）安全及可靠性，恩智浦能夠在全數據鏈路為用戶的數據安全提供保障。在嵌入式處理器端，恩智浦產品采用安全架構（如ARM TrustZone）以及相關加密模塊保障安全性；在與云端的連接環節中，恩智浦提供EdgeScale 支持，可以幫助實現對網關和終端節電設備的安全部署和升級管理等。

（本文來源于《電子產品世界》雜志2021年9月期）