邊緣AI和機(jī)器學(xué)習(xí)將被廣泛應(yīng)用于工業(yè)和家庭

Tamas Daranyi

各行各業(yè)的數(shù)字化轉(zhuǎn)型和日常生活中的新場景已經(jīng)對邊緣上的人工智能（AI）和機(jī)器學(xué)習(xí)、先進(jìn)數(shù)據(jù)處理、音頻、視覺等產(chǎn)生了需求。邊緣機(jī)器學(xué)習(xí)（ML）計算支持廣泛的、智能化的工業(yè)和家庭應(yīng)用，包括用于異常檢測的傳感器數(shù)據(jù)處理、預(yù)測性維護(hù)、用于改進(jìn)玻璃破碎檢測的音頻模式識別、簡單命令詞識別以及視覺應(yīng)用，如使用低分辨率攝像頭進(jìn)行在場檢測或人數(shù)統(tǒng)計?，F(xiàn)在的產(chǎn)品設(shè)計人員已看到了人工智能和機(jī)器學(xué)習(xí)的巨大潛力，可以為家庭安全系統(tǒng)、可穿戴醫(yī)療監(jiān)測器、商業(yè)設(shè)施和工業(yè)設(shè)備監(jiān)控傳感器等邊緣應(yīng)用帶來更多的智能化。所以Silicon Labs認(rèn)為邊緣AI和機(jī)器學(xué)習(xí)將被廣泛應(yīng)用于工業(yè)和家庭。

商業(yè)樓宇管理部門的工作人員正在探索如何使他們的建筑系統(tǒng)（包括照明和暖通空調(diào)）更加智能，以降低業(yè)主的成本并減少對環(huán)境的影響。消費性產(chǎn)品和智能家居解決方案提供商都在努力簡化各種設(shè)備的連接并擴(kuò)展它們的交互方式，從而為消費者帶來創(chuàng)新的功能和服務(wù)。

那些考慮在邊緣設(shè)備上部署人工智能或機(jī)器學(xué)習(xí)的人員，他們都面臨性能和功耗使用方面的巨大的困境，這些可能會超過其帶來的好處，最終得不償失。邊緣人工智能解決方案需要具備業(yè)界所需功能的最佳組合，包括物聯(lián)網(wǎng)邊緣應(yīng)用相關(guān)的對多樣化無線多協(xié)議的支持、電池壽命、機(jī)器學(xué)習(xí)和安全性等。隨著集成創(chuàng)新和行業(yè)合作的突破，在對AIoT（人工智能物聯(lián)網(wǎng)）期待已久之后，邊緣AI于最近走進(jìn)了我們的工作和生活。

作為一家全球領(lǐng)先的擁有安全和智能的無線技術(shù)、先進(jìn)外圍設(shè)備和先進(jìn)計算內(nèi)核的無線SoC供應(yīng)商， Silicon Labs已經(jīng)為邊緣人工智能/機(jī)器學(xué)習(xí)制定了戰(zhàn)略和路線圖。該戰(zhàn)略的一個關(guān)鍵部分是解決在無線SoC上盡可能快速和高效地運(yùn)行機(jī)器學(xué)習(xí)模型的挑戰(zhàn)。我們正在探索集成機(jī)器學(xué)習(xí)和無線連接功能的單芯片解決方案及其最有意義的、特別關(guān)注低功耗的應(yīng)用，這將成為物聯(lián)網(wǎng)行業(yè)的一場徹底變革。Silicon Labs認(rèn)為，顛覆性的邊緣AI解決方案需要創(chuàng)新地集成不同的技術(shù)。無線SoC 上的單芯片解決方案是確保高性能和高能效的最佳方式之一;它們還需要產(chǎn)業(yè)鏈之間的合作，以使硬件加速與 AI/ML工具和算法相匹配。集成工具的能力是邊緣AI成功的關(guān)鍵因素。例如，Silicon Labs于今年1月推出了其 BG24和MG24系列2.4 GHz無線SoC，分別支持藍(lán)牙和多協(xié)議操作，同時也推出一個全新的、用于機(jī)器學(xué)習(xí)的軟件開發(fā)工具包。這個新平臺同時優(yōu)化硬件和軟件，以助力用戶在電池供電的邊緣設(shè)備上實現(xiàn)AI/ML應(yīng)用和高性能無線功能，所有這些都集成在同一個SoC中。

除了原本就支持的TensorFlow， Silicon Labs還與一些領(lǐng)先的AI和ML工具提供商（如SensiML和Edge Impulse等）合作，以確保開發(fā)人員獲得一個端到端的工具鏈，簡化機(jī)器學(xué)習(xí)模型的開發(fā)，并優(yōu)化無線應(yīng)用的嵌入式部署。

這個新的AI/ML工具鏈與Silicon Labs的Simplicity Studio工具以及BG24和MG24系列SoC結(jié)合使用，開發(fā)人員可以創(chuàng)建從各種連接設(shè)備中提取信息的應(yīng)用，所有設(shè)備都使用Matter相互通信，然后做出智能的、由機(jī)器學(xué)習(xí)驅(qū)動的決策。

異構(gòu)計算對于人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)解決方案都非常重要。硬件數(shù)據(jù)加速器被廣泛應(yīng)用于這些解決方案。對于邊緣AI來說，架構(gòu)創(chuàng)新變得越來越重要，因為解決方案資源有限且能效要求高。特別是具有 AI/ML功能的2.4 GHz無線SoC需要在架構(gòu)上進(jìn)行創(chuàng)新。