作者/恩智浦半導體數字網絡事業部軟件工程與解決方案總監 翁鐵成

恩智浦對邊緣側AI和IoT戰略作用非常重視。我們認為大數據、IoT和AI的應用發展要求邊緣端：

1）對智能家居、工業互聯、智慧城市等提供智能化、快速、有效的支持。

2）從作為云端提供數據采集和控制反饋的連接通道，到云端訓練和深度學習，邊緣信息采集和AI識別的邊云一體化的方向發展。

3）及時接收云端廣播的訓練好的模型和提取的特征。在邊緣端提供有效的AI識別作用。

挑戰

1）要求邊緣端的芯片對網絡傳輸、安全算法運算、數據存儲和AI算法有足夠的支持能力。總的說來，要有一定的綜合運算能力。

a)網絡傳輸表示要及時地將用于學習和AI訓練的數據送到云端，避免網絡擁塞；

b)要對數據進行安全保護和加解密的運算支持；要對設備，用戶和應用提供可信的認證；

c)對數據提供本地存儲和AI智能運算能力。

2）要求計算架構和算法

a)提供端云有效配合的計算架構，實現云端學習和訓練，邊緣端特征提取和識別的有效AI應用的支持；

b)支持云端將學習好的模型及時廣播給聯接的邊緣設備；邊緣端利用訓練好的模型對新數據進行識別和AI處理；

c)提供適合于邊緣端的AI算法，學習框架，運算庫和編譯環境。

解決方案

1）在芯片SoC上提供了各種硬件加速引擎，包括網絡通信、安全存儲運算、AI運算，保證芯片在邊緣端強大的AI運算能力；

2）提供了支持邊緣計算的平臺-EdgeScale, 除了安全管理和邊緣設備管理外，它會封裝用于AI的算法和系統庫，簡化AI的開發。并提供AI應用的開發示例，比如人臉識別、OCR、語音識別、物體識別等，為AI應用的快速落地帶來方便。另外，它提供了針對工業互聯場景的邊緣平臺架構OpenIL，從實時性，安全性，穩定性和傳輸性上對邊緣端提供有效保障。