隨著筆記本電腦和智能手機的應用處理技術已經遷移到 64 位，智能攝像頭也開始轉向采用 64 位處理技術，使得利用更先進功能的前沿應用也可以在智能視覺系統中無縫平滑實現。例如，在世界各地的智慧城市中，我們看到攝像頭能夠運行AI算法來檢測人、寵物、包裹、車牌和其他物體。而且，隨著攝像頭本地算力的提升以及AI技術在智能攝像頭中應用的不斷擴展，智能視覺處理工作負載不僅有可能在攝像頭內置的 CPU以及日趨普遍的加速器上直接運行，而且這種邊緣部署方式將越來越顯示其優勢，并有望成為主流。在這些技術發展的助力下，未來將有可能同時檢測數百人或識別超速汽車的車牌，而無需再將大量數據傳輸到云端，影響處理的實時性。

為什么采用 64 位處理技術至關重要？

通過遷移至 64 位處理技術，可以更好地利用先進的64位CPU 硬件與身俱來的更高性能和效率。最重要的是，64 位 CPU 架構具有增強的寄存器支持和更大的內存映射。寄存器數量和寬度的增加意味著可以在減少內存訪問次數的情況下處理更大的數據集，從而加快數據處理速度。更強的寄存器支持也意味著開發者可以利用先進的編譯器優化技術，從而進一步提高性能。由于數據集在進出本地內存的交換會影響性能，因此，當提升的寄存器支持結合了 64 位架構帶來的內存映射增加，軟件就可以直接訪問更多的本地數據進行處理，從而減少了對內存交換的需求。

隨著智能攝像頭的成像要求日益提高，低端攝像頭和中高端攝像頭分別開始采用 4K、8K 分辨率。從 1080p 提升至 4K 意味著在相同的編碼方案下，攝像頭傳入視頻流的數據率翻倍。此外，為了更好地識別物體，幀率需要從 15fps 增加到 30fps 甚至 60fps，對數據率和性能的需求也將相應地繼續擴增。更高的幀率將使攝像頭能夠以更高的精度檢測、識別和辨別更小的物體與快速移動的物體。從多個視頻流進行同步 4K 編碼的需求，也對 CPU 性能提出了更高的要求。而這些都能很好地通過 64 位處理器獲得滿足。

此外，為了滿足成像和機器學習工作負載對于性能和帶寬不斷增長的需求，智能攝像頭需要支持浮點運算。Armv8-A 64 位架構將單精度的每周期 FLOPS性能提高了 2 倍，雙精度中提高了 5 倍，從而改善了用戶體驗。

另外，從 Armv8 架構中的可收縮矢量擴展（Scalable Vector Extension, SVE）和 Armv9 架構中的 SVE2 開始，Arm 通過對 Neon 的擴展在成像和機器學習方面取得了進展，這一點也很重要。

圖 1：面向當前和未來智能攝像頭的 Arm 64 位 CPU

提升機器學習性能

Arm 64 位架構（稱為 AArch64）提供了更快、更大的內存訪問，使機器學習模型能夠更快地加載到內存。這種性能的提升可以加快執行來自智能攝像頭的輸入視頻流的推理任務，從而更快地檢測、識別和辨別圖像中的物體。

為了充分利用視頻編碼器/解碼器等片上加速器和處理器核心外部的機器學習硬件來實現高效的數據傳輸，必須優化內存帶寬。提高系統內存流性能可以加快數據進出內存的速度，以供許多不同的硬件單元使用。圖2顯示了最常見的內存流基準，并展示了從 32 位 CPU 遷移到 64 位 CPU 時，性能可以提高 3.75 倍。

圖 2：從 Cortex-A7 （32 位） CPU 遷移到 Cortex-A35（ 64 位） CPU 時的內存流性能提升

實現高級安全功能

64 位 ARMv8-A 架構在其 CPU 中提供了原生安全功能，其中加密指令 AES、SHA 和 CRC 可以在軟件加密的基礎上提供 3 至11 倍的性能提升，可用于小粒度加密技術。隨著 Arm 繼續提高關鍵加密操作的性能，智能攝像頭能夠持續改進其加密算法，以支持物聯網應用對隱私和安全的持續需求。

圖 3：從 Cortex-A7 （32 位） CPU 遷移到 Cortex-A35 （64 位） CPU（帶有加密擴展）時的加密性能提升

對開發者的影響：軟件和工具

與所有其他應用領域一樣，軟件和工具也將持續在智能攝像頭領域發揮著重要作用，為廣大的開發者持續創新提供動力，使新功能和應用源源不斷地產生。隨著對 64 位 Linux 發行版的支持繼續擴大，越來越多公司增加了對各種新功能的支持，如運行基于最新 Arm 架構的容器調度器。

此外，Arm 繼續利用最新 CPU 中的新功能來增強開源的 GNU編譯器工具鏈。Arm 還增加了對領先的計算機視覺、圖像處理和機器學習開源庫OpenCV的支持，從而賦能更多的開發者能夠輕松開發智能攝像頭應用和產品。

來自 Arm 和更廣泛生態系統的支持

Arm 將持續在最新的 64 位架構規格版本中提供與數字信號處理、矢量處理、機器學習和安全有關的增強功能，所有這些都是未來幾代智能攝像頭需要的關鍵計算處理能力。

在所有智能攝像頭中采用基于 64 位的 Arm處理器有諸多益處，其中關鍵的是可以得到來自生態系統的廣泛支持。例如，AWS 已經通過其 AWS Sagemaker Neo 服務，在任何支持 64 位 Armv8-A 的設備上增加了對機器學習推理的支持，使得那些計劃使用 AWS云服務進行機器學習部署的公司可從中受益。

Project Cassini 等生態系統計劃解決了物聯網部署的兩個主要障礙：可擴展性和碎片化。對于芯片合作伙伴、ODM、OEM、ISV、系統集成商和開發者來說，Project Cassini 通過加快在不同的Arm 64 位平臺上部署云原生應用，釋放了邊緣和物聯網計算潛力。而要能充分利用 Project Cassini 和 SystemReady? 計劃的優勢， 64 位的計算平臺是必不可缺的要素。

為了加速邊緣設備的開發和部署，Arm在2021年10月發布了 Arm 物聯網全面解決方案（Arm Total Solutions for IoT），其產品路線圖呈現了包括 Arm 虛擬硬件在內的全面解決方案的愿景，使客戶能夠在芯片流片前啟動軟件開發的工作。

總結

如果您想要在智能攝像頭生態系統中超越競爭對手，那么采用 64 位處理技術至關重要。Arm 樂于隨時為開發者社區和合作伙伴提供支持，協助應對向 64 位處理技術過渡過程中的任何技術挑戰。向 64 位遷移將會開創“雙贏”局面。它將在性能、效率和安全方面為整個生態系統帶來諸多裨益，并有助于攝像頭滿足未來的創新，進而改變我們的世界。

注：本文作者為Arm物聯網兼嵌入式事業部業務拓展 副總裁 馬健