边缘人工智能,MCU发展新方向

2023-01-09
来源:中国电子报
分享

随着云计算与物联网的发展,两者相结合的边缘人工智能技术近年来开始受到越来越多的重视。在亚德诺半导体(ADI)公司今日举办的线上媒体发布会中,发布了一款带有神经网络加速器的超低功耗人工智能微控制器MAX78000。该产品即面向边缘人工智能应用,可以支持采取电池供电的嵌入式物联网设备在边缘设备中实现快速且低功耗的人工智能推理。ADI表示,与软件方案相比,采用这种方案可使复杂的AI推理能耗降低到前期方案的百分之一以内。

1673314030654060486.jpg

简单来说,边缘人工智能是指在边缘设备上实现的AI运算。以往大多数尖端的人工智能流程都是在云中执行的,因为它们需要大量的计算能力。但随着数据的增长速度对本地数据计算和本地数据存储的需求变得更加迫切,大量数据操作逐渐转向本地进行,这为在边缘广泛采用人工智能提供了理由。

“各种温度传感器、加速度传感器、声学传感器等,这些传感器联系了我们所处的真实的物理世界和看不见摸不着的数字世界,构成一组组边缘节点。那么智能边缘就是这些边缘节点也具备智能,可以提供高级数据分析、场景感知、实时决策、自组织与协同等服务。” ADI高级应用工程师辛毅表示。相比于云端AI,由于不需要将数据上传至云端,边缘AI具备实时性好、带宽资源要求低、隐私性高等特点,特别适合物联网应用。和云端AI相同,边缘AI也具备AI的共性特征。

根据辛毅的介绍,本次发布的MAX78000具备特殊的架构,由两个微控制器内核(ARM Cortex M4F和RISC-V)加上一个卷积神经网络(CNN)加速器构成。这一架构针对边缘进行了高度优化,数据的加载和启动由微控制器内核负责,而AI推理由卷积神经网络加速器专门负责。这样借助在芯片内部集成的卷积神经网络加速器就可以完成AI推理,不需要再通过互联网上传。微控制器内核负责完成加载和启动之后就不需要任何操作了,因此功耗也是很低的,只要使用电池就可以给整个系统供电。借助于这种两个硬件的分工合作,MAX7800X系列非常适用于边缘AI的应用。

1673314047412057976.jpg

ADI MCU产品线资深业务经理李勇强调,集成CNN硬件加速器在边缘AI芯片设计中将是一个技术趋势方向。为什么要集成CNN?一个重要原因就是降低功耗。通用处理器如Cortex-M7,运行速度较快,主频达到200MHz,但运行起来功耗比较高,如果要用Cortex-M7来运算CNN算法,功耗会比较高,但如果集成CNN专用硬件,可以很大程度降低功耗。我们认为,在未来边缘的应用中,这是一个非常重要的特征,这就是我们为什么在微控制器中集成专用的CNN硬件的原因。

通常,边缘AI可以由通用的微控制器芯片完成,也可以由FPGA、GPU、DSP等专门的芯片完成。MAX78000系列的优点在于其独特的架构和内核分工,与运行在低功耗微控制器上的纯软件解决方案相比,具备更高的数据吞吐量,速度提高了100倍,成本仅仅是FPGA或GPU解决方案的零头。相比于微控制器加上DSP的方案,MAX78000的功耗不足该方案的百分之一。也就是说,MAX78000方案可以在功耗、速度、成本三个方面达成最优的平衡,加上其小尺寸的优势,是边缘AI应用的理想产品。

在现实中,边缘人工智能的应用越来越广泛。工厂操作人员可以将信息技术整合到操作流程中,以提高能源效率、产量和正常运行时间;汽车制造商可以推动驾驶员辅助系统由相对基础的向高级自动驾驶系统发展,从而提高安全性和生产力;医疗机构甚至能够预测健康问题,预防潜在风险,而不是等患者发病或者发展到危重症之后医后再进行治疗。此外,在森林火灾监测,公路、铁路或者是大坝塌方监测等应用场景,边缘AI都可以得到很好的应用。根据预测,2025年将有75%的数据产生在边缘侧进行处理.

1673314066842025331.jpg

目前,MAX78000可应用于人脸识别、灾难检测、医疗应用等诸多领域。在人脸识别应用中,不仅可以进行识别人脸,也可以识别物体、宠物等。在灾难检测中可以进行烟感、烟雾监测、火灾监测、泥石流监测、震动监测等领域,其超低的功耗可以适于安装在长期无人值守的区域。在医疗应用中,可用于心电图、心率、血液数据的检测等。