大家都听说过互联网,那有没有听说过物联网呢?
首先从字面来理解,就是物品和网络之间相连。起初这个概念最早是由美国提出来的:把所有的物品通过物联网域名相连接,进行信息交换和通信,以实现智能化识别、定位、跟踪等等的一种网络概念。当然了,物联网的官方定义是:是基于互联网之上,使不可交流的物体与物体之间进行交流,而产生的过程,称之为物联网。
2019年全球ICT产业关键字,聚焦「智慧、速度与创新」。创新技术如人工智慧、延展实境(XR)、区块链、数位分身(DigitalTwin)持续出笼,尤其人工智慧加速晶片及量子电脑的发展,伴随5G商转,势必带动产业跳跃式前进。既然聚焦「虚实整合、运算科技、人机互动」三大主轴,2019年COMPUTEX,全球IP矽智财授权领导厂Arm受邀出席《COMPUTEX论坛》、《InnoVEX论坛》主题演讲。Arm在COMPUTEX揭示全面运算(TotalCompute)主张,为5G时代提供更符合更多使用情境(usecase)的整体运算方案,并展现强大生态系能量。
Arm在COMPUTEX2019有哪些亮点展示?瘾科技带你浏览四大解决方案 亮点一:物联网平台回应Arm的目标在2035年打造达一兆台连网装置,为了让连网装置深度沟通,Arm针对IoT平台的生态系,近年接续推出「DesignStart」、「Pelion」及「Neoverse」等相关计画。今年COMPUTEX,Arm展示Pelion这项混合环境的端到端联网连接、装置和资料管理平台方案。Pelion特色在于建构3A情境,「任何装置、任何资料、任何云端」(Anvice,Anydata,Anycloud),管理任何种类的连网装置与连接,应付任何内外部不同类型的资料,连接任何公有、私有及混合云端。
换言之,Pelion平台让企业在安全环境下,管理各项物联网装置,无限制连结任何规模的资料。COMPUTEX也展示,Arm收购TreasureData后,借助巨量资料技术能力,Pelion平台对资料流程进行融合,让企业用户以高效、更安全的技术部署、连接和更新连网装置,顺利走入物联网的资料世界。
亮点二:AI机器学习联网装置与数据资料爆发成长,人工智慧的机器学习应用,逐渐从云端转移至终端。为了把机器学习技术放在边缘装置发挥所长,Arm针对机器学习的晶片应用进而打造全新处理器。延续Arm在CPU具备的可编程优势,以及GPU数据处理压缩能力和高吞吐量的设计特点,将其整合至机器学习晶片设计之中。针对机器学习热潮,Arm推出「ProjectTrillium」机器学习运算平台支持各种AI应用程序,在功能性与可扩展性方面,能实现更快机器学习效率。根据统计,目前ProjectTrillium平台的学习数据吞吐量,比起过去CPU、GPU协同作业的机器学习效率,已经达2~4倍以上,效能也优于传统DSP的可编程逻辑。
换言之,ProjectTrillium是一个异质的ML运算平台,平台架构包括ArmML处理器、开放原始码ArmNN软体框架,目前搭载于超过25亿台Android装置。Arm针对ML处理器进行强化,包括超过两倍能源效率,达到每瓦5兆次运算(TOPs/W)、记忆体压缩技术提升达三倍,以及提升至高达八核心的次世代峰值效能,与每秒最高32兆次运算(TOP/s)。
随着机器学习需求愈来愈高,开发人员更渴望利用系统上专属神经处理器(NPU)的优势。Arm机器学习ML处理器提供同级最优化的能耗效率,并有强大的软体生态系统支援,让整个生态系统的AI效能极大化。
▲Arm示范如何在装置上快速的执行机器学习功能,挑战人的记忆,和装置相比,看谁能先辨出不同的图像。
亮点三:AR/VR装置前几年开始流行的AR、VR装置,过去最大挑战来自虚拟视觉的稳定度。对此,Arm因应5G科技演进推出多款全新高阶IP套件,其中Mali-D77DPU显示器即是聚焦扩增实境、虚拟实境所需的内容所打造,让虚拟实境更加真实。Mali-D77是Mali-D71显示处理器更新版,最高可对应3K解析度与120fps更新率,虚拟视觉影像得以更稳定呈现。全新的硬体功能,加速头戴式显示器的虚拟实境运算,实现更小、更轻、更舒适的VR装置部署。
▲在COMPUTEX展示OculusQuest的VR头盔,提供高效能、无线,摆脱传统VR装置需要连接线的牵绊,创造VR装置新体验。
当然,使用者对AR、VR装置的期待除了影像稳定,在沉浸式体验方面,还包含更轻量、不受线材影响以及更顺畅的效能。Mali-D77其他功能表现在镜头失真校正(LensDistortionCorrection)、色差校正(ChromaticAberrationCorrection)、非同步时间扭曲(AsynchronousTimewarp),对应更清晰、更真实影像,还能降低配戴者头晕情况。除此之外,Mali-D77显示处理器IP,3K120虚拟实境效能,硬体节省VR作业负载4成以上系统频宽,以及12%功耗表现。Arm表示,为了让VR更为普及,在全球达到数十亿台装置的长期目标,Mali-D77解决现阶段显示技术的挑战,为VR产业迎向下一个新世代。
亮点四:车用Arm在今年COMPUTEX展示的第四个亮点,聚焦在汽车应用。Arm在车用方面扮演重要角色,因其牵涉稳定与安全,尤其ADAS与自动驾驶需要顾虑的层级更是重要。对此,Arm针对车载安全推出ArmSafetyReady计画,同时也包括针对自驾车的7nm制程最佳化处理器架构Cortex-A76AE,借由整合Split-Lock提供车载所需的安全性。
换言之,ArmSafetyready车用安全计画涵盖Arm既有、新型与未来的全方位车载计画,从系统性流程到研发,且通过ISO26262与IEC61508标准,一站式提供软体、元件、工具、认证及标准等资源,确保加入此计画的合作伙伴其SoC与系统,皆达到最高安全层级。
今年COMPUTEX也展示基于Arm的DMS(DriverMonitoringSystem)驾驶监控系统产品。DMS是采用ArmCortex-A7所支援的深度学习NN模型,由TEEAILab所开发。这套DMS系统展示在CortexA7上运行AI/ML以实现驱动程序状态监视功能。例如针对驾驶员闭眼、打哈欠侧视、俯视、打电话和吸烟等行为进行迅速检测,并发出音频以提醒驾驶。Arm在智慧驾驶领域,也展开AutomotiveEnhancedforFunctionalSafety计画,将推出首款多情绪执行处理器,以强化新世代安全驾驶体验。
▲COMPUTEX展会上也展示Arm在智慧驾驶领域的成果(图右),情绪执行处理器问世将有助驾驶安全。
聚焦未来世界,打造创新体验Arm在COMPUTEX2019展会中,展现新世代运算领域的创新技术与相关应用。除了上述相关亮点,也聚焦面向未来2030年的使用情境。Arm拥有全面软体开发框架,包含ArmIP、ArmNN、ArmComputeLibrary及ArmDevelopmentStudios,透过生态系统合作帮助开发人员更快采用、更快上市,透过机器学习软体优化,有效扩展硬体效能。
想像未来的世界,5G传输、机器学习、终端运算可能已经成为我们生活的日常,而产业之间将呈现万物联网的庞大生态系。对此,Arm将持续展现其领先技术优势,携手物联网超级战队掌握下一波科技浪潮。
M2O这个词第一次听的时候是在一个演讲会上,说实话在那之前我也不知道M2O是什么?直到在自然一度M2O物联网演讲会上我才知,M2O是什么。M2O即MobiletoOnline/Offline(移动到线上和线下体验店)。M2O实际是通过一个智能移动终端连接厂商和服务商的闭环。就是让消费者不需要单独的在线上或者线下完成整个购物体验这是消费者想要的,也是M2O所需要在实现的功能。可以这么说M2O是一种创新,是一种突破,是未来电商的一个格局,M2O开创中国电商新模式。
麻省理工学院自动识别中心的联合创始人凯文阿什顿在 1999 年向宝洁公司(P&G)做的一次演讲中首次提到物联网。想要将宝马的射频识别码(RFID)带到宝洁的注意力高级管理层,阿什顿称他的演讲“物联网”融入了 1999 年的酷炫新潮流:互联网。麻省理工学院教授尼尔格申菲尔德的着作“ 当事情开始思考 ”也出现在 1999 年,并没有使用确切的术语,而是提供了物联网走向何方的清晰视野。物联网已经从无线技术,微机电系统(MEMS),微服务和互联网的融合发展而来。这种融合有助于摧毁运营技术(OT)和信息技术(IT)之间的孤岛,使得非结构化机器生成的数据能够被分析以获得洞察力以推动改进。
虽然 Ashton 是第一次提到物联网,但自 20 世纪 70 年代以来,连接设备的概念已经出现在嵌入式互联网和普及计算的绰号之下。
例如,第一台互联网设备是 20 世纪 80 年代初在卡内基梅隆大学的可乐机器。使用网络,程序员可以检查机器的状态,并确定是否有冷饮等待他们,如果他们决定去机器。
物联网是从机器到机器(M2M)通信发展而来的,即通过网络相互连接而没有人为交互的机器。M2M 是指将设备连接到云,管理它并收集数据。
将 M2M 提升到新的水平,物联网是数十亿智能设备的传感器网络,可连接人员,系统和其他应用程序来收集和共享数据。作为其基础,M2M 提供支持物联网的连接。
物联网也是 SCADA(监督控制和数据采集)的自然延伸,SCADA 是一类用于过程控制的软件应用程序,实时从远程位置收集数据到控制设备和条件。SCADA 系统包括硬件和软件组件。硬件将数据收集并提供给安装了 SCADA 软件的计算机,然后对其进行处理并及时呈现。SCADA 的发展使得新一代 SCADA 系统发展成为第一代物联网系统。
然而,直到 2010 年中期,物联网生态系统的概念才真正发挥作用,部分原因是中国政府表示将物联网作为其五年计划的战略重点。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)