边缘处理基本的技术能力是什么

近期，恩智浦半导体宣布推出易于使用的泛化机器学习开发环境，用于构建具有高端功能的创新应用。对于恩智浦的从低成本微控制器（MCU）到突破性的跨界i.MX RT处理器和高性能应用处理器等设备，客户都可以轻松实现机器学习功能。

机器学习开发环境提供全套即用型方案，用户可以在ARM Cortex内核到高性能GPU/DSP（图形处理单元/数字信号处理器）复合体等中选择最佳执行引擎，还提供在这些引擎上部署机器学习模型（包括神经网络）的工具。嵌入式人工智能（AI）正迅速成为边缘处理的基本技术能力，使“智能”设备能够“意识到”周围环境，并在很少或根本没有人为干预的情况下根据接收的信息做出决定。

基于视觉的机器学习应用通过摄像头向各类机器学习算法（其中神经网络最为流行）提供输入信息。这些应用涵盖大部分细分垂直市场，并可执行诸如对象识别、身份验证、人员统计等功能。语音激活设备（VAD）正推动边缘机器学习的需求，以实现唤醒词检测、自然语言处理以及“语音用户界面”应用。基于机器学习的异常检测（根据振动/声音模式）能够识别即将发生的故障，进而大幅减少设备停机时间，实现工业4.0的快速变革。恩智浦为客户提供多种将机器学习集成到应用中的方案。

恩智浦人工智能技术主管Markus Levy表示，“在嵌入式应用中使用机器学习时，必须同时兼顾成本和最终用户体验。例如，在我们的高性价比MCU中也可以部署AI推理引擎，并获得足够的性能，这让许多人仍然感到惊讶。” “另一方面，我们的高性能跨界和应用处理器也拥有强大处理能力，在许多客户应用中都可以实现快速AI推理和训练。随着AI应用的不断扩展，我们将通过旨在加快机器学习的下一代处理器持续推动该应用领域的增长。”

将AI/机器学习技术引入边缘计算应用的另一个关键要求是可以从云端轻松、安全地部署和升级嵌入式设备。EdgeScale平台支持对物联网和边缘设备进行安全配置和管理。EdgeScale通过在云端集成AI/机器学习和推理引擎，并自动将集成模块安全地部署到边缘设备，实现端到端的持续开发和交付体验。

为了满足广泛的客户需求，恩智浦还创建了一个机器学习合作伙伴生态系统，将客户与技术供应商联系起来，通过经过验证的机器学习工具、推理引擎、解决方案和设计服务，加快产品研发、生产和上市时间。

来源：朗锐智科