#嵌入式系統 #邊緣運算EdgeComputing #物聯網IoT #微控制器MCU #微處理器MPU #人工智慧AI #機器學習ML #汽車電子
【「邊緣設備」成嵌入式運算主戰場】
人工智慧 (AI) 滲透率的深化，促使「邊緣」(Edge) 設備一躍成為嵌入式運算的主戰場，就連雲端服務供應商 (CSP) 亦積極將戰線延伸至地面端；AI 的得勢，已讓物聯網 (IoT) 生態系統發生顛覆性變化——資料處理從互連系統中心轉移到邊緣。邊緣處理已將對於運算應用程式、資料和服務的控制，從某些中心節點轉移到網際網路的外圍；這是 IoT 裝置與實體世界接觸之處，即資料經由視覺／語音／環境等各式感測器的入口。
在邊緣處理這些資料，可大幅減少待轉移的資料量，進而提高隱私性、縮短延遲並提升服務品質；邊緣處理使用分散式資源，既脫離了中央核心的依賴，亦消除了主要瓶頸與潛在的單點故障風險。某些應用可能無法持續連線到網路，例如：自動駕駛車、植入式醫療器材、感測器極為分散的場域，以及各式各樣的行動裝置；在此類嚴峻環境中使用 AI，必須配備敏捷的應用程式來持續學習，並將結果快速套用到新資料上 (推論)。
為了在邊緣環境進行推論，處理架構和硬體都需經過最佳化，並符合對於處理能力、節能、效率、安全性和連線能力的特定要求。邊緣 AI 應用的設計目標是在系統成本與最終使用者體驗之間找到平衡：汽車和工業應用著重以最佳架構達成性能與功率效率，以因應今後所遇到的連線能力、資安和安全性挑戰。提供駕駛輔助與替代駕駛人員功能的汽車系統，是 AI 部署的主場；而關於定點 vs. 浮點演算的適用性，亦受到諸多討論……。
延伸閱讀：
《「邊緣 AI」是 IoT 裝置與實體感測器的入口》
http://compotechasia.com/a/feature/2019/1111/43272.html
(點擊內文標題即可閱讀全文)
#恩智浦半導體NXP #i.MX #Crossover #Kinetis #Layerscape #QorIQ #S32
