恩智浦CTO解锁边缘AI发展密码

日前，在2022世界人工智能大会（WAIC）上，恩智浦全球执行副总裁兼CTO Lars Reger通过视频形式在“AI未来，感知芯世界”的主题论坛上发表演讲，分享了对为智能边缘设备市场的展望，以及如何负责任地赋能边缘智能的思考。

Lars谈到，我们已经实现了一个“按需定制”的世界，只需拿出智能设备轻轻一按，就能完成购物、订车、点餐等便捷服务。而在不远的将来，随着物联网技术的发展，我们打造的新应用不仅可以“按需”提供服务，更可以预测用户想要做的事情并自动执行，这些任务将由我们周围的智能设备完成。

根据分析机构的预测，下一个十年里智能互联设备的数量将达到750亿台，它们就像遍布在我们身边的小机器人，帮助我们打点好生活的方方面面。这也意味着半导体公司将迎来强势的市场增长机遇。

万物互联、万物智能的世界让人振奋和憧憬，然而作为这个世界的技术赋能者，我们也肩负责任，要确保人们可以轻松、无忧地享受智能世界的各种便利，同时也确保世界的可持续发展。Lars表示，这种责任主要体现在三个方面：计算能源效率、智能生产力、数据安全和隐私保护。

Lars演讲中的精彩内容，我们节选如下，希望对大家洞悉未来边缘AI的发展趋势，发掘巨大的市场潜力有所帮助。

1 智能化的未来

未来将有哪些核心应用值得我们关注呢？潜力巨大的领域包括工业自动化、智能家居、智慧城市、楼宇控制等。比如门上的智能锁、交通控制系统、制造业机器人、工业4.0完全互联的工厂、轮腿式机器人等等。此外，还有能源处理、烟雾探测和智能建筑控制等基础设施和环境管理等领域的用例。

如果我们以汽车这样一个大型、复杂的智能设备为例，其智能化应用跨越了从汽车门禁到ADAS、从自动驾驶到高效OTA升级等等。十年前，汽车厂商在汽车离开装配线后，就已经完成了主要工作。而今天，汽车在离开装配线后，产品生命周期才刚开始，它需要不断的维护、软件升级，也将产生大量的数据，汽车已经从用内燃机的“马车”，变成了一个带轮子的运送乘客的传感器平台。

2 走向边缘的AI

我们需要为这个边缘设备赋予更多的智能。如果我们把所有架构系统都封装在一个设备中，数据不需要从设备中进出，那么要保证这个设备中的信息安全和功能安全就会容易得多，而且它的反应时间会更快。

反过来，如果所有数据都需要传输到云，设备总是要等云端做决定，再把数据回传，毫无疑问，这样并不智能也不够及时。在能源方面，整个数据传输过程耗费了大量能源和网络容量，产生了大量无用的数据流。当然，在本地设备中的训练速度也更快，它本身就有学习能力，当运行相对简单的模型时，可以在运行时增强能力。

换句话说，我们将看到一个巨大的趋势，一次架构的转变，我们不再将智能置于云端，而是各个终端设备，它们将独立完成所有工作，甚至无需网络连接，它只有在为我播放网上的音频文件或从互联网上获取额外数据时才联网。这是与以往完全不同的方法，在架构和技术能力方面发生了巨大的变化。

这意味着，我们需要把人工智能和机器学习引入这些分散的小设备、小系统，这些系统必须具备一定的性能和计算能力。虽然相对于云计算，很多终端设备的计算条件有限，但是只要训练得当，它们也能具备非常高的性能，运行非常稳健而且非常快。

我们已经看到在视觉与图像识别、语音识别和异常检测方面，有大量的人工智能和机器学习应用落地，甚至已经形成了规模很大的市场。对于检测用例，只需要一个指甲盖大小的芯片，就可以在系统中使用相对较小的加速器完成整个工作。当然，如果是汽车中的全自动用例，必须使用耗电数千瓦的大型系统，这些系统构建起来要困难得多，还要以可靠的方式构建。

3 与云端安全连接

只有智能互联边缘设备是不够的。以汽车为例，你的汽车是在南部生产的，现在车卖到北方，冬天的阳光较弱，雪也较多，交通标志的外观也不同。你就需要获取数据反馈，升级你的模型。这就需要在云端聚集数百万条传感器的信息，再次处理、升级模型，并将其部署回现场设备。

这些监测、检测、更新和不断的学习，就是我们需要云端的地方，因此我们需要在终端设备和云之间建立安全的连接，否则如果有人攻击系统，或者连接不可靠，就会危及整个设备组的所有行为。在恩智浦，我们推出的eIQ软件工具解决了这一问题，它包含了预定义的代码和模型，我们称之视觉、音频和异常检测的eIQ储备。

除此之外，我们还努力将恩智浦在安全方面的经验加以应用。从银行卡、移动支付到电子政务，我们有很多安全相关专业知识，也将其引入微控制器设计中。你可以选择使用具有嵌入式安全性的边缘处理器，也可以使用有独立的安全元件的处理器，让它来处理高安全性应用的繁重任务。我们构建、提供参考设计，以实现高级别的加密、高级别的性能，以及与云的安全连接，确保一切能以可信的方式无缝、轻松地运行。

4 成功的关键因素

简单地说，过去十年我们都在谈论大数据，大数据就是新的石油。下一个十年探讨的将不再是大数据，而是“相关数据”，只有相关的数据才会被传到云端进行群体学习。

我们将人工智能和机器学习模型的推理能力赋予边缘设备，但这些设备获得市场成功的关键因素是高效、可扩展的处理能力和高安全性，并配合能够进行OTA设备管理的高效易用的软件生态系统。满足了这些要素，我相信750亿台智能互联设备的未来将很快成为现实，我们都能在这个蓬勃发展的市场中一展拳脚。