|
不知不覺，從智能門鎖到智能表計，物聯網已經遍布我們生產生活的各個領域。當然，物聯網還在繼續迅速成長。它不但會更加普及，還在向更高的層級發展。 一個典型的概念就是AIoT，即人工智能物聯網。物聯網與人工智能的融合即自然又矛盾。說它自然，是因為物聯網設備需要越來越智能，需要人工智能的加持；說它矛盾，是因為物聯網環境下實現人工智能存在諸多限制。 首先，很多物聯網設備都是由電池供電的，所以功耗必須很低，而人工智能通常比較耗電。其次，很多物聯網，尤其是工業物聯網，帶寬窄、速度慢，無法將大量數據上傳到云端進行AI處理。最后，物聯網設備數量眾多，要求低成本，而能夠實現AI的器件（如GPU、FPGA）通常比較昂貴。 為解決這個矛盾，突破AioT的應用限制，Analog Devices Inc.（ADI）推出了邊緣AI微控制器（MCU）MAX78000和MAX78002。這種應用于網絡邊緣的MCU除了具有MCU低功耗、低成本的特點，還具備AI處理能力，無需將數據上傳到云端進行AI處理，適合窄帶條件下的人工智能物聯網應用。近日，ADI公司MCU產品線資深業務經理李勇先生和中國技術支持中心高級工程師辛毅先生向我我們介紹了這種MCU的特點和應用場景。 李勇介紹說，從2020年至今，ADI在傳統MCU的技術上開拓創新了這類嶄新的邊緣AI MCU，從而可以在電池供電設備中輕松實現物聯網人工智能，成為ADI微控制器系列上的一個很大的劃時代的里程碑。 
該MCU區別于常規MCU的特點是，它集成了一個卷積神經網絡（CNN）加速器。AI推理由這個硬件加速器來完成，小內核RISC-V來配合CNN加速器工作，把主內核Arm Cortex-M4F從繁重的推理運算中解放出來。硬件CNN加速器的好處是，矩陣運算效率高，功耗低。下圖展示了MAX78000 邊緣AI MCU與ADI公司的另一款無CNN加速器的MCU以及競品（Cortex-M7內核）的基準測試結果。結果顯示，MAX78000在推理時間和推理功耗方面都表現出了質的飛躍。
李勇介紹說，速度方面，相比于純微控制器方案，邊緣AI定制的硬件加速器具備更高的數據吞吐量，可將速度提高100倍以上。功耗方面，相比于微控制器+DSP解決方案，邊緣AI定制的硬件加速器可以將功耗降低99%以上。成本方面，它遠低于FPGA等方案，只略高于微控制器，但可以處理更復雜的細節。綜合而言，此類邊緣AI MCU是AioT應用的最佳選擇。 MAX78000邊緣AI MCU可用于語音識別、振動識別和圖像識別。配置更高的MAX78002還可以用于視頻識別（可用于考勤打卡機和智能門鎖）。ADI的客戶以此開發出了各類應用，如物品識別的雞蛋計數相機和車載冰箱，語音識別的智能頭盔，振動識別的管道泄露檢查系統等。李勇說，MAX78000已推出一兩年，邊緣AI市場的AI需求正在提速，這對ADI的AI產品是一個很好的機會，相信ADI的AI MCU會在此領域大放異彩。 |
