设计

AI与物联网趋势并起 颠覆嵌入式设计思维

字号+ 作者:洪千惠 来源:digitimes 2018-03-06 10:39

无论是消费性或非消费性设备供货商,都必须善用IT技术力量,强化本身竞争力,因此嵌入式系统的市场需求与日俱增,而在需求与供给双方相互拉抬下,嵌入式产业的发展来到史上高峰,未来几年在AI与物联网的驱动下,预计将持续成长


图片来源:
https://www.flickr.com/photos/phploveme/22323748478
 
 
有别于一般泛用型的PC架构,嵌入式系统的定义,是为特定用途所设计的IT系统,近年来嵌入式在特定领域的发展加速,与过去相较,无论是深度或广度都有长足进展,主要原因除了IT技术本身的精进外,应用产业不断拓展出新的功能需求也是主因,尤其是应用面,在市场竞争日益激烈的态势下,无论是消费性或非消费性设备供货商,都必须善用IT技术力量,强化本身竞争力,因此嵌入式系统的市场需求与日俱增,而在需求与供给双方相互拉抬下,嵌入式产业的发展来到史上高峰,未来几年在AI与物联网的驱动下,预计将持续成长。
 
商机后势可期 厂商卡位AI市场
 
AI是2017年IT产业的焦点议题,多数研究机构与产业都认为AI不但会与嵌入式系统整合,而且在部分应用中,具有AI功能的嵌入式设备将串联成物联网架构成为AIoT系统,而AIoT系统中,不仅上层的云端平台会具有运算能力,终端的嵌入式设备,甚是设备中的组件,也都会有一定程度的AI设计,进而形成庞大商机,也因此目前各大芯片商都早已开始投入AI芯片的布局。
 
AI芯片在嵌入式系统的应用相当广,从数据中心、终端设备(智能手机、平板计算机、穿戴式装置...等)、垂直特定产业(制造、交通、医疗...等),都将是目标市场。投入的厂商也众多,以架构来看,浮点运算、同步并行运算非常适用于人工智能的深度学习神经网络,因此具有这些特点的GPU,也成为这波AI热潮的重要运算架构。
 
但在此趋势中CPU也未缺席,尤其是Intel在2017年中分别推出独立AI加速器Movidius Neural Compute Stick与Myriad X视觉处理器(Vision Processing Unit;VPU),前者内建了Myriad 2视觉运算单元,在1瓦电力下可完成每秒1,000亿次浮点运算,后者则是全球第一个配备神经运算引擎(Neural Compute Engine)的系统单芯片,可用于加速产品端的深度学习推理。
 
除了两家处理器大厂,Google也在2017年推出订制化的ASIC AI芯片TPU,专为机器学习设计,Google的TPU主要用于改善搜寻结果的相关性与提高Google街景服务地图和导航功能正确度,由于TPU是专为特定用途设计的特殊规格逻辑IC,只执行单一工作,所以速度更快,但缺点是成本较高。
 
除了GPU、CPU外,其他处理架构如FPGA、DSP等厂商,也都积极投入AI市场,而就发展来看,仍未看出那一类运算架构会成为市场主流,服务器的应用目前仍以CPU为主,不过现在NVIDIA也开始跨入发展,至于终端嵌入式设备市场,无论是体积、功耗、价格,其市场需求都比服务器更严苛,因此难度会更高,不同的应用会需要不同运算架构,因此未来处理器在嵌入式终端市场的应用将更为多元,不会出现一家寡占的状况。
 
加速物联网布建 组件走向智能化
 
除了AI之外,物联网也会是未来嵌入式系统的重要发展,物联网概念在IT产业已将近10年,虽未如当初研究机构出现爆发性成长,不过已陆续有产业导入,在物联网架构中,嵌入式设备主要应用于底层,像是零售业的POS、医疗业的手持式平板计算机、制造业的工业计算机...等,这些嵌入式设备过去多为独立式运作,即便有连网功能,也都仅与上层架构链结,传送系统运作数据,设备之间彼此并未连结为绵密的物联网架构。
 
近年来物联网概念逐渐普及,在多数产业导入后,过去制定的物联网架构开始因应企业实务运作转型,就目前发展来看,架构在物联底纹层的嵌入式设备,将会有两大改变,包括快速导入和智能对象。
 
在快速导入部分,过去系统中的设备数量少,系统建置并不难,但物联网系统号称万物皆连,大量撷取第一线设备的讯号,累绩成大数据后,让上层的云端平台的运算更趋精准,因此在物联网系统中,第一线设备的部件相当重要,在消费性领域如智慧家庭,其设备可以逐步连结,但在地域庞大像是大型医院、工厂等,其链接的嵌入式装置数量有可能上达千台,要在一定时间内布建,其难度相当高,尤其是较旧的机台,要将感测讯息连上网,更对系统人员带来严苛挑战。对此困境,旧型设备必须藉由外接模块与上层链结,机型较新的嵌入式设备,则多已有连网功能,现在物联网仍多使用3G、4G、Wi-Fi等通讯技术,要链接上网并不难,但如何让传回的数据具正确性,就必须靠智能对象的设计。
 
智能对象的设计有两部分,包括边缘运算和组件AI化。边缘运算是让位处系统终端的嵌入式设备有一定运算能力,设备先行预处理过数据后,再将结果传回云端平台,边缘运算除可降低后端处理器的工作负载外,前端整理过的数据量也会大幅减少,若是采用3G、4G等通讯技术的系统,就可降低传输费用。组件AI化则是让嵌入式设备内的零组件如储存装置、人机接口等,具有AI功能,使其可侦测设备状态,提升系统运作效率,例如播放高画质影音档案时,储存装置可从数据的读取次数,运算出运作模式,进而调整设备状态,预先处理读取扇区,使整体系统运作更稳定且快速。
 
AI与物联网是近两年嵌入式领域的重要趋势,而业界多认为这两者将会快速整合,翻转过去IT架构的功能走向,在此态势下,无论是单一设备或整体系统,嵌入式设计者必须有全新思维,一直以来嵌入式系统的设计都以市场需求为设计导向,在AIoT时代,系统使用思维将全部翻转,设备内部的组件功能更细更具智能,外部的系统整合则必须更紧密且多元,如此方能因应新时代的市场需求,设计出优化嵌入式系统。












相关文章
  • 物联网设计:软件挑战及其应对之道

    物联网设计:软件挑战及其应对之道

    2016-11-15 15:13