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. 恩智浦的机器学习开发环境有助于机器学习在视觉, 语音和异常检测领域的应用快速增长. 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. 恩智浦机器学习开发环境提供免费软件, 允许客户导入自己训练的TensorFlow或Caffe模型, 将它们转换为优化的AI推理引擎, 并部署在恩智浦丰富的可扩展处理解决方案 (从MCU到高度集成的i.MX和Layerscape处理器) 中.
'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. ' 恩智浦人工智能技术主管Markus Levy表示, '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. 生态系统的成员包括Au-Zone Technologies和Pilot.AI. Au-Zone Technologies提供业界首个端到端的嵌入式机器学习工具包和运行推理引擎DeepView, 使开发人员能够在恩智浦的全部SoC产品组合 (包括Arm Cortex-A, Cortex-M内核和GPU的异构混合体) 上部署和设置CNN. Pilot.AI已构建了一个框架, 能够在各类客户平台 (从微控制器到GPU) 上实现各种感知任务, 包括检测, 分类, 跟踪和识别, 并提供数据收集/分类工具和预先训练的模型, 以直接实现模型部署.