嵌入式人工智慧(AI)正迅速成為邊緣處理的基本技術能力, 使 '智能' 設備能夠 '意識到' 周圍環境, 並在很少或根本沒有人為幹預的情況下根據接收的資訊做出決定. 恩智浦的機器學習開發環境有助於機器學習在視覺, 語音和異常檢測領域的應用快速增長. 基於視覺的機器學習應用通過攝像頭向各類機器學習演算法 (其中神經網路最為流行) 提供輸入資訊. 這些應用涵蓋大部分細分垂直市場, 並可執行諸如對象識別, 身份驗證, 人員統計等功能. 語音激活設備(VAD)正推動邊緣機器學習的需求, 以實現喚醒詞檢測, 自然語言處理以及 '語音用戶界面' 應用. 基於機器學習的異常檢測 (根據振動/聲音模式) 能夠識別即將發生的故障, 進而大幅減少設備停機時間, 實現工業4.0的快速變革. 恩智浦為客戶提供多種將機器學習整合到應用中的方案. 恩智浦機器學習開發環境提供免費軟體, 允許客戶導入自己訓練的TensorFlow或Caffe模型, 將它們轉換為優化的AI推理引擎, 並部署在恩智浦豐富的可擴展處理解決方案 (從MCU到高度整合的i.MX和Layerscape處理器) 中.
'在嵌入式應用中使用機器學習時, 必須同時兼顧成本和最終用戶體驗. 例如, 在我們的高性價比MCU中也可以部署AI推理引擎, 並獲得足夠的性能, 這讓許多人仍然感到驚訝. ' 恩智浦人工智慧技術主管Markus Levy表示, '另一方面, 我們的高性能跨界和應用處理器也擁有強大處理能力, 在許多客戶應用中都可以實現快速AI推理和訓練. 隨著AI應用的不斷擴展, 我們將通過旨在加快機器學習的下一代處理器持續推動該應用領域的增長. '
將AI/機器學習技術引入邊緣計算應用的另一個關鍵要求是可以從雲端輕鬆, 安全地部署和升級嵌入式設備. EdgeScale平台支援對物聯網和邊緣設備進行安全配置和管理. EdgeScale通過在雲端整合AI/機器學習和推理引擎, 並自動將整合模組安全地部署到邊緣設備, 實現端到端的持續開發和交付體驗.
為了滿足廣泛的客戶需求, 恩智浦還建立了一個機器學習合作夥伴生態系統, 將客戶與技術供應商聯繫起來, 通過經過驗證的機器學習工具, 推理引擎, 解決方案和設計服務, 加快產品研發, 生產和上市時間. 生態系統的成員包括Au-Zone Technologies和Pilot.AI. Au-Zone Technologies提供業界首個端到端的嵌入式機器學習工具包和運行推理引擎DeepView, 使開發人員能夠在恩智浦的全部SoC產品組合 (包括Arm Cortex-A, Cortex-M內核和GPU的異構混合體) 上部署和設置CNN. Pilot.AI已構建了一個框架, 能夠在各類客戶平台 (從微控制器到GPU) 上實現各種感知任務, 包括檢測, 分類, 跟蹤和識別, 並提供數據收集/分類工具和預先訓練的模型, 以直接實現模型部署.