ปัญญาประดิษฐ์ (AI) การพัฒนามากยิ่งขึ้นอย่างรวดเร็วและเริ่มผลักดันที่สำคัญลงในอุปกรณ์ปลายทางการวิเคราะห์การดำเนินงานได้เริ่มที่จะเปลี่ยนจากขั้วโหนดเมฆขอบพัฒนาคอมพิวเตอร์อาจกล่าวได้ว่าอุตสาหกรรมเซมิคอนดักเตอร์ในปัจจุบันคือหัวข้อที่ร้อนและ 2018 Taipei International แสดงคอมพิวเตอร์ (Computex 2018) ได้กลายเป็น ที่ดีเยี่ยมในทุกพื้นที่ที่อุตสาหกรรม (เช่น IP, ชิป, การเก็บรักษา) การแสดงไฟได้เปิดตัวโซลูชั่นใหม่หรือการวางแผนรูปแบบการตลาดระหว่างการแสดง
คว้าตลาดคอมพิวเตอร์ขอบการกระทำแขนบ่อย
Rene Haas ประธานกลุ่ม Arm IP กล่าวว่าด้วยความเจริญทางอินเทอร์เน็ตของ Things Arm จะทำนายว่าภายในปี 2578 จะมีอุปกรณ์เชื่อมต่อที่ใหญ่กว่า 1 เมกะในโลกสำหรับทางการแพทย์ยานยนต์แสงสว่างและถนน การเติบโตอย่างรวดเร็วของจำนวนอุปกรณ์ที่เชื่อมต่อจะนำไปสู่การพัฒนาอย่างต่อเนื่องของเทอร์มินอลและระบบคลาวด์คอมพิวเตอร์ระบบอัจฉริยะจะยังคงส่งเสริมยุคใหม่ของ Internet of Things ซึ่งนำไปสู่การปฏิวัติด้าน AI และทำให้ Internet of Things ดำเนินไปอย่างแพร่หลาย
รูปที่ 1 Rene Haas ประธานกลุ่มผลิตภัณฑ์ ARM Arm ระบุว่าความสำเร็จทางอินเทอร์เน็ตของสิ่งต่างๆจะช่วยเพิ่มจำนวนอุปกรณ์ที่เชื่อมต่อกันมากขึ้นและอนาคตของการประมวลผลอัจฉริยะจะแพร่หลายมากขึ้น
เพื่อตอบสนองต่อแนวโน้มนี้และเพื่อรวมแอพพลิเคชันการเรียนรู้ AI / Machine Learning (ML) ของระบบนิเวศแคลคูลัสและกรอบงานและรวมการเพิ่มประสิทธิภาพซอฟต์แวร์เข้ากับผลิตภัณฑ์ฮาร์ดแวร์ IP อุปกรณ์และแพลตฟอร์มทั้งหมดจะสนับสนุนกรอบการเรียนรู้เครื่องจักรที่ใช้บ่อยที่สุด Arm ได้ประกาศเปิดตัวผลิตภัณฑ์ IP ใหม่ 3 รุ่นคือ Cortex-A76 CPU, Mali-G76 GPU และมาลี -v76 VPU เพื่อเพิ่มประสิทธิภาพในการเล่นเกมและ AR / VR ความสามารถในการ AI และการเรียนรู้ด้วยเครื่อง Arm จะเสริมสร้างความได้เปรียบด้านการแข่งขันของ บริษัท ในด้านการดำเนินการอย่างต่อเนื่องและเพิ่มประสิทธิภาพคอมพิวเตอร์อีกครั้งในอุปกรณ์ปลายทางแบบเคลื่อนที่เช่นสมาร์ทโฟนแท็บเล็ตพีซี
Arm, รองประธานและผู้จัดการทั่วไปของกรมลูกค้านานดาน Nayampally (รูปที่ 2.) กล่าวว่าในอนาคต 5G จะผลักดันการดำเนินการทั้งหมดของนวัตกรรมอุตสาหกรรมที่จะเกิดขึ้นการใช้งานเครือข่าย 5G รวมทั้ง VR, AI หรือเกมมือถือจะนำมาซึ่งการเจริญเติบโตของการคำนวณมากขึ้น ในอนาคตจะมีข้อกำหนดด้านคอมพิวเตอร์ที่แตกต่างกันมากขึ้น
รูปที่ 2 แขนรองประธานและผู้จัดการทั่วไปของกรมลูกค้านานดาน Nayampally ชี้ 5G บวก AI จะช่วยผลักดันการดำเนินการทั้งหมดของนวัตกรรมอุตสาหกรรมแขนด้วยการเปิดตัวผลิตภัณฑ์ใหม่ IP ในการตอบสนองความต้องการของตลาด
Nayampally เพิ่มเติมชี้ให้เห็นว่าเกมนี้เป็นหนึ่งในปัจจัยสำคัญที่ส่งเสริมการใช้คอมพิวเตอร์มือถือยังคงเพิ่มขึ้น. รายได้จากอุตสาหกรรมเกมได้กลายเป็นหนึ่งในตลาดที่ใหญ่ที่สุดของโลกที่คาดว่าในปี 2018 จะไปถึง 1,379 พันล้าน $ ในมูลค่าการส่งออกที่ไดรฟ์การบริโภค ความจำเป็นในการคำนวณสมรรถนะ
มีรายงานว่า, Cortex-A76 เป็นสร้าง DynamIQ ตามแขนและปีที่ตีพิมพ์เมื่อเทียบ Cortex-A75, การปรับปรุง 35% ของประสิทธิภาพและประสิทธิผลของ 40%; AI อาจจะเป็นอุปกรณ์ปลายทางบน / ML ให้สี่ครั้ง ประสิทธิภาพการทำงานของคอมพิวเตอร์ประสบการณ์ที่รวดเร็วและปลอดภัยบนเครื่องคอมพิวเตอร์และมาร์ทโฟน
มะลิ G76 กว่ารุ่นก่อนหน้าของมะลิ G72 GPU เพื่อเพิ่มประสิทธิภาพของคอมพิวเตอร์โดย 30% และ 30% การเพิ่มขึ้นของความหนาแน่นของประสิทธิภาพการทำงานที่ไม่เพียง แต่สามารถเล่นได้ตลอดเวลาเพื่อตอบสนองความต้องการของผู้บริโภคสำหรับการเล่นเกมระดับ high-end แต่ยังให้พื้นที่ปฏิบัติงานมากขึ้นสำหรับนักพัฒนา เพื่อให้พวกเขาสามารถเขียนโปรแกรมใหม่ ๆ ได้มากขึ้นเพื่อนำมาเพิ่มเติมการเล่นเกมระดับ high-end สำหรับการใช้งานบนมือถือหรือการรวมกลุ่มของ AR / VR ในการดำรงชีวิต
ในที่สุดเมื่อความต้องการ UHD 8K ยังคงปีนขึ้น Arm ได้แนะนำ Mali-V76 เพื่อสนับสนุนการเข้ารหัส IP และมาร์ทโฟนและอุปกรณ์อื่น ๆ คุณสามารถสตรีมภาพยนตร์ความละเอียด 4K 4 ภาพในเวลาเดียวกันบันทึกวิดีโอในการประชุมทางวิดีโอหรือดูสี่เกมในรูปแบบ 4K หรือที่ความละเอียดสูงยังคงแสดงคุณภาพแบบความละเอียดสูง (Full HD) และสามารถรองรับภาพยนตร์สตรีมได้สูงสุด 16 ภาพเพื่อสร้างกำแพงวิดีโอขนาด 4 × 4
โครงการ Trillium ลัทธิเร่งสร้างระบบนิเวศของ ML
ในเวลาเดียวกันเพื่อเพิ่มประสิทธิภาพของการเรียนรู้อุปกรณ์ปลายทางเครื่องที่แขนยังเผยแพร่แพลตฟอร์มโครงการ Trillium ในช่วงต้นปี 2018 รวมถึงเครื่องใหม่ประมวลผลการเรียนรู้ (ML Processor) หน่วยประมวลผลการตรวจสอบวัตถุ (วัตถุ Processor) และเครือข่ายประสาทแขนซอฟแวร์ (แขน NN). เมื่อเทียบกับ CPU อิสระเร่ง GPU ประสิทธิภาพแพลตฟอร์มโครงการ Trillium ไกลเกินตรรกะ DSP โปรแกรมแบบดั้งเดิมมากขึ้น
ผู้จัดการทั่วไป, รองประธานฝ่ายการ Arm, นักวิชาการและเครื่องการเรียนรู้กลุ่มธุรกิจ Jem เดวีส์ (รูปที่ 3) ชี้ให้เห็นศักยภาพในการพัฒนาคอมพิวเตอร์ขอบเป็นอย่างมากในปัจจุบันในตลาดจะมีจำนวนมากของการแก้ปัญหาแบบสแตนด์อะโลนเช่นเร่ง ASIC, CPU / GPU เป็นต้นผู้ประกอบการสถานี แน่นอนคุณสามารถเลือกโปรแกรมที่คุณต้องการ แต่ข้อเสียก็คือว่ามันต้องใช้เวลาที่จะรวมฮาร์ดแวร์และซอฟแวร์ (TensorFlow, Caffe) ของพวกเขาเอง
รูปที่ 3 แขนรองประธานกลุ่มนักวิชาการและกลุ่มการเรียนรู้เครื่องจักร Jem Davies เชื่อว่า Project Trillium คาดว่าจะสร้างระบบนิเวศน์เรียนรู้เกี่ยวกับเครื่องจักรสำหรับอุปกรณ์ปลายทาง
Davies แสดงให้เห็นว่าข้อได้เปรียบของ Project Trillium คือการนำเสนอในสถาปัตยกรรมแพลตฟอร์มฮาร์ดแวร์นี้ไม่สามารถใช้งานได้กับโปรเซสเซอร์ ML Processor และ Objects เท่านั้น แต่ยังช่วยให้ผู้ใช้สามารถลดความซับซ้อนของเครือข่ายประสาทเช่น TensorFlow Caffe และ Android NN ผ่านทางซอฟต์แวร์ Arm NN การเชื่อมโยงระหว่างเฟรมและ Arm Cortex CPU, Arm Mali GPU และตัวประมวลผลการเรียนรู้ด้วยเครื่อง
Davies ชี้ให้เห็นว่าการผนวกรวมซอฟต์แวร์เป็นองค์ประกอบสำคัญในการพัฒนาระบบการเรียนรู้ด้วยเครื่องคอมพิวเตอร์เครื่องเร่งหลาย ๆ เครื่องอาจมีวิธีการในการจัดหาโปรเซสเซอร์ฮาร์ดแวร์ที่เกี่ยวข้อง (CPU, GPU) แต่ทรัพยากรจำนวนน้อยสามารถให้สถาปัตยกรรมแพลตฟอร์มที่สมบูรณ์แบบเพื่อช่วยลูกค้าในด้านฮาร์ดแวร์และซอฟต์แวร์ โครงการ Trillium รวมถึงโปรเซสเซอร์ Arm IP และซอฟต์แวร์ระบบเครือข่ายประสาทซึ่งสอดคล้องกับความต้องการของตลาดปัจจุบันทั้งจากฮาร์ดแวร์และซอฟต์แวร์วิธีนี้ช่วยให้ Arm สร้างระบบนิเวศด้านการคำนวณขอบแบบสมบูรณ์ .
นอกจากนี้เดวี่ส์นอกจากนี้ยังตั้งข้อสังเกตความต้องการ MCU สำหรับการเรียนรู้เครื่องนอกจากนี้ยังมีความแข็งแรงมาก. เขาเปิดเผยว่าโครงการ Trillium บนเส้นแขน NN ซอฟต์แวร์พัฒนา Kit วันแรกของการใช้งานดาวน์โหลดเปิดมีมากกว่า 5,000 ผู้ใช้เริ่มใช้ CMSIS NN, Cortex-M พยายามที่จะดำเนินการขั้นตอนวิธีการเรียนรู้ของเครื่อง
เดวีส์กล่าวว่าผลที่ได้ก็ไม่คาดคิดจริงๆแขน แต่ยังแสดงให้เห็นว่าผู้ใช้ MCU ที่มีความต้องการสำหรับเครื่องการเรียนรู้ที่น่าสนใจที่ไม่สามารถละเลย. นอกจากนี้ยังมีส่วนร่วมในการตัดสินใจในใหม่ ARM Cortex-M หลักของการเปิดตัวในอนาคตของการเสริมสร้างดังกล่าว ประสิทธิภาพการใช้อัลกอริทึมหลัก ML
CMSIS NN เป็นไลบรารีการคำนวณภายใต้ Arm Neural Network Development Kit Arm NN SDK ซึ่งช่วยเพิ่มประสิทธิภาพในการประมวลผลอัลกอริทึมการเรียนรู้ด้วยเครื่องของ Cortex-M แม้กระทั่งแกน Cortex-M ที่มีอยู่ใน CMSIS NN ด้วยความช่วยเหลือของมันคุณยังสามารถดำเนินการบางอย่างง่ายมากการเรียนรู้การอนุมานเช่นการตีความความหมายของข้อมูลเอาท์พุทเซ็นเซอร์แน่นอนเพราะประสิทธิภาพการทำงานของ MCU และพื้นที่หน่วยความจำไม่เพียงพอเป็นไปไม่ได้ที่จะทำการอนุมานเครื่องการเรียนรู้ที่ซับซ้อนมาก อย่างไรก็ตามหากมีการตีความข้อมูลโดยใช้โหนดเซ็นเซอร์เพียงอย่างเดียวก็ยังมีโอกาสที่จะบรรลุได้
เดวีส์ชี้ให้เห็น MCU ถ้าคุณไม่สามารถสนับสนุนอัลกอริทึม ML บางขั้นพื้นฐานการใช้งานเอไอแพร่หลายในอนาคตเป็นเรื่องยากที่จะประสบความสำเร็จในขณะนี้ผ่านการประยุกต์ใช้ปัญญาศูนย์ข้อมูลแบบคลาวด์บริการเทียมในความเป็นจริงมีข้อ จำกัด ที่เห็นได้ชัดจะใช้เฉพาะกับเอไออย่างต่อเนื่อง ขอบข้างหน้าจะทำให้การใช้งานเอไอกลายเป็นที่นิยมมากขึ้น. เพื่อที่จะทำให้ขั้นตอนวิธี MCU ML สามารถดำเนินการได้อย่างมีประสิทธิภาพมากขึ้นในแขนแผนงานผลิตภัณฑ์ในอนาคตซึ่ง Cortex-M ML ประสิทธิภาพการดำเนินการจะเพิ่มอีก
Autopilot ดำเนินการบนขอบเป็นหน่วยประมวลผลที่มีประสิทธิภาพสูงหนึ่ง
บนมืออื่น ๆ, อุตสาหกรรมการผลิตรถยนต์ในอนาคตยังจะเป็นหนึ่งในขอบของด้านการประยุกต์ใช้ในการดำเนินงานมุ่งเน้นที่. แขนตามการคาดการณ์ค่าเฉลี่ยของ 2020 จะได้รับการฝังตัวอยู่ในรถมากที่สุดเท่าที่มากกว่า 200 เซ็นเซอร์และตัวควบคุมเครื่องยนต์ 100 ผ่านทางฝ่ายของ ( ECU) หรือไมโครคอนโทรลเลอร์กระบวนการ (MCU) และวิธีการจัดการดังกล่าวเป็นข้อมูลขนาดใหญ่ได้อย่างรวดเร็วและตอบสนองในเวลาจริงขณะที่การรักษาเสถียรภาพของระบบและการรักษาความปลอดภัยให้สอดคล้องกับความต้องการใช้ในการสร้างยานพาหนะหม้อแปลงไฟฟ้าจะกลายเป็นอนาคตตลาดเครื่องใช้ไฟฟ้ายานยนต์ เป็นความท้าทายที่ยิ่งใหญ่
ในการนี้รองประธานแขน ลบ.ม. ฝังตัวและยานยนต์จอห์น Ronco (4) ส่วนผู้จัดการทั่วไปชี้ให้เห็นว่าการเพิ่มขึ้นของการใช้คอมพิวเตอร์ขอบเพื่อให้อุปกรณ์ปลายทางไม่จำเป็นต้องกลับจำนวนการถ่ายโอนข้อมูลขนาดใหญ่เพื่อการประมวลผลแบบคลาวด์ แต่ก็ยังแสดงให้เห็นถึง CPU ทั่วไปหรือเครื่อง เรียนรู้ชิปต้องใช้พลังการประมวลผลมากขึ้นและนี่คือเหตุผลที่แขนเปิดตัวโครงการ Trillium และ Cortex-A76 และผลิตภัณฑ์เหล่านี้จะยังค่อนข้างพอดีระหว่างส่วนประกอบยานยนต์อิเล็กทรอนิกส์
รูปที่ 4 รองประธานแขนและฝังตัวและยานยนต์ที่แสดงโดยจอห์น Ronco กอง General Manager, CPU, GPU และการประมวลผลอื่น ๆ จะต้องมีประสิทธิภาพการทำงานที่สูงกว่านี้ในการตอบสนองความต้องการของการขับขี่ปลอดภัยอัตโนมัติ
นอกจากนี้เพื่อให้บรรลุอัตโนมัติขับรถนอกเหนือไปจากเรดาร์ LIDAR แต่มักจะติดตั้งยังมีเซ็นเซอร์ภาพและทำให้ต้อง GPU ที่สูงขึ้นในการตอบสนองต่อการประมวลผลภาพขนาดใหญ่
ตาม Ronco ข้อแตกต่างระหว่างข้อกำหนดด้านการประมวลผลภาพสำหรับการขับขี่แบบอิสระและกล้องเครือข่าย IP ทั่วไปคือกล้องเครือข่าย IP ส่วนใหญ่เป็นเลนส์แบบเดี่ยวและไม่เคลื่อนที่บ่อยๆโดยปกติจะอยู่ในมุมของบ้าน / นอกตัวรถ แต่สำหรับรถยนต์ จะใช้เลนส์หลายตัวในการตรวจสอบสภาพถนนและสภาพแวดล้อมข้อมูลภาพที่ได้รับมีขนาดใหญ่มากและเนื่องจากรถเคลื่อนที่อยู่ตลอดเวลาฉากรอบ ๆ จะเปลี่ยนไปซึ่งจะทำให้การดำเนินการซับซ้อนมากขึ้นดังนั้นจึงจำเป็นต้องปรับปรุงให้ดียิ่งขึ้น การแก้ปัญหา
ตาม Ronco ตัวประมวลผลการตรวจจับวัตถุเช่น Project Trillium ส่วนใหญ่จะใช้กับกล้องเครือข่าย IP เพื่อตอบสนองความต้องการของการประมวลผลภาพด้วยยานยนต์จำเป็นต้องพึ่งพา GPU ที่มีประสิทธิภาพเช่น Mali-G76 เพื่อประสิทธิภาพคอมพิวเตอร์ที่สูงขึ้น เพื่อหลีกเลี่ยงอุบัติเหตุอย่างรวดเร็วในการตอบสนองต่อการเปลี่ยนแปลงสภาพแวดล้อมอย่างรวดเร็วในระหว่างการขับขี่
โดยรวมแล้วยุค AI นำโอกาสทางธุรกิจใหม่ ๆ ไปสู่การประยุกต์ใช้งานด้านแอ็พพลิเคชันต่างๆและการประมวลผลแบบขอบจะเข้าสู่วงการอุตสาหกรรมยานยนต์อย่างไรก็ตามหากมีการสร้างขีดความสามารถในการทำงานของรถยนต์เทคโนโลยีที่มีลำดับขั้นสูงต้องถูกฝังเพื่อให้ได้ประสิทธิภาพที่ดีขึ้น ประสิทธิภาพทำให้รถมีความชาญฉลาดปลอดภัยและมีประสิทธิภาพมากขึ้น
WDC มีข้อได้เปรียบด้านการผลิตแบบครบวงจร
ดำเนินการที่เพิ่มขึ้นขอบที่ไม่เพียง แต่ทำให้เกิดการประมวลผลในการเพิ่มประสิทธิภาพการทำงานจะต้องปฏิบัติตามแม้การจัดเก็บยังตามความต้องการที่เพิ่มขึ้นของอุตสาหกรรมการจัดเก็บและจึงช่วยเร่งการจัดวางสินค้า. คริสโต Bergey (รูปที่ 5) รองประธานฝ่ายโปรแกรมฝังตะวันตกแผนกโซลูชั่นดิจิตอลชี้ให้เห็นว่าการดำเนินงานขอบ และเครื่องเทคโนโลยีการเรียนรู้เพื่อให้ทุกคนดำเนินการจัดเก็บและกลายเป็นความซับซ้อนมาก
รูปที่ 5 Western Digital สำหรับการใช้งานที่ฝังตัวแก้ริสโตเฟอร์ Bergey รองประธานของธุรกิจกล่าวว่าในการตอบสนองต่อตลาดคอมพิวเตอร์ขอบโหมด บริษัท รถไฟของการผลิตสำหรับตลาดเปรียบในการแข่งขัน
Bergey คำอธิบายเพิ่มเติมการดำเนินงานขอบจะแตกต่างจากสถานการณ์ใช้สำหรับผลิตภัณฑ์จัดเก็บข้อมูลที่มีความต้องการที่แตกต่างกันเช่นความน่าเชื่อถืออุณหภูมิความสนใจเป็นพิเศษในรถในปีที่ผ่านมาได้มีการเพิ่มค่าใช้จ่ายและอุปทานคงการพิจารณา 5 ปี; ยังอยู่ในโปรแกรมมือถือ, มาร์ทโฟนเช่นเช่นในขณะนี้ผู้บริโภคมีความต้องการเพิ่มมากขึ้นกล้องเพิ่มพิกเซลภาพก็มีส่วนที่จะทำให้ความจุโทรศัพท์จะต้องตามด้วยขนาดใหญ่ความต้องการจัดเก็บขอบจะเปลี่ยนพร้อมกับขนาดใหญ่ ดังนั้นการฝังตัวแฟลชที่เกี่ยวข้อง (อีเอฟดี) ประสิทธิภาพของผลิตภัณฑ์ที่เพิ่มขึ้น
ในการตอบสนองต่อแนวโน้มนี้เช่น Western Digital จะเปิดตัวใหม่ inand ครอบครัวผลิตภัณฑ์ --iNAND8521 / iNAND7550 โดยใช้เทคโนโลยีชั้น 64 3D NAND ของ บริษัท และขั้นสูง UFS และ e.MMC อินเตอร์เฟซที่ให้ประสิทธิภาพที่ดีขึ้นและความสามารถในการจัดเก็บข้อมูลที่มีขนาดใหญ่ เมื่อใช้ในโทรศัพท์สมาร์ทและอุปกรณ์คอมพิวเตอร์บางทั้งสองผลิตภัณฑ์สามารถเร่งการสำนึกของทุกชนิดของการใช้งานเป็นศูนย์กลางข้อมูลรวมทั้งเติมความเป็นจริง (AR), ความละเอียดสูงวิดีโอจับภาพประสบการณ์สื่อสังคมและ การเพิ่มขึ้นล่าสุดของ AI และขอบของสิ่งที่จะได้สัมผัสกับ
Bergey เปิดเผยว่าแนวโน้มการพัฒนาในอนาคตของโทรศัพท์มือถือจะไม่ต้องสงสัยไปสู่ประสิทธิภาพที่สูงขึ้นหลังจากการมาถึงของยุค 5G ข้อมูลจะถูกส่งเร็วขึ้นและเร็วขึ้นและมีการประยุกต์ใช้นวัตกรรมมากขึ้นจะเพิ่มขึ้นด้วยการเพิ่มขึ้นของ AI ถ้าทั้งสองจะรวมกัน, ความต้องการปริมาณงานจะเพิ่มขึ้นและความจุจะเพิ่มขึ้น บริษัท ยังจะยังคงทำงานอย่างใกล้ชิดกับผู้ประกอบการโทรศัพท์เคลื่อนที่เพื่อจัดหาผลิตภัณฑ์ที่เหมาะสมสำหรับความต้องการของลูกค้า
Bergey ยังชี้ให้เห็นว่าในการตอบสนองต่อการพัฒนาด้านการประมวลผลแบบขอบ บริษัท มีความได้เปรียบด้านกลยุทธ์ที่ดีมากนั่นคือ WDC มีสายผลิตภัณฑ์ที่สมบูรณ์แบบ (จากผลิตภัณฑ์ระดับล่างจนถึงผลิตภัณฑ์ที่มีประสิทธิภาพสูง) นอกจากนี้ WDC เป็นกลยุทธ์การผลิตแบบครบวงจร จากเวเฟอร์คอนโทรลเลอร์เฟิร์มแวร์และซอฟต์แวร์พวกเขามีความรับผิดชอบทั้งหมดจึงสามารถเปิดตัวผลิตภัณฑ์เพื่อการเปลี่ยนแปลงของตลาดได้อย่างรวดเร็วหรือตอบสนองความต้องการของการใช้อุปกรณ์เชิงพาณิชย์ซึ่งเป็นตลาดการแข่งขันด้านคอมพิวเตอร์ของ WDC มีความได้เปรียบ
NXP ร่วมมือกับคู่ค้าเพื่อเร่งพัฒนาโซลูชันด้านความปลอดภัย
สำหรับ NXP จะสามารถเริ่มต้นกับพันธมิตรด้านสิ่งแวดล้อมเช่น NEXCOM, IMAGO, Accton Technology, Shenzhun Technology ฯลฯ เพื่อร่วมกันใช้โครงสร้างพื้นฐานด้านความปลอดภัยของ Edge computing สนับสนุน AI และเครื่องใหม่ที่เชื่อมต่ออยู่ที่ขอบ Learning และการประมวลผลขอบความปลอดภัยที่ใช้งานในระบบคลาวด์
ผู้ขายระบบร่วมมือกันจะพัฒนาผลิตภัณฑ์จากตระกูลโปรเซสเซอร์ Layerscape และ i.MX ของ NXP เพื่อตอบสนองความต้องการของแอพพลิเคชันต่างๆที่ต้องใช้พลังงานในการประมวลผลดั้งเดิมและการเชื่อมต่อระบบคลาวด์ ความสมดุลที่สมบูรณ์แบบระหว่างความสามารถความสามารถแบบออนไลน์และความสามารถในการจัดเก็บข้อมูลเหมาะสำหรับทั้งสภาพแวดล้อมขององค์กรและโรงงานอุตสาหกรรม
คุณสามารถดำเนินการความหลากหลายของการใช้งานบนขอบของโครงสร้างพื้นฐานคลาวด์ร่วมกันผ่านเทคโนโลยีและ NXP ของ EdgeScale Kubernetes หางและซอฟต์แวร์โอเพนซอร์สรวมทั้ง Amazon Web Services (AWS) กรีนกราส, Google Cloud IOT, Microsoft Azure IOT อาลีบาบาและเอกชน สถาปัตยกรรมแบบคลาวด์
NXP สังเกต EdgeScale เป็นชุดของบริการคลาวด์และอุปกรณ์รวมถึงทรัพยากรคอมพิวเตอร์ที่มีความปลอดภัยได้ง่ายการใช้งานที่ขอบเครือข่ายผ่านสินค้าในขณะที่ NXP จะทำงานร่วมกันกับคู่ค้าเหล่านี้สำหรับระบบเครือข่ายและการใช้งานภายในองค์กร (ในสถานที่ แพลตฟอร์มคอมพิวเตอร์มีความสามารถในการปรับขยายความปลอดภัยและความง่ายในการปรับใช้เพื่อการใช้งานและการจัดการที่ปลอดภัย
Tareq Bustami รองประธานอาวุโสและผู้จัดการทั่วไปของ NXP เครือข่ายกองดิจิตอลกล่าวว่าสถานประกอบการของโซลูชั่นรักษาความปลอดภัยเป็นสิ่งสำคัญมากที่ขอบของสิ่งต่าง ๆ และการพัฒนาความสำเร็จของอุตสาหกรรม 4.0 และดังนั้น บริษัท ฯ มีความมุ่งมั่นที่จะร่วมมือกับผู้ผลิตอุปกรณ์ต่าง ๆ นานาให้ใช้งานง่าย และการเชื่อมโยงในการสนับสนุนการรักษาความปลอดภัยขอบเมฆโซลูชั่นคอมพิวเตอร์. ผ่านความร่วมมือ บริษัท จะให้ความช่วยเหลือในเบื้องต้นของการแก้ปัญหาขอบอย่างชาญฉลาดทำงานได้มากขึ้นเพิ่มความสามารถในการรักษาความปลอดภัยที่มีประสิทธิภาพสำหรับการใช้งานขนาดใหญ่และการจัดการ
โดยสรุปจะเห็นได้ว่าธุรกิจ IP อุตสาหกรรมหรือผู้จัดจำหน่ายชิปจัดเก็บข้อมูลที่มีตลาดคอมพิวเตอร์ขอบรูปแบบแข็งขันได้มีการพัฒนาแพลตฟอร์มแบบเปิดและสถาปัตยกรรมฮาร์ดแวร์ของตัวเองทำให้ AI เป็นความหลากหลายของอุปกรณ์ปลายทางและ การก่อสร้างของระบบนิเวศเสียง