首頁 » 市場脈動 » 邊緣智慧需求猛增　AI MCU飛入尋常百姓家

邊緣智慧需求猛增　AI MCU飛入尋常百姓家

作者 : 邵樂峰

傳統上，實現AI的方法主要依靠軟體，但大量例外情況的出現給傳統軟體技術帶來了巨大的困難...

人工智慧(AI)是一種強大的模式辨識技術，旨在瞭解智慧的本質，並設計具備類似人類智慧的智慧型機器。通俗地來講，AI裝置可以「看到」、「聽到」或「感知」某個物體、聲音或事件，並且像人類一樣做出相應的行動。此前，實現AI的方法主要依靠軟體，例如當我們需要辨識一隻貓時，往往需要程式人員編寫一組規則來描述貓的特徵，從而約束程式的運行，如貓必須有尖尖的耳朵、三角形的鼻子和長長的鬍鬚等。

但大量例外情況的出現對於傳統軟體技術帶來了巨大的困難，如「在鬍鬚和鼻子都看不見的情況下，怎樣從後面或者側面辨識一隻貓？」、「如何在黑暗中辨識一隻純黑的貓？」或是「貓被遮擋、有折耳或沒有腿的情況下如何辨識？」等等。然而AI技術能夠透過大量的、不同的貓照片進行訓練，進而提取出貓的深層次抽象特徵。這些用於訓練的照片既包括貓的普遍特徵，又包含大量例外，從而有助於AI技術準確地辨識出一張新圖片中的貓。

【Watch Now👀】從連接、互操作性到安全性，Silicon Labs多協議平台加速Matter設備開發

ADI中國技術支援中心資深工程師辛毅說：「傳統的軟體方式是閉著眼睛，相當於『盲人摸象』，需要告訴軟體技術所有貓的特徵，費時費力也不準確；而AI技術相當於大量的學習過程，可以睜開眼睛看各種各樣的貓，從而進行學習，訓練好之後，看到新的貓圖片就能馬上判斷，可以說是洞若觀火。」

除此之外，得益於強大的運算能力，AI技術在工業、醫療、消費類等諸多領域得到了廣泛應用。比如，採用AI技術的工業攝影機可以辨識和分類不同等級的產品；將AI技術用於時間序列分析，可以對多人體生命徵象訊號(心電、PPG、生物電阻抗)等進行分析監測，提出初步診療指導意見，減輕醫生的工作量；具備AI功能的消費類產品可以根據使用者的指示或機器視覺開展工作，如語音操控掃地機器人，而掃地機器人則可以借助AI來規劃自身的行進路線。

目前，由於物與物之間的互連會產生大量的資料處理需求，只有AI強大的運算能力才能夠勝任，這也使得物聯網(IoT)技術正與AI技術發生深度融合，AIoT概念應運而生。如果將IoT比喻成「遍佈全身的神經網路」，那麼AI就相當於人類的「大腦」，要達到類似於人類的智慧，裝置必然需要進行大量的矩陣運算。這意味著大量的儲存空間、強大的運算能力、高速的資料互動，成本很高，往往只有部署在雲端的大型伺服器才能夠勝任這一工作。

然而，IoT技術更強調「物與物互連」，且多數裝置需要電池供電，資料在物與物之間的流通並不能完全依賴於雲端，因此IoT通常意味著低成本和低功耗，這就使得AI與IoT的融合產生了一定的矛盾與困難，但也促成了「邊緣AI」(Edge AI)技術的誕生。

邊緣AI也可理解為終端AI技術，最早起源於1990年代的邊緣運算。簡單而言，邊緣AI技術在靠近使用者本地的終端網路邊緣執行AI運算，而不是將資料集中在雲端或資料中心進行處理，裝置可以在本地自行進行運算並做出決策，不一定要連接網際網路，非常適合通訊網路不好、交通不便，又需要快速決策和及時預警的場景，如森林火災、公路、鐵路或大壩塌方監測等。

根據IDC預測，2025年全球IoT連接數將成長至270億個，未來超過75%的資料和應用將在邊緣產生和處理。

辛毅援引《韓非子·說林上》中的一句話，「失火而取水於海，海水雖多，火必不滅矣，遠水不救近火也」，來闡釋邊緣AI的優點。他將雲端AI類比為大海，大海雖然水多、能力強，但對於特殊場景終究遠水解不了近渴；而邊緣AI則可以在語音辨識、人體資料分析等對即時性要求高的領域發揮重要作用。

邊緣AI微控制器支援物聯實踐

作為ADI在邊緣AI領域最具代表性的解決方案之一，MAX78000系列由兩個微控制器(MCU)核心(ARM Cortex-M4F和RISC-V)加上一個卷積神經網路(CNN)加速器構成。其中，資料的載入和啟動由MCU核心負責，AI推論由卷積神經網路加速器專門負責。

根據ADI MCU產品線資深業務經理李勇的介紹，Cortex-M4F內部配有Flash和SRAM，主要處理應用和通訊，而RISC-V是一顆採用32位元精簡指令集的小核心，主要配合CNN工作。由於CNN工作時需要輸入圖片、聲音、波形等原始資料，RISC-V核心會將資料搬運至儲存空間，再用於CNN。經過硬體運算，CNN將原始資料通過矩陣乘法和加法得到特徵值，再放入記憶體進行比對。

與傳統的軟體AI方案相比，這種快速、低功耗的決策實施使得複雜的AI推論能耗降低到前期方案的百分之一以內，採用AI技術的電池供電系統可大幅延長其執行時間，有助於實現之前無法逾越的新一代電池供電AI應用。

資料顯示，MAX7800X具備更高的資料輸送量，可將速度提高100倍以上，成本遠低於FPGA等方案，略高於MCU，但可以處理更複雜的細節。功耗方面，相較於MCU+DSP解決方案，邊緣AI客製的硬體加速器可以將功耗降低99%以上，實現功耗、速度、成本的最佳化平衡。

應用方面，以視覺辨識為例，經過訓練，MAX7800X可以用在考勤打卡、智慧門鎖等電池供電的IoT裝置上的人臉辨識；攝影機上整合MAX78002後可以實現垃圾分類、產品分裝、快遞分揀等功能，相關案例包括雞蛋計數相機、可辨識冰箱內飲料數量的車載冰箱以及用於山火監測等。

MAX7800X系列的關鍵字辨識功能，則可以辨識出使用者的語音指示來進行操作，廣泛應用於智慧音箱、電動窗簾、智慧照明等語音控制的IoT裝置上。考慮到聲音也是一種振動，MAX7800X因此還被用於振動辨識，例如可提取使用者語音指令關鍵字的智慧頭盔、工業中的管道震動分析是否發生洩漏等。

根據功能，ADI將MCU產品分為三類：第一類是低功耗通用MCU，具備小體積、低功耗、大儲存的特點，適用於工業、IoT、醫療、消費類等應用；第二類是安全MCU，採用安全系統架構，具有很強的抗攻擊加密能力，可以用在對安全性能要求較高的智慧型機器或終端，如POS機、讀卡器等；第三類就是前文提及的AI MCU，其特色是可以將AI推論從雲端推向邊緣端，助力電池供電的人工智慧和IoT裝置，如智慧家居、人臉打卡、語音控制等。