應(yīng)用處理器的PPA再進(jìn)化 ,輕松實(shí)現(xiàn)邊緣端AI/ML部署
掃描二維碼
隨時(shí)隨地手機(jī)看文章
實(shí)現(xiàn)安全和能效提升:EdgeLock和ENERGY FLEX
在最新的i.MX 8ULP、i.MX 8ULP-CS和i.MX 9系列跨界應(yīng)用處理器中,我們可以看到EdgeLock?安全區(qū)域和ENERGY FLEX架構(gòu)的出現(xiàn)。從名稱上我們就可以看出,EdgeLock?安全區(qū)域主要是確保邊緣設(shè)備的安全性,而Energy Flex架構(gòu)提供了多種不同的功耗管理模式。
針對(duì)異構(gòu)的i.MX應(yīng)用處理器,NXP還提供了全新的Energy Flex技術(shù)。Cortex-A35的核本身就具備高效和節(jié)能的特點(diǎn), Cortex-M33作為實(shí)時(shí)處理的核也具備低功耗的特質(zhì)。再將GPU、DSP加入處理器內(nèi),基于Energy Flex技術(shù)可以將一個(gè)應(yīng)用處理器配置出大約20多種不同的能耗配置,針對(duì)不同的工作負(fù)載提供更為細(xì)致的功耗配置和響應(yīng),從而降低最終應(yīng)用的整體功耗。
在domain間進(jìn)行不同工作負(fù)載的轉(zhuǎn)換時(shí),其實(shí)也會(huì)存在受到旁路攻擊的風(fēng)險(xiǎn),而EdgeLock也具備一個(gè)獨(dú)特的“功率感知”的能力,可以智能地跟蹤功率轉(zhuǎn)換,采取一些干擾措施來增強(qiáng)抵抗和阻止新興的攻擊面。
通過NPU實(shí)現(xiàn)邊緣端本地AI/ML應(yīng)用
對(duì)于做嵌入式開發(fā)、進(jìn)行邊緣端設(shè)計(jì)的工程師而言,學(xué)習(xí)完整的AI和ML的算法和應(yīng)用,然后進(jìn)行實(shí)際的本地應(yīng)用部署,這是一件非常費(fèi)時(shí)費(fèi)力的事情。這也是當(dāng)前嵌入式工程師在進(jìn)行邊緣端的AI/ML應(yīng)用開發(fā)時(shí)面臨的難題。而NXP也積極地通過戰(zhàn)略投資、生態(tài)合作的一系列舉措來推動(dòng)邊緣人工智能的新浪潮,從而在一系列嵌入式設(shè)備中構(gòu)建經(jīng)濟(jì)高效的人工智能解決方案。據(jù)金宇杰先生分享,NXP的應(yīng)用處理器是希望幫助普通的公司和開發(fā)者也可以進(jìn)入到自己所需的細(xì)分AI領(lǐng)域,實(shí)現(xiàn)輕松的邊緣AI構(gòu)建。多個(gè)細(xì)分的模型算法在云端都已經(jīng)慢慢成熟,所以在i.MX平臺(tái)就像一個(gè)轉(zhuǎn)換器一樣方便,直接從邊緣端拿到數(shù)據(jù)進(jìn)行本地的處理就可以,這個(gè)概念叫做BYOD(Bring Your Own Data)。
在硬件層面,NXP通過將Arm Ethos-U65在應(yīng)用處理器中嵌入,積極推進(jìn)microNPU的概念。microNPU可以達(dá)到0.5TOPS的算力,恰好是為了補(bǔ)充i.MX 9的512GOPS和i.MX 8M Plus上2.5 TOPS之間的這個(gè)空白,所以整個(gè)的產(chǎn)品的布局出來之后,不同的AI算力需求的智能邊緣端都可以找到合適的能耗比的硬件平臺(tái)。在軟件層面,NXP 發(fā)布了eIQ機(jī)器學(xué)習(xí)(ML)軟件對(duì)Glow神經(jīng)網(wǎng)絡(luò)(NN)編譯器的支持功能,針對(duì)恩智浦的i.MX RT跨界MCU,帶來業(yè)界首個(gè)實(shí)現(xiàn)以較低存儲(chǔ)器占用提供更高性能的神經(jīng)網(wǎng)絡(luò)編譯器應(yīng)用。
所以i.MX這樣整體的一個(gè)硬件和軟件的平臺(tái)出來后,對(duì)于傳統(tǒng)的嵌入式開發(fā)的設(shè)計(jì)者而言 ,可以快速實(shí)現(xiàn)邊緣端AI/ML的部署,將自己的想法借助AI/ML的力量落地。
以前,嵌入式MCU開發(fā)者的一個(gè)較為集中的痛點(diǎn)是需要應(yīng)用處理器的高性能,但難以適應(yīng)應(yīng)用處理器的架構(gòu)的變化、學(xué)習(xí)成本較高。NXP用i.MX RT系列跨界應(yīng)用處理器很好的解決了這個(gè)痛點(diǎn),市場(chǎng)也通過訂單給予了NXP積極的肯定?,F(xiàn)在,AI/ML的細(xì)分應(yīng)用在邊緣端部署將會(huì)是另一個(gè)集中的痛點(diǎn),能夠幫助設(shè)計(jì)者解決這一痛點(diǎn)的平臺(tái),想必也會(huì)贏得開發(fā)者的青睞,獲得更多市場(chǎng)份額。