知乎上有好人統計了《西游記》的故事情節。從保護唐僧遇到各種困難和障礙到最終獲得真經，神奇的孫悟空一路上遇到了各種危險，并求助了22次。觀音菩薩和天神不斷幫助大圣解決各種危險。每次戰斗不贏，大圣總是想脫離妖魔的圍困，跳進云里，開車跟著斗云尋找各種神仙。經過一番口舌糾纏，雖然總能及時幫忙化險為夷，但唐僧、弟弟八戒、沙僧難免要苦一陣子，或者遭受一些皮肉之苦。
芯片采購網專注于整合國內外授權IC代理商現貨資源，芯片庫存實時查詢，行業價格合理，采購方便IC芯片，國內專業芯片采購平臺。
如今，隨著人工智能的日益普及，越來越多的終端設備依靠云中的大神（中心計算能力）來實現各種智能功能。雖然看起來很方便，但許多場景不可避免地會面臨各種問題和潛在的隱患，甚至各種事故風險。邊緣設備監控的各種數據通過網絡傳輸到云中，不僅可能導致許多應用程序場景中難以忍受的延遲，還可能導致隱私數據泄露造成的嚴重數據安全�！盇DI公司高級業務經理李勇在最近的一次演講中說。根據市場分析數據，2020年中國邊緣計算市場規模為91億元，未來增長空間十分廣闊，預計到2030年中國邊緣計算市場規模將接近2500億元。
計算能力下沉迫切需要邊緣智能賦能多種應用場景
根據Gartner預計2025年將在數據中心和云外產生75%的數據，并在邊緣側處理。邊緣計算在減少延遲、帶寬需求、保護隱私數據等方面的價值得到了廣泛的認可，并在工業數智化中的應用也不斷出現。邊緣計算作為一個集網絡、存儲、計算和應用能力于一體的分布式計算平臺，可以實時分析和處理本地數據。數據不需要實時返回云，縮短延遲，減少網絡帶寬資源的需求，確保應用的安全高效運行。
火在海里取水，海水雖多，火不滅，遠水不滅近火。·說林上這句話，簡單的二十多字，說明了一個簡單而重要的道理，即使在科技飛速發展的今天，依然具有現實意義。在智能應用中，由于時間敏感，邊緣(近)智能的應用場景隨處可見。
例如，森林火災監測、公路、鐵路或大壩坍塌監測一般較偏遠，通常沒有良好的通信網絡，但快速決策和預警非常關鍵，因此必須快速判斷邊緣。這種應用時間非常敏感。傳統的云監控可能需要向云發送一組圖片，這對網絡流量有很高的要求。通過監控端的自主智能識別，可以快速實現安全報警，避免更嚴重的災害損失�！� 李勇指出。
除了邊緣端的快速智能決策外，這些應用程序對功耗的敏感性也決定了邊緣端的獨立決策。任何更換電池的運行和維護成本都可能比設備本身更貴。李勇說出了另一個關鍵點。邊緣智能決策的優點是避免頻繁的數據傳輸和數據采集造成的高功耗，這也使得這些應用場景對邊緣智能方案的低功耗特性提出了更高的要求MCU或FPGA在電池供電的低功耗邊緣智能應用中，智能解決方案仍面臨挑戰，市場需要具有超低功耗特性的新一代解決方案。
今年3·15晚會曝光的行走追蹤器——兒童智能手表被黑客入侵成竊聽器；2021年，某品牌攝像頭事件數萬家庭偷拍視頻傳播銷售；2021年家庭物聯網Pink事件導致國內智能家居設備受控數百萬...近年來，隨著具有音頻監控和視頻監控功能的智能設備的普及，類似的信息安全事故層出不窮。這些智能設備需要將邊緣監控數據傳輸到云進行數據處理。沒有人希望家里有一個設備可以隨時通過圖片或語音監控你的家庭活動。你不確定這些音頻和圖像數據是否會被別有用心的人使用。李勇指出。
四大核心能力使智能從云到邊緣不可或缺
AI技術使機器以前完全不可能的方式觀察、傾聽和感知世界。過去，將AI推理布局到邊緣意味著從傳感器、攝像頭和麥克風中收集數據，然后將數據發送到云中實現推理算法，然后將結果發送回邊緣。由于延遲和能耗大，這種架構對邊緣智能的普及極具挑戰性。低功耗微控制器作為替代方案，可用于實施簡單的神經網絡操作，但延遲會受到影響，只能在邊緣執行簡單的任務。如何實現更復雜的邊緣智能？ADI集成神經網絡加速器MAX78000低功耗微控制器通過獨特的架構設計提供了新的選擇，實現了計算能力、功耗、延遲和集成的平衡，為機器視覺、面部識別、目標檢測和分類、時間數據處理和音頻處理提供了理想的選擇。
邊緣智能的典型應用場景是聲音識別和圖像識別，眾所周知，卷積神經網絡（CNN）是一種高效的識別方法，被廣泛重視。卷積神經網絡以其局部權值共享的特殊結構在模式識別方面具有獨特的優勢，CNN算法廣泛應用于人工智能機器學習、語音識別、文檔分析、語言檢測和圖像識別。MAX78000的核心是神經網絡加速器。它是專門為語音和圖像識別設計的操作加速硬件，可以最大限度地減少卷積神經網絡的功耗和延遲。
我們看到市場上有許多邊緣智能處理器實際上只支持軟件算法，而不是硬件加速。MAX78000采用了64個CNN平行處理器可以支持最多的卷積預算層數和通道數。李勇指出，MAX78000的CNN加速器是完全有，非常新穎。其設計目標是最小化數據移動，這是眾所周知的芯片功耗負擔，特別是在處理中CNN當配置復雜時�！�
此外，MAX78000還集成了兩個MCU核心用于系統控制，即Arm Cortex-M4處理器和32位RISC-V其中處理器Arm Cortex-M4F處理器以100MHz運行時，客戶可以編寫任何系統管理代碼，RISC-V處理器的獨特功能是支持數據快速加載到神經網絡加速器，功耗低，用戶可以使用任何微控制器內核將數據輸入卷積神經網絡的引擎。而MAX78000具有432KB與低功耗微控制器上運行的軟件解決方案相比，權重存儲空間在配置和加載數據后，MAX78000運行AI推理速度快100倍，功耗不到1%。
低功耗是許多邊緣智能應用場景的關鍵要求，MAX78000除了基于CNN加速器和雙核處理器架構還提供高效的片內電源管理，集成單電感多輸出(SIMO) 開關模式電源，最大限度地延長電池供電物聯網設備的電池壽命。基于產品集成度高、體積小，許多應用程序都需要李勇說MCU或GPU或FPGA這些方案通常需要片外存儲器PMIC，該方案在成本、尺寸和功耗方面都具有巨大的挑戰性。”
優化聲音識別和圖像識別應用，聚焦邊緣智能主軌
5G隨著物聯網的發展和各行業的智能轉型升級，大量數據將在邊緣積累，基于邊緣的數據分析和處理將成為智能市場增長的主要力量�；谠朴嬎愕倪吘壷悄芸赡苤贿m用于一些大型企業，如數萬、數十萬客戶支持服務器，可以支持云的成本。許多基本的控制應用，邊緣端的獨立智能更具成本效應，也符合隱私保護的考慮。李勇指出。
隨著數據規模的不斷擴大，云計算在工業制造、自動駕駛、遠程醫療等場景下的及時性、傳輸距離、安全性等方面的不足，邊緣側的重要性日益顯現。接近數據源的邊緣計算不僅可以提供低延遲、高可靠性的服務，還可以確保數據安全和實時處理。IDC預計未來50%以上的數據需要在邊緣側存儲、分析和計算，這對邊緣側的硬件系統提出了更高的要求。
在邊緣智能中，聲音智能識別和圖像智能識別是最重要的應用領域之一。僅2021年，智能揚聲器的市場出貨量就達到了3896萬臺，基于人臉識別的各種智能門禁、考勤機和大門應用層出不窮�；谡Z音和人臉識別的邊緣智能是當前市場的重要領域，ADI的MAX78000為這類應用提供了豐富的支持，從產品方案到工具優化和生態。智能識別數據的收集和數學模型的建立和訓練非常重要，李勇說ADI提供聲音識別和face ID 識別demo客戶下載程序Crystek代理并在此基礎上改和學習。我們還擁有非常有經驗的第三方生態合作伙伴，提供數學模型培訓和數據收集。
據悉，MAX目前，78000已廣泛應用于森林防火監測、地質災害監測和智能家居。許多類似但不涉及公共安全的應用程序也需要實現當地的快速智能決策，如摩托車自行車愛好者希望隨時隨地實現語音控制開發產品，類似于助聽器語音控制、風力發電設備安全監控等預測性維護等。李勇補充說：這種基于超低功耗硬件計算能力、高集成、小尺寸、低成本的邊緣智能解決方案正在為越來越多的應用領域提供真正可行的智能授權解決方案。我們可以看到，類似的創新應用程序正在不斷推出�！�
