在本系列的前兩篇博客中，包括Wi-Fi 網(wǎng)狀網(wǎng)絡(luò)和物聯(lián)網(wǎng)以及RESTful API 和在物聯(lián)網(wǎng)中移動(dòng)數(shù)據(jù)，我們研究了構(gòu)成物聯(lián)網(wǎng)的設(shè)備之間的通信所涉及的挑戰(zhàn)和解決方案。物聯(lián)網(wǎng)（物聯(lián)網(wǎng)）。即使即將推出 5G 網(wǎng)絡(luò)及其提供的功能（包括更快的速度、移動(dòng)性重點(diǎn)、可擴(kuò)展性，以及它是允許增量升級(jí)的軟件定義標(biāo)準(zhǔn)這一事實(shí)），物聯(lián)網(wǎng)仍準(zhǔn)備用前所未有的海量數(shù)據(jù)淹沒這些網(wǎng)絡(luò)。因此，功能性物聯(lián)網(wǎng)的部分解決方案是明智地將哪些數(shù)據(jù)傳輸?shù)骄W(wǎng)絡(luò)。如果設(shè)備可以在端點(diǎn)本地對(duì)原始數(shù)據(jù)執(zhí)行更多處理，那么需要傳輸?shù)脑紨?shù)據(jù)就會(huì)更少。這個(gè)概念被稱為邊緣計(jì)算——或更不常見的霧計(jì)算。

邊緣計(jì)算的核心只是意味著在靠近生成數(shù)據(jù)的端點(diǎn)處處理原始傳感器數(shù)據(jù)，而無需進(jìn)入云端使用高端服務(wù)器的繁重計(jì)算能力。人工智能(AI) 算法包括一組不斷發(fā)展的軟件——機(jī)器學(xué)習(xí)（ML 和神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)的深度學(xué)習(xí) (DL) 是實(shí)現(xiàn) AI 的主要方法）將實(shí)現(xiàn)進(jìn)行這種本地巨大數(shù)據(jù)處理所需的大部分創(chuàng)新。這些算法需要大量計(jì)算。對(duì)于嵌入式系統(tǒng)而言，這是一個(gè)挑戰(zhàn)。嵌入式系統(tǒng)歷來優(yōu)先考慮低成本、低功耗和小占用空間，而不是這些下一代算法必須具備的有效內(nèi)存和處理能力。

輸入不起眼的現(xiàn)場可編程門陣列(FPGA)。FPGA 并不新鮮。事實(shí)上，它們是在 80 年代發(fā)明的。Xilinx 的創(chuàng)始人于 1985 年將第一款商業(yè)上可行的 FPGA XC2064 推向市場。

正在發(fā)生變化的是，價(jià)格和性能正在達(dá)到這樣的水平，即使是為物聯(lián)網(wǎng)端點(diǎn)提供動(dòng)力的低成本設(shè)備，它們也是有吸引力的選擇。較低密度的 FPGA——例如，具有很少可配置邏輯塊的 FPGA——由于多種原因成為物聯(lián)網(wǎng)的一個(gè)有吸引力的選擇：

FPGA 使并行處理成為可能。此功能是實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)高性能的理想選擇。

FPGA 具有可重新配置的靈活性。這一點(diǎn)至關(guān)重要，因?yàn)?AI/DL/ML 算法仍在進(jìn)行中；因此，它們不斷得到改進(jìn)。能夠更新意味著即使是現(xiàn)場硬件也可以利用未來的改進(jìn)。

甚至更低密度的 FPGA 在越來越小的封裝中封裝了越來越多的邏輯和 I/O 塊。這些改進(jìn)也伴隨著相應(yīng)的成本下降。這對(duì)于必須應(yīng)對(duì)微薄利潤率的面向消費(fèi)者的物聯(lián)網(wǎng)設(shè)備至關(guān)重要。

低密度 FPGA 的能效非常適合物聯(lián)網(wǎng)用例。這對(duì)于電池供電和其他低功耗應(yīng)用至關(guān)重要。試想一下，由于這些算法，你后兜里最新的 Android 和 iOS 設(shè)備能夠進(jìn)行面部識(shí)別和增強(qiáng)現(xiàn)實(shí) (AR)。

FPGA 正在獲得更好的設(shè)計(jì)工具，使其更易于在嵌入式系統(tǒng)中使用。授權(quán)工程師改進(jìn)開發(fā)周期意味著更快的上市時(shí)間。即使是面向制造商的 Arduino 平臺(tái)也憑借其最近發(fā)布的 MKR Vidor 4000 和即將發(fā)布的基于云的塊編程接口進(jìn)入了 FPGA 市場。

應(yīng)該注意的是，將數(shù)據(jù)返回到可以積累和處理集體數(shù)據(jù)的云服務(wù)確實(shí)有好處。教授和改進(jìn) ML 和 AL 算法需要訪問大量數(shù)據(jù)。物聯(lián)網(wǎng)非常樂意提供數(shù)據(jù)。教授 AI 算法需要大量的處理能力，而大塊頭仍然可以做得更好。但是，一旦人工智能算法得到改進(jìn)并作為物聯(lián)網(wǎng)端點(diǎn)的升級(jí)實(shí)施，嵌入式設(shè)備就會(huì)變得更加智能。讓他們?cè)诿鎸?duì)現(xiàn)實(shí)世界中的新場景時(shí)做出更好的決策。正如人類不斷學(xué)習(xí)和提高他們的心理技能一樣。

審核編輯：湯梓紅