數(shù)據(jù)處理的歷史始于 20 世紀(jì) 60 年代，當(dāng)時(shí)的集中式現(xiàn)場大型機(jī)后來演變?yōu)榉植际娇蛻舳朔?wù)器。在本世紀(jì)初，集中式云計(jì)算變得有吸引力，并開始獲得發(fā)展勢頭，成為當(dāng)今最流行的計(jì)算工具之一。

然而，近年來，我們看到對(duì)邊緣或更接近數(shù)據(jù)源的處理的需求再次增加。讓我們開始 ，“走向未來 ！”

云處理的最初好處之一就是能夠超越現(xiàn)場處理的有限能力。隨著人工智能的進(jìn)步，越來越多的決策可以在邊緣做出?，F(xiàn)在很明顯，邊緣和云處理是互補(bǔ)的技術(shù)；它們對(duì)于實(shí)現(xiàn)最佳系統(tǒng)性能都是必不可少的。

互聯(lián)系統(tǒng)的設(shè)計(jì)者必須問，云和邊緣之間最有效的系統(tǒng)劃分是什么？

云計(jì)算與邊緣計(jì)算的優(yōu)勢

要了解對(duì)系統(tǒng)進(jìn)行分區(qū)的最佳方法，我們必須首先了解每種方法的優(yōu)點(diǎn)。對(duì)于邊緣計(jì)算來說，最大的好處就是低延遲。當(dāng)必須實(shí)時(shí)或近實(shí)時(shí)做出決策時(shí)，Edge 確實(shí)大放異彩。這種實(shí)時(shí)決策的能力還提供了其他附帶好處。借助人工智能，設(shè)備可以通過減少錯(cuò)誤通知來提高能效。

在邊緣進(jìn)行處理還可以減少由于傳輸原始數(shù)據(jù)到其他地方進(jìn)行處理而導(dǎo)致安全漏洞的可能性。在連接成本較高或連接有限的情況下，邊緣處理可能是唯一可行或?qū)嵱玫倪x擇。

當(dāng)談到云計(jì)算的好處時(shí)，實(shí)際上取決于性能。云處理提供了無法在邊緣復(fù)制的海量計(jì)算能力。這對(duì)于復(fù)雜的機(jī)器學(xué)習(xí)和建模至關(guān)重要。云還提供大存儲(chǔ)容量，并提供以增量成本擴(kuò)展存儲(chǔ)和計(jì)算資源的能力。一旦數(shù)據(jù)進(jìn)入數(shù)據(jù)中心，云就可以提供高安全性。

此外，由于云服務(wù)器的集中化，維護(hù)通常更容易。

Table 1: Edge vs. Cloud Computing

系統(tǒng)設(shè)計(jì)示例

現(xiàn)在我們已經(jīng)檢查了權(quán)衡，我們可以看一些可以同時(shí)使用云和邊緣處理的系統(tǒng)設(shè)計(jì)示例。

智能家居安全系統(tǒng)是一個(gè)著名的例子，因?yàn)閿?shù)據(jù)處理存在自然的分段。一些任務(wù)，例如面部識(shí)別、語音識(shí)別、忽略錯(cuò)誤警報(bào)的運(yùn)動(dòng)檢測、檢測相關(guān)音頻輸入（例如用戶命令、玻璃破碎或警報(bào)）的能力，最好在邊緣完成。云仍然可以用于長期保留和機(jī)器學(xué)習(xí)。

Figure 2: Smart home system

另一個(gè)例子是可穿戴智能設(shè)備。可穿戴設(shè)備將利用邊緣處理來監(jiān)控環(huán)境并通過小型內(nèi)置傳感器識(shí)別相關(guān)物體、人和聲音?？纱┐髟O(shè)備還將通過移動(dòng)設(shè)備連接到云和互聯(lián)網(wǎng)，使其能夠訪問龐大的數(shù)據(jù)庫，其中包括聯(lián)系人、圖像、全球地圖和百科全書。

Figure 3: Wearables system

上述兩個(gè)例子同樣受益于云計(jì)算和邊緣計(jì)算。云用于匿名數(shù)據(jù)聚合和優(yōu)化以及長期存儲(chǔ)。通過設(shè)備作出更好 的本地決策，您可以延長電池壽命、降低帶寬要求并提高安全性。與許多物聯(lián)網(wǎng)設(shè)備一樣，這兩個(gè)系統(tǒng)示例都需要跨多個(gè)設(shè)備（例如傳感器、攝像頭、顯示器和麥克風(fēng)）收集和集成數(shù)據(jù)。要在邊緣實(shí)時(shí)處理所有這些數(shù)據(jù)，您需要一個(gè)能夠以極低功耗處理支持人工智能和機(jī)器學(xué)習(xí)的多個(gè)感官輸入的處理器。Perceive 通過其 Ergo AI 處理器做到了這一點(diǎn)，該處理器專為物聯(lián)網(wǎng)和邊緣設(shè)備而設(shè)計(jì)。

Perceive Ergo 人工智能處理器

Perceive Ergo 芯片是一款推理處理器，專為滿足功耗受限的物聯(lián)網(wǎng)和邊緣設(shè)備的需求而設(shè)計(jì)。它可以以 55 TOPS/W 的速度提供 4 個(gè)持續(xù)的 GPU 等效浮點(diǎn) TOPS。憑借這種功率，Ergo 處理器可以使用低至 20 mW 的功耗處理大型神經(jīng)網(wǎng)絡(luò)，并支持各種高級(jí)神經(jīng)網(wǎng)絡(luò)，所有這些都具有本地處理功能。Perceive Ergo 芯片支持機(jī)器學(xué)習(xí)應(yīng)用，例如視頻對(duì)象檢測、音頻事件檢測、語音識(shí)別、視頻分割、姿勢分析以及其他可創(chuàng)造更好用戶體驗(yàn)的功能。Perceive 客戶使用 Ergo 處理器的一些目標(biāo)應(yīng)用包括前面提到的智能家居安全系統(tǒng)和可穿戴設(shè)備示例，以及視頻會(huì)議和便攜式計(jì)算。

當(dāng)系統(tǒng)設(shè)計(jì)人員尋找邊緣處理器時(shí)，處理器與系統(tǒng)其他組件兼容非常重要。邊緣處理需要系統(tǒng)中的攝像頭、揚(yáng)聲器、麥克風(fēng)和其他傳感器陣列與邊緣處理器之間有一個(gè)接口。這意味著 Perceive 需要一套與系統(tǒng)其他組件兼容并無縫融入客戶設(shè)計(jì)的接口規(guī)范。

Figure 4: Ergo within a system. Image Perceive. Used with permission. All rights reserved.

要了解如何將 Ergo 集成到邊緣設(shè)備中，讓我們看一下框圖。

Figure 5: Ergo processor blockdiagram. Image Perceive. Used with permission. All rights reserved.

內(nèi)置成像接口部分包括 2 個(gè) MIPI CSI-2 和 2 個(gè) CPI 輸入以及 1 個(gè) MIPI CSI-2 輸出。這支持兩個(gè)同步圖像處理管道：一個(gè)使用兩個(gè) MIPI D-PHYSM CSI-2 RX 實(shí)例的高性能 4K，另一個(gè)使用一個(gè)實(shí)例的標(biāo)準(zhǔn) HD。還包括通過 MIPI D-PHY CSI-2 TX 將視頻傳輸出去的功能，這在許多應(yīng)用中都很有用，例如安全性，其中警報(bào)可以伴隨相應(yīng)的音頻和視頻。該子塊下方是音頻接口，支持麥克風(fēng)輸入和揚(yáng)聲器輸出。

右邊是CPU系統(tǒng)，主要功能是芯片管理、數(shù)據(jù)流轉(zhuǎn)以及與主處理器的通信。一些音頻預(yù)處理由 CPU 子系統(tǒng)處理，例如時(shí)間到頻譜的轉(zhuǎn)換。DSP 引擎進(jìn)行音頻預(yù)處理或后處理，例如 FFT。

在頂部中心，圖像處理單元處理來自相機(jī)的原始圖像，使用縮放、裁剪和色彩空間轉(zhuǎn)換等功能，使神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)更容易使用它們。

Ergo 處理器的大腦是右上角的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。這是分割、識(shí)別、推理和其他功能發(fā)生的地方。Ergo 芯片支持多個(gè)神經(jīng)網(wǎng)絡(luò)集群，使其能夠同時(shí)運(yùn)行多個(gè)神經(jīng)網(wǎng)絡(luò)并支持多種輸入數(shù)據(jù)類型（例如同時(shí)視頻和音頻），從而能夠產(chǎn)生更高質(zhì)量的推理。例如，與單獨(dú)的任何一個(gè)輸入相比，伴隨著玻璃破碎聲音的運(yùn)動(dòng)檢測可能會(huì)在安全應(yīng)用中觸發(fā)更值得信賴的響應(yīng)。神經(jīng)網(wǎng)絡(luò)集群及其 SRAM 占據(jù)了芯片面積的三分之二以上。

MIPI 支持邊緣設(shè)備

就 Ergo 芯片而言，我們看到了幾個(gè)用于接收和傳輸視頻的 MIPI D-PHY 和 MIPI CSI-2 實(shí)例。雖然 MIPI 規(guī)范最初是為移動(dòng)應(yīng)用程序設(shè)計(jì)的，但后來已在物聯(lián)網(wǎng)邊緣設(shè)備等移動(dòng)鄰近應(yīng)用程序中廣泛實(shí)施。由于大多數(shù)邊緣應(yīng)用都是電池供電，因此電源效率是重中之重。就像家庭安全和可穿戴系統(tǒng)一樣，許多物聯(lián)網(wǎng)設(shè)備需要使用具有高帶寬、突發(fā)和不對(duì)稱通信要求的攝像頭、顯示器和傳感器。

因此，MIPI 規(guī)范非常適合物聯(lián)網(wǎng)應(yīng)用。這些規(guī)范旨在與從調(diào)制解調(diào)器、天線和系統(tǒng)處理器到相機(jī)、顯示器、傳感器和其他外圍設(shè)備的各種組件連接。MIPI 規(guī)范從頭開始設(shè)計(jì)，旨在最大限度地降低功耗，同時(shí)支持高帶寬和嚴(yán)格的 EMI 要求。簡而言之，如果系統(tǒng)需要使用傳感器、執(zhí)行器、顯示器、攝像頭、高級(jí)音頻或無線通信接口，那么它很可能受益于 MIPI 規(guī)范的使用。

Perceive Ergo 處理器是一個(gè)很好的例子，展示了如何利用 MIPI 規(guī)范的優(yōu)勢進(jìn)行邊緣處理器設(shè)計(jì)。Perceive 選擇使用 MIPI D-PHY 和 MIPI CSI-2 規(guī)范，不僅是因?yàn)樗鼈兲峁┑碾娫葱屎偷?EMI，還因?yàn)樗菢I(yè)界此類應(yīng)用最廣泛采用的規(guī)范， 支持它的廣泛的生態(tài)系統(tǒng)。

Mixel MIPI D-PHY

Mixel 提供了 Perceive MIPI D-PHY CSI-2 TX 和 Mixel MIPI D-PHY CSI-2 RX IP。這兩個(gè) IP 在移植到 22FDX 之前都經(jīng)過了 FDSOI 工藝的硅驗(yàn)證。Perceive 選擇采用 FDSOI 工藝，因?yàn)榕c成本更高的 FinFET 工藝相比，它提供了低功耗和低成本的正確組合，以實(shí)現(xiàn)高性能。此外，由于襯底偏執(zhí)電壓的可編程性，F(xiàn)DSOI 還提供了更大的靈活性，從而實(shí)現(xiàn)更高的性能并可能減少功耗和面積。

這些優(yōu)點(diǎn)使 FDSOI 成為最廣泛采用的物聯(lián)網(wǎng)設(shè)備之一。在接收器方面，Mixel 提供了 CSI-2 D-PHY 的 2 種不同區(qū)域優(yōu)化的 RX 配置：2 通道和 4 通道版本。它們都支持 MIPI D-PHY v2.1，向后兼容 v1.2 和 v1.1。兩種配置均以高達(dá) 2.5Gbps/通道的速度運(yùn)行，并支持以高達(dá) 80Mbps/通道的速度運(yùn)行的低功耗模式。

對(duì)于發(fā)射器端，Mixel 為 Perceive 提供了面積優(yōu)化的 4 通道 CSI-2 TX D-PHY。該IP還支持MIPI D-PHY v2.1，并具有以2.5Gbps/通道運(yùn)行的高速傳輸模式。該發(fā)射機(jī)用于支持隧道功能。在下圖中，您可以看到以 1.5Gbps/通道和 2.5Gbps/通道運(yùn)行的 TX IP 的眼圖。Perceive 憑借 Mixel IP 首次取得成功，現(xiàn)已投入生產(chǎn)。

Figure 6: Mixel D-PHY TX eye diagram at 1.5Gbps/lane

Figure 7: Mixel D-PHY TX eye diagram at 2.5Gbps/lane

結(jié)論

如今的物聯(lián)網(wǎng)連接系統(tǒng)需要在云和邊緣處理之間取得平衡，以優(yōu)化系統(tǒng)性能。您根本無法擊敗云數(shù)據(jù)中心的處理能力，但對(duì)于需要實(shí)時(shí)決策的應(yīng)用程序，邊緣可提供最低的延遲。為了支持邊緣設(shè)備，您需要一個(gè)能夠進(jìn)行機(jī)器學(xué)習(xí)的處理器。Perceive Ergo AI 處理器支持邊緣推理處理，使物聯(lián)網(wǎng)設(shè)備更加智能、降低延遲并提高電池壽命和安全性。邊緣處理器設(shè)計(jì)還需要一個(gè)與各種物聯(lián)網(wǎng)外圍設(shè)備兼容的接口。

MIPI CSI-2 是低功耗傳感器和攝像頭的事實(shí)上的標(biāo)準(zhǔn)，鑒于 MIPI 規(guī)范是為低功耗、高帶寬應(yīng)用而設(shè)計(jì)的，它們非常適合物聯(lián)網(wǎng) AI 設(shè)備的邊緣處理。通過利用 Mixel 的經(jīng)過硅驗(yàn)證的差異化 MIPI CSI-2 支持的 MIPI D-PHY，Perceive 能夠降低風(fēng)險(xiǎn)、縮短上市時(shí)間，并為客戶提供高能效、極具競爭力的解決方案，以應(yīng)對(duì)不斷擴(kuò)展的市場需求。競爭激烈的人工智能邊緣處理市場。

審核編輯：劉清