隨著人工智能（ AI ）技術(shù)廣泛應(yīng)用于各行各業(yè)，從云到邊緣的解決方案逐漸成為信息技術(shù)領(lǐng)域新的熱點。嵌入式邊緣 AI 在當(dāng)今的各種邊緣應(yīng)用中能夠大幅提升作業(yè)人員的生產(chǎn)力，帶動整個 AI 技術(shù)在各個領(lǐng)域的全面落地。邊緣 AI 的價值在于將計算和存儲資源移動到網(wǎng)絡(luò)邊緣，縮短傳輸距離降低傳輸要求，大幅提升數(shù)據(jù)反饋的速度，降低了對系統(tǒng)云端計算能力的需求。邊緣處理數(shù)據(jù)無需傳輸?shù)竭h(yuǎn)程服務(wù)器，從而大大減少了傳輸延遲，對于需要實時響應(yīng)的應(yīng)用場景至關(guān)重要。此外，嵌入式邊緣 AI 結(jié)構(gòu)相對處理效率更高，通過優(yōu)化算法和硬件設(shè)計，可以大幅降低系統(tǒng)處理所需的功耗。

目前的 AI 驅(qū)動型嵌入式系統(tǒng)實現(xiàn)端到端加速需要采用多芯片方法，為用戶增加了很大的開銷和設(shè)計復(fù)雜性。針對這一現(xiàn)狀，AMD 工業(yè)、視覺、醫(yī)療與科學(xué)市場視覺業(yè)務(wù)主管 Yingyu Xia認(rèn)為，全面采用嵌入式邊緣 AI 技術(shù)仍然存在障礙，包括技能人才短缺、AI 系統(tǒng)的復(fù)雜性以及對失業(yè)的擔(dān)憂。為了更廣泛地推廣此類應(yīng)用，不僅需要展示 AI 在各個應(yīng)用任務(wù)中的價值，而且還需要確保其便于部署，作為擁有多種嵌入式處理器產(chǎn)品的廠商，這恰是 AMD 最突出的競爭優(yōu)勢所在。

Yingyu Xia

AMD 工業(yè)、視覺、醫(yī)療與科學(xué)

市場視覺業(yè)務(wù)主管

在邊緣智能的應(yīng)用中，需要重點關(guān)注的就是不同處理器發(fā)揮各自的處理優(yōu)勢從而更好地提升邊緣智能系統(tǒng)的運行效率。為了支持嵌入式設(shè)備上的生成式 AI 模型，Yingyu Xia 表示計算平臺需要確保高算力的同時具有高效率，采用處理器異構(gòu)計算平臺以及一個編譯器，能夠高效地在應(yīng)用處理器（ PS ）、圖形處理單元（ GPU ）、神經(jīng)處理單元（ NPU ）和現(xiàn)場可編程門陣列（ FPGA ）之間分配各種工作負(fù)載。此外，它們應(yīng)該提供易于使用的軟件開發(fā)工具套件（ SDK ），幫助嵌入式工程師將其模型無縫部署到硬件平臺上。NPU 對于高效處理標(biāo)準(zhǔn) AI 模型至關(guān)重要，有助于加速 AI 任務(wù)并最大限度降低功耗；與此同時，PS 和 GPU 對于處理尚未針對 NPU 進(jìn)行優(yōu)化的更高級別的模型也提供了必要支持；FPGA 則有助于集成多種傳感器模態(tài)，以利用多模態(tài)模型并確保傳感器同步。此外，F(xiàn)PGA 可以被編程以建立定制、優(yōu)化的數(shù)據(jù)路徑，從而實現(xiàn)系統(tǒng)組件之間的有效數(shù)據(jù)傳輸。

針對各個處理器在邊緣 AI 應(yīng)用中的作用，AMD 工業(yè)、視覺、醫(yī)療與科學(xué)市場機(jī)器人業(yè)務(wù)主管 KV Thanjavur Bhaaskar介紹，CPU 一直以來都是功能強(qiáng)大的通用計算引擎，相對于許多其他計算平臺，在可提供支持的廣泛軟件生態(tài)系統(tǒng)方面具有優(yōu)勢。嵌入式處理器集成了用于渲染、可視化和顯示的 CPU 和圖形。隨著邊緣智能的快速增長，近來的一種趨勢是 CPU 除了通用計算和圖形功能外，還具有專用的 AI 計算引擎。

KV Thanjavur Bhaaskar

AMD 工業(yè)、視覺、醫(yī)療與科學(xué)

市場機(jī)器人業(yè)務(wù)主管

迄今為止，設(shè)計人員必須在設(shè)計中引入加速器才能實現(xiàn)高性能的 AI 推理。將專用的 AI 計算引擎引入到 CPU 中，可提供靈活的架構(gòu)選擇，減小占板面積并提高能效。就新應(yīng)用而言，邊緣智能已經(jīng)無處不在，所以可以想象在以前只有 CPU 的地方現(xiàn)在都具備了 AI 功能，比如具有 AI 路徑規(guī)劃的機(jī)器人控制器、具有診斷或感興趣區(qū)域功能的醫(yī)學(xué)成像等。正在出現(xiàn)的主要設(shè)計要求是在滿足整體解決方案需求的情況下選擇正確的引擎進(jìn)行正確的任務(wù)，因為計算工作負(fù)載的多樣性、處理器以有效處理它們的方式、以及系統(tǒng)中這種處理能力的可用性都發(fā)生了顯著變化。在為傳統(tǒng) CPU 增加 AI 功能之外，異構(gòu)處理架構(gòu)的出現(xiàn)能夠更好的去提升邊緣 AI 在功耗和效率方面的表現(xiàn)。KV Thanjavur Bhaaskar 強(qiáng)調(diào)，處理器的選擇取決于特定的系統(tǒng)級別，一個解決方案可能是選擇適合特定任務(wù)的正確引擎，因為這將為解決系統(tǒng)中的特定計算任務(wù)提供最節(jié)能的方式。AMD 提供的器件結(jié)合了不同技術(shù)，包括 FPGA、處理子系統(tǒng)（包括 Arm 和 RISC-V ）、基于 x86 的 CPU、GPU、AI 引擎，構(gòu)成了可擴(kuò)展性很強(qiáng)的產(chǎn)品系列，從成本優(yōu)化的嵌入式器件一直到針對數(shù)據(jù)中心市場的高端器件。

Omdia預(yù)測

2027 年營收前 10 的嵌入式 AI 應(yīng)用 ( Alexander Harrowell, Omdia, 2022 )

Omdia 預(yù)測了到 2027 年預(yù)計將產(chǎn)生最高收入的前 10 個嵌入式 AI 應(yīng)用（如圖所示），這些應(yīng)用通常展示了上述因素中的兩個或更多，呈現(xiàn)出業(yè)界采用嵌入式AI 的目標(biāo)領(lǐng)域。以工廠自動化為例，工廠中的拾取和放置機(jī)器人，需要實現(xiàn)對目標(biāo)對象的毫米級準(zhǔn)確識別并最小化對機(jī)械臂的干擾，這需要結(jié)合 3D 視覺、點云處理、嵌入式 AI 和傳感器致動器融合。最大限度降低時延對于保持高生產(chǎn)力至關(guān)重要，也有助于確保產(chǎn)量和整體效率的提升。這方面許多人所熟悉的另一個例子是智能結(jié)賬系統(tǒng)，不僅可通過實時監(jiān)控掃描商品來增強(qiáng)結(jié)賬體驗，而且還能檢測購物者的不當(dāng)行為，例如將較便宜的商品（如香蕉）替換為較昂貴的商品（如牛排）。這一功能不僅鼓勵顧客使用自助結(jié)賬，減少零售商的擔(dān)憂，還解決了不斷上升的勞動力成本問題。此外，還可以參考智能交通攝像頭，其需要針對速度高達(dá) 200 公里/小時的車輛采集圖像信息。要實現(xiàn)這一點，需要集成各種傳感器。然而，全天候持續(xù)傳輸視頻將產(chǎn)生極高的成本。

統(tǒng)一 AI 模型的潛在發(fā)展趨勢

隨著 AI 模型及其參數(shù)的復(fù)雜性日益提高，對系統(tǒng)內(nèi)部更有效的數(shù)據(jù)傳輸機(jī)制的需求也在增長。統(tǒng)一 AI 模型是最突出的潛在發(fā)展趨勢。與為同一背景下的各種任務(wù)管理多個專門的 AI 模型不同，統(tǒng)一模型可用于處理多種視覺任務(wù)。這種方法在嵌入式邊緣中提供了更有效地資源利用的可能性，尤其是在分布式 AI 架構(gòu)中更為明顯。預(yù)計在這個領(lǐng)域會進(jìn)行進(jìn)一步的研究，以提高統(tǒng)一模型的準(zhǔn)確性。

Yingyu Xia 特別提到

當(dāng)前一個值得關(guān)注的趨勢，即業(yè)界出現(xiàn)了能夠在有限標(biāo)記數(shù)據(jù)下進(jìn)行有效泛化的模型。這一策略在數(shù)據(jù)采集不便和需要頻繁數(shù)據(jù)訓(xùn)練的場景中具有極大的價值。由于僅需要最少量的數(shù)據(jù)進(jìn)行重新訓(xùn)練，這一趨勢降低了所需的技術(shù)專長，并節(jié)省了 AI 訓(xùn)練時間。

此外，大型語言模型（ LLM ）的普及使得與 AI 的交互更類似于與人類對話。只需提出一個問題，AI 就能夠理解背景語義并像咨詢專家一樣作出回應(yīng)。目前一種趨勢是在嵌入式邊緣部署的 AI 模型中提升對視覺場景的理解。這一發(fā)展有助于作業(yè)人員更清晰地理解視覺場景，在一次視頻搜索的調(diào)查過程中，它能夠以自然的人類語言提供洞察和建議。除了評估 AI 引擎的能力外，Yingyu Xia 認(rèn)為嵌入式 AI 系統(tǒng)還在高速和大量數(shù)據(jù)涌入的實時環(huán)境中運行。確保實時操作需要硬件平臺具備高效的數(shù)據(jù)同步和前后處理流水線，以有效地管理數(shù)據(jù)流。在選擇嵌入式平臺時，不僅要考慮 AI 引擎的效率，還要考慮它與其他關(guān)鍵部分的兼容性。AI 引擎只是嵌入式系統(tǒng)的一個組成部分，為了實現(xiàn)最佳功能，必須通過其它重要因素進(jìn)行補充，理想的平臺應(yīng)該是根據(jù)嵌入式用例需求可以滿足下列大部分要求的平臺。

AMD Embedded+

面向邊緣 AI 應(yīng)用市場，AMD 最近發(fā)布了加速嵌入式邊緣 AI 開發(fā)的 Embedded+ 架構(gòu)，該架構(gòu)將 AMD Ryzen（銳龍）嵌入式處理器與 AMD Versal AI Edge 自適應(yīng) SoC 集成在一塊板卡上。KV Thanjavur Bhaaskar 強(qiáng)調(diào)，自適應(yīng)計算在確定性、低時延處理方面表現(xiàn)出色，而 AI 引擎則能夠提升高每瓦性能推理。在這種異構(gòu)處理器架構(gòu)中，Ryzen 嵌入式處理器提供了 Zen+ x86 核心，并且具備廣泛的軟件生態(tài)系統(tǒng)支持，Radeon 顯卡用于渲染和顯示功能。Versal AI Edge 自適應(yīng) SoC 提供了基于 Arm Cortex-A72 內(nèi)核處理器的子系統(tǒng)用于應(yīng)用處理，R5-F 用于實時處理，F(xiàn)PGA 用于低時延和確定性，AI 引擎用于 AI 推理，最重要的是可編程 I/O，支持用戶將各種傳感器直接連接到平臺。在自動化系統(tǒng)中，傳感器數(shù)據(jù)的價值會隨時間推移而遞減，而這些數(shù)據(jù)必須根據(jù)盡可能最新的信息運行，才能實現(xiàn)最低時延和確定性響應(yīng)。在工業(yè)和醫(yī)療應(yīng)用中許多決策需要在幾毫秒內(nèi)做出，這就是嵌入式邊緣 AI 最適合的方向。Embedded+ 能最大限度發(fā)揮合作伙伴和客戶數(shù)據(jù)價值，其高能效和高性能算力使合作伙伴與客戶能夠?qū)Ｗ⒂跐M足客戶和市場需求。

AMD Embedded+ 架構(gòu)將傳統(tǒng)的嵌入式 PC 轉(zhuǎn)變?yōu)閮?yōu)化的工業(yè)和醫(yī)療 PC。低時延處理和高每瓦性能推理的結(jié)合可為關(guān)鍵任務(wù)實現(xiàn)高性能，包括將自適應(yīng)計算與靈活的 I/O、用于 AI 推理的 AI 引擎以及 AMD Radeon 顯卡實時集成到單個解決方案中，發(fā)揮每項技術(shù)的最大優(yōu)勢。Embedded+ 架構(gòu)作為一種可擴(kuò)展的方法，可以通過 AMD 的任何器件組合進(jìn)行更新，就在近期，AMD 推出了具有專用AI引擎的銳龍 8000G 系列 CPU 和第二代 Versal AI Edge 系列，這些產(chǎn)品可以用于新一代基于 Embedded+ 的主板，以應(yīng)對邊緣智能不斷變化的需求。

KV Thanjavur Bhaaskar 特別提到

AMD 在邊緣和云計算領(lǐng)域擁有廣泛的產(chǎn)品組合。AMD 不僅將 AI 功能添加到最新發(fā)布的相關(guān)器件中，同時還將提高已有器件的 AI 能力，考慮到功率效率與成本方面因素，預(yù)計這種趨勢將持續(xù)下去。

AMD 嵌入式行業(yè)解決方案可為工業(yè)和商業(yè)應(yīng)用打造高性能、高性價比的系統(tǒng)。

憑借一系列靈活、可擴(kuò)展的處理器，AMD 為客戶帶來更出色的計算性能、先進(jìn)安全性和各種連接選項。

AMD 嵌入式行業(yè)解決方案可滿足游戲、醫(yī)療、運輸、自動化等工業(yè)和商業(yè)應(yīng)用的苛刻需求。

嵌入式環(huán)境中實現(xiàn) AI 的分布式架構(gòu)

在針對嵌入式環(huán)境中實現(xiàn) AI 的分布式架構(gòu)中，Yingyu Xia總結(jié)的關(guān)鍵是考慮嵌入式邊緣設(shè)備的限制性資源、功耗、實時要求和安全性等因素?？紤]到每個 AI 參數(shù)需要 4 字節(jié)（ 32 位）的數(shù)據(jù)，部署原始大小的 32 位浮點模型大多是不可行的。例如，如果有 1.7 萬億個參數(shù)，嵌入式設(shè)備上的存儲需求將達(dá)到 1.7 * 10^12 * 4 = 6.8 TB。因此，采用 BFLOAT16、FLOAT16、INT8 等新穎的數(shù)據(jù)格式以最小化所需的內(nèi)存占用是至關(guān)重要的。通常，量化器可以幫助將來自浮點 32 模型的數(shù)據(jù)精度降低到量化模型。此外，可以利用 AI 分析工具來識別導(dǎo)致最重要瓶頸的層，這有助于嵌入式 AI 工程師在邊緣優(yōu)化其模型。而且，關(guān)鍵在于需要開發(fā)特定領(lǐng)域的模型以簡化模型復(fù)雜性，從而減少模型層數(shù)，使其更容易部署到嵌入式 AI 模型中。

作為一家可以同時提供 x86、GPU、FPGA 和自適應(yīng) SoC 技術(shù)的行業(yè)領(lǐng)導(dǎo)者，AMD 的嵌入式邊緣 AI 技術(shù)聚焦在汽車、工業(yè)、智能家居和智慧城市以及網(wǎng)絡(luò)與存儲等應(yīng)用，幫助客戶快速構(gòu)建面向物聯(lián)網(wǎng)網(wǎng)關(guān)、邊緣基礎(chǔ)設(shè)施、迷你電腦、瘦客戶端等智能邊緣應(yīng)用的經(jīng)濟(jì)高效的產(chǎn)品和解決方案。