边缘计算提高端云有效协作
作者/恩智浦半导体数字网络事业部软件工程与解决方案总监 翁铁成
本文引用地址://m.amcfsurvey.com/article/201805/379450.htm恩智浦对边缘侧AI和IoT战略作用非常重视。我们认为大数据、IoT和AI的应用发展要求边缘端:
1)对智能家居、工业互联、智慧城市等提供智能化、快速、有效的支持。
2)从作为云端提供数据采集和控制反馈的连接通道,到云端训练和深度学习,边缘信息采集和AI识别的边云一体化的方向发展。
3)及时接收云端广播的训练好的模型和提取的特征。在边缘端提供有效的AI识别作用。
挑战
1)要求边缘端的芯片对网络传输、安全算法运算、数据存储和AI算法有足够的支持能力。总的说来,要有一定的综合运算能力。
a)网络传输表示要及时地将用于学习和AI训练的数据送到云端,避免网络拥塞;
b)要对数据进行安全保护和加解密的运算支持;要对设备,用户和应用提供可信的认证;
c)对数据提供本地存储和AI智能运算能力。
2)要求计算架构和算法
a)提供端云有效配合的计算架构,实现云端学习和训练,边缘端特征提取和识别的有效AI应用的支持;
b)支持云端将学习好的模型及时广播给联接的边缘设备;边缘端利用训练好的模型对新数据进行识别和AI处理;
c)提供适合于边缘端的AI算法,学习框架,运算库和编译环境。
解决方案
1)在芯片SoC上提供了各种硬件加速引擎,包括网络通信、安全存储运算、AI运算,保证芯片在边缘端强大的AI运算能力;
2)提供了支持边缘计算的平台-EdgeScale, 除了安全管理和边缘设备管理外,它会封装用于AI的算法和系统库,简化AI的开发。并提供AI应用的开发示例,比如人脸识别、OCR、语音识别、物体识别等,为AI应用的快速落地带来方便。另外,它提供了针对工业互联场景的边缘平台架构OpenIL,从实时性,安全性,稳定性和传输性上对边缘端提供有效保障。
评论