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

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。