面向轻型机器学习，恩智浦出台eIQ开发环境及芯片

机器学习将推动MCU下一波动快速增长
    IoT推动了这几年MCU的更新换代,而下一波MCU的助推器是终端的机器学习,包括家庭环境、声音处理、手势控制、智能感测&控制、多摄像头观察、个人资产、主动目标识别、AR(增强现实)等。
    典型的案例之一是目前发展火热的人机界面的声音处理,会推动下一波白电等家电应用的需求。例如在2018年10月的ArmTechCon2018大会上,恩智浦展示了声控洗衣机,可以与洗衣机对话,例如:“打开洗衣机”。洗衣机会问:“你要怎样洗?”可以回答:“我要标准洗”或“强力洗”。也可以告诉洗衣机洗什么样的衣物,例如洗被子,或用什么方式洗,例如热水洗、冷水洗等,洗衣机就自动设置好。
    再例如图形的识别,恩智浦在美国的一个是交通指示标识识别,机器能够识别红绿灯、是路还是人,假设指示标识斜着、模糊一点,机器都可以辨认出来。

边缘AI的芯片布局

恩智浦有全套的MCU、MPU产品线,从低端MCU一直到高端的四核、八核高端处理器,所有这些芯片都可以用在机器学习、边缘计算上。

客户可以在云端进行训练,通过软件的推理,在终端的处理器上进行应用。

机器学习开发环境eIQ

恩智浦主推的AI开发环境是eIQ,也是机器学习(ML)的开发环境。底端的硬件平台有传统的MCU和MPU,诸如Kinetis、LPC等Cortex-M核的MCU产品,还有新的i.MX RT系列跨界处理器,高端的i.MX6、7、8等处理器,以及Layerscape处理器。

硬件平台里,运算的部分是核和硬件加速器,有Cortex-R、M和A核,GPU、DSP中放的是DSP核,未来一两年内,恩智浦还将开发ML(机器学习)的加速硬件,这不同于大型的云端硬件加速,而是可以跨平台、跨处理器和微控制器的用于终端计算的ML加速器。

在芯片之上是硬件抽象层,诸如OpenCL,OpenVX,Arm的计算库/ CMSIS-NN,还有恩智浦的API等。
    再往上是推理机(Inference Engine),有很多种,主推的有Google的TensorFlow、TF Lite等。实际上,恩智浦支持所有开发环境。现在还有新的NN Compiler(编译器),例如Facebook的GLOW等。

在基于所有的机器学习软件硬件结合之后,恩智浦推出了全套的解决方案,包括音视频及机械传感器的解决方案(例如压力、加速度传感器的解决方案)。同时针对各种应用,推出了应用上的解决方案,例如ISP(图像信号处理)、图像加速、传感器融合、全景环视(注:过去通常是车上用,现在家居方面也有很多应用),还有前端的声音的控制,诸如多扬声器。
    在扬声器方面,如果是两个扬声器,用比较简单便宜的MCU就足够了,例如LPC和Kinetis系列;如果更多扬声器,由于数据处理量很大,适合用i.MX RT跨界处理器平台,或i.MX 7、8、8M等高端处理器。

可见根据不同的应用,恩智浦有不同的处理器配合,这是eIQ的概念。恩智浦的目标是让外界主流的推理机都能运行在恩智浦的硬件上。
    恩智浦也有全套的芯片,覆盖高端到低端。其中高端的i.MX用的是GPU、DSP,未来一两年内,恩智浦还会推出ML加速硬件,是真正的专用加速器。

不久前,恩智浦还发布了新的跨界处理器i.MX RT600,以及低功耗的LPC5500,分别面向中端和低端边缘AI应用。

在战略布局上,从传统意义看,处理器/MCU性能越高,成本也会越高。恩智浦这几年力图把高性能低端化。这两款产品就是这方面的案例。

其中,i.MX RT600跨界平台的亮点是业界第一次把高性能DSP放到微控制器的环境里,而且这不是一个简单的小DSP,是真正全功能的HiFi 4的DSP。i.MX RT600应用很多,例如可以同时实现5个人的人脸检测,每秒7帧。

 LPC5500是恩智浦推出的第一款40nm的内置闪存MCU,里面没有加高性能DSP,而是增加了PowerQuad DSP加速器,可以做机器学习的滤波、叠加等。里面还有加密引擎。功耗非常低。

恩智浦半导体微控制器事业部全球产品总监 曾劲涛