機器學習將推動MCU下一波動快速增長
    IoT推動了這幾年MCU的更新?lián)Q代,而下一波MCU的助推器是終端的機器學習,包括家庭環(huán)境、聲音處理、手勢控制、智能感測&控制、多攝像頭觀察、個人資產(chǎn)、主動目標識別、AR(增強現(xiàn)實)等。
    典型的案例之一是目前發(fā)展火熱的人機界面的聲音處理,會推動下一波白電等家電應用的需求。例如在2018年10月的ArmTechCon2018大會上,恩智浦展示了聲控洗衣機,可以與洗衣機對話,例如:“打開洗衣機”。洗衣機會問:“你要怎樣洗?”可以回答:“我要標準洗”或“強力洗”。也可以告訴洗衣機洗什么樣的衣物,例如洗被子,或用什么方式洗,例如熱水洗、冷水洗等,洗衣機就自動設(shè)置好。
    再例如圖形的識別,恩智浦在美國的一個是交通指示標識識別,機器能夠識別紅綠燈、是路還是人,假設(shè)指示標識斜著、模糊一點,機器都可以辨認出來。

邊緣AI的芯片布局

恩智浦有全套的MCU、MPU產(chǎn)品線,從低端MCU一直到高端的四核、八核高端處理器,所有這些芯片都可以用在機器學習、邊緣計算上。

客戶可以在云端進行訓練,通過軟件的推理,在終端的處理器上進行應用。

機器學習開發(fā)環(huán)境eIQ

恩智浦主推的AI開發(fā)環(huán)境是eIQ,也是機器學習(ML)的開發(fā)環(huán)境。底端的硬件平臺有傳統(tǒng)的MCU和MPU,諸如Kinetis、LPC等Cortex-M核的MCU產(chǎn)品,還有新的i.MX RT系列跨界處理器,高端的i.MX6、7、8等處理器,以及Layerscape處理器。

硬件平臺里,運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,未來一兩年內(nèi),恩智浦還將開發(fā)ML(機器學習)的加速硬件,這不同于大型的云端硬件加速,而是可以跨平臺、跨處理器和微控制器的用于終端計算的ML加速器。

在芯片之上是硬件抽象層,諸如OpenCL,OpenVX,Arm的計算庫/ CMSIS-NN,還有恩智浦的API等。
    再往上是推理機(Inference Engine),有很多種,主推的有Google的TensorFlow、TF Lite等。實際上,恩智浦支持所有開發(fā)環(huán)境?，F(xiàn)在還有新的NN Compiler(編譯器),例如Facebook的GLOW等。

在基于所有的機器學習軟件硬件結(jié)合之后,恩智浦推出了全套的解決方案,包括音視頻及機械傳感器的解決方案(例如壓力、加速度傳感器的解決方案)。同時針對各種應用,推出了應用上的解決方案,例如ISP(圖像信號處理)、圖像加速、傳感器融合、全景環(huán)視(注:過去通常是車上用,現(xiàn)在家居方面也有很多應用),還有前端的聲音的控制,諸如多揚聲器。
    在揚聲器方面,如果是兩個揚聲器,用比較簡單便宜的MCU就足夠了,例如LPC和Kinetis系列;如果更多揚聲器,由于數(shù)據(jù)處理量很大,適合用i.MX RT跨界處理器平臺,或i.MX 7、8、8M等高端處理器。

可見根據(jù)不同的應用,恩智浦有不同的處理器配合,這是eIQ的概念。恩智浦的目標是讓外界主流的推理機都能運行在恩智浦的硬件上。
    恩智浦也有全套的芯片,覆蓋高端到低端。其中高端的i.MX用的是GPU、DSP,未來一兩年內(nèi),恩智浦還會推出ML加速硬件,是真正的專用加速器。

不久前,恩智浦還發(fā)布了新的跨界處理器i.MX RT600,以及低功耗的LPC5500,分別面向中端和低端邊緣AI應用。

在戰(zhàn)略布局上,從傳統(tǒng)意義看,處理器/MCU性能越高,成本也會越高。恩智浦這幾年力圖把高性能低端化。這兩款產(chǎn)品就是這方面的案例。

其中,i.MX RT600跨界平臺的亮點是業(yè)界第一次把高性能DSP放到微控制器的環(huán)境里,而且這不是一個簡單的小DSP,是真正全功能的HiFi 4的DSP。i.MX RT600應用很多,例如可以同時實現(xiàn)5個人的人臉檢測,每秒7幀。

 LPC5500是恩智浦推出的第一款40nm的內(nèi)置閃存MCU,里面沒有加高性能DSP,而是增加了PowerQuad DSP加速器,可以做機器學習的濾波、疊加等。里面還有加密引擎。功耗非常低。

恩智浦半導體微控制器事業(yè)部全球產(chǎn)品總監(jiān) 曾勁濤