數據處理的下代歷史始于 20 世紀 60 年代，當時的邊緣備中集中式現場大型機后來演變為分布式客戶端服務器。在本世紀初，物聯網設集中式云計算變得有吸引力，有何應用并開始獲得發展勢頭，下代成為當今最流行的邊緣備中計算工具之一。
然而，物聯網設近年來，有何應用我們看到對邊緣或更接近數據源的下代處理的需求再次增加。讓我們開始 ，邊緣備中“走向未來 ！物聯網設”
云處理的有何應用最初好處之一就是能夠超越現場處理的有限能力。隨著人工智能的下代進步，越來越多的邊緣備中決策可以在邊緣做出。現在很明顯，物聯網設邊緣和云處理是互補的技術；它們對于實現最佳系統性能都是必不可少的。
互聯系統的設計者必須問，云和邊緣之間最有效的系統劃分是什么？
云計算與邊緣計算的優勢
要了解對系統進行分區的最佳方法，我們必須首先了解每種方法的優點。對于邊緣計算來說，最大的好處就是低延遲。當必須實時或近實時做出決策時，Edge 確實大放異彩。這種實時決策的能力還提供了其他附帶好處。借助人工智能，設備可以通過減少錯誤通知來提高能效。
在邊緣進行處理還可以減少由于傳輸原始數據到其他地方進行處理而導致安全漏洞的可能性。在連接成本較高或連接有限的情況下，邊緣處理可能是唯一可行或實用的選擇。
當談到云計算的好處時，實際上取決于性能。云處理提供了無法在邊緣復制的海量計算能力。這對于復雜的機器學習和建模至關重要。云還提供大存儲容量，并提供以增量成本擴展存儲和計算資源的能力。一旦數據進入數據中心，云就可以提供高安全性。
此外，由于云服務器的集中化，維護通常更容易。
Table 1: Edge vs. Cloud Computing
系統設計示例
現在我們已經檢查了權衡，我們可以看一些可以同時使用云和邊緣處理的系統設計示例。
智能家居安全系統是一個著名的例子，因為數據處理存在自然的分段。一些任務，例如面部識別、語音識別、忽略錯誤警報的運動檢測、檢測相關音頻輸入（例如用戶命令、玻璃破碎或警報）的能力，最好在邊緣完成。云仍然可以用于長期保留和機器學習。
Figure 2: Smart home system
另一個例子是可穿戴智能設備。可穿戴設備將利用邊緣處理來監控環境并通過小型內置傳感器識別相關物體、人和聲音。可穿戴設備還將通過移動設備連接到云和互聯網，使其能夠訪問龐大的數據庫，其中包括聯系人、圖像、全球地圖和百科全書。
Figure 3: Wearables system
上述兩個例子同樣受益于云計算和邊緣計算。云用于匿名數據聚合和優化以及長期存儲。通過設備作出更好 的本地決策，您可以延長電池壽命、降低帶寬要求并提高安全性。與許多物聯網設備一樣，這兩個系統示例都需要跨多個設備（例如傳感器、攝像頭、顯示器和麥克風）收集和集成數據。要在邊緣實時處理所有這些數據，您需要一個能夠以極低功耗處理支持人工智能和機器學習的多個感官輸入的處理器。Perceive 通過其 Ergo AI處理器做到了這一點，該處理器專為物聯網和邊緣設備而設計。
Perceive Ergo 人工智能處理器
Perceive Ergo 芯片是一款推理處理器，專為滿足功耗受限的物聯網和邊緣設備的需求而設計。它可以以 55 TOPS/W 的速度提供 4 個持續的 GPU等效浮點 TOPS。憑借這種功率，Ergo 處理器可以使用低至 20 mW 的功耗處理大型神經網絡，并支持各種高級神經網絡，所有這些都具有本地處理功能。Perceive Ergo 芯片支持機器學習應用，例如視頻對象檢測、音頻事件檢測、語音識別、視頻分割、姿勢分析以及其他可創造更好用戶體驗的功能。Perceive 客戶使用 Ergo 處理器的一些目標應用包括前面提到的智能家居安全系統和可穿戴設備示例，以及視頻會議和便攜式計算。
當系統設計人員尋找邊緣處理器時，處理器與系統其他組件兼容非常重要。邊緣處理需要系統中的攝像頭、揚聲器、麥克風和其他傳感器陣列與邊緣處理器之間有一個接口。這意味著 Perceive 需要一套與系統其他組件兼容并無縫融入客戶設計的接口規范。
Figure 4: Ergo within a system. Image Perceive. Used with permission. All rights reserved.
要了解如何將 Ergo 集成到邊緣設備中，讓我們看一下框圖。
Figure 5: Ergo processorblockdiagram. Image Perceive. Used with permission. All rights reserved.
內置成像接口部分包括 2 個 MIPICSI-2 和 2 個 CPI 輸入以及 1 個 MIPI CSI-2 輸出。這支持兩個同步圖像處理管道：一個使用兩個 MIPI D-PHYSM CSI-2 RX 實例的高性能 4K，另一個使用一個實例的標準 HD。還包括通過 MIPI D-PHY CSI-2 TX 將視頻傳輸出去的功能，這在許多應用中都很有用，例如安全性，其中警報可以伴隨相應的音頻和視頻。該子塊下方是音頻接口，支持麥克風輸入和揚聲器輸出。
右邊是CPU系統，主要功能是芯片管理、數據流轉以及與主處理器的通信。一些音頻預處理由 CPU 子系統處理，例如時間到頻譜的轉換。DSP引擎進行音頻預處理或后處理，例如 FFT。
在頂部中心，圖像處理單元處理來自相機的原始圖像，使用縮放、裁剪和色彩空間轉換等功能，使神經網絡結構更容易使用它們。
Ergo 處理器的大腦是右上角的神經網絡結構。這是分割、識別、推理和其他功能發生的地方。Ergo 芯片支持多個神經網絡集群，使其能夠同時運行多個神經網絡并支持多種輸入數據類型（例如同時視頻和音頻），從而能夠產生更高質量的推理。例如，與單獨的任何一個輸入相比，伴隨著玻璃破碎聲音的運動檢測可能會在安全應用中觸發更值得信賴的響應。神經網絡集群及其 SRAM 占據了芯片面積的三分之二以上。
MIPI 支持邊緣設備
就 Ergo 芯片而言，我們看到了幾個用于接收和傳輸視頻的 MIPI D-PHY 和 MIPI CSI-2 實例。雖然 MIPI 規范最初是為移動應用程序設計的，但后來已在物聯網邊緣設備等移動鄰近應用程序中廣泛實施。由于大多數邊緣應用都是電池供電，因此電源效率是重中之重。就像家庭安全和可穿戴系統一樣，許多物聯網設備需要使用具有高帶寬、突發和不對稱通信要求的攝像頭、顯示器和傳感器。
因此，MIPI 規范非常適合物聯網應用。這些規范旨在與從調制解調器、天線和系統處理器到相機、顯示器、傳感器和其他外圍設備的各種組件連接。MIPI 規范從頭開始設計，旨在最大限度地降低功耗，同時支持高帶寬和嚴格的 EMI 要求。簡而言之，如果系統需要使用傳感器、執行器、顯示器、攝像頭、高級音頻或無線通信接口，那么它很可能受益于 MIPI 規范的使用。
Perceive Ergo 處理器是一個很好的例子，展示了如何利用 MIPI 規范的優勢進行邊緣處理器設計。Perceive 選擇使用 MIPI D-PHY 和 MIPI CSI-2 規范，不僅是因為它們提供的電源效率和低 EMI，還因為它是業界此類應用最廣泛采用的規范， 支持它的廣泛的生態系統。
Mixel MIPI D-PHY
Mixel 提供了 Perceive MIPI D-PHY CSI-2 TX 和 Mixel MIPI D-PHY CSI-2 RX IP。這兩個 IP 在移植到 22FDX 之前都經過了 FDSOI 工藝的硅驗證。Perceive 選擇采用 FDSOI 工藝，因為與成本更高的 FinFET 工藝相比，它提供了低功耗和低成本的正確組合，以實現高性能。此外，由于襯底偏執電壓的可編程性，FDSOI 還提供了更大的靈活性，從而實現更高的性能并可能減少功耗和面積。
這些優點使 FDSOI 成為最廣泛采用的物聯網設備之一。在接收器方面，Mixel 提供了 CSI-2 D-PHY 的 2 種不同區域優化的 RX 配置：2 通道和 4 通道版本。它們都支持 MIPI D-PHY v2.1，向后兼容 v1.2 和 v1.1。兩種配置均以高達 2.5Gbps/通道的速度運行，并支持以高達 80Mbps/通道的速度運行的低功耗模式。
對于發射器端，Mixel 為 Perceive 提供了面積優化的 4 通道 CSI-2 TX D-PHY。該IP還支持MIPI D-PHY v2.1，并具有以2.5Gbps/通道運行的高速傳輸模式。該發射機用于支持隧道功能。在下圖中，您可以看到以 1.5Gbps/通道和 2.5Gbps/通道運行的 TX IP 的眼圖。Perceive 憑借 Mixel IP 首次取得成功，現已投入生產。
Figure 6: Mixel D-PHY TX eye diagram at 1.5Gbps/lane
Figure 7: Mixel D-PHY TX eye diagram at 2.5Gbps/lane
結論
如今的物聯網連接系統需要在云和邊緣處理之間取得平衡，以優化系統性能。您根本無法擊敗云數據中心的處理能力，但對于需要實時決策的應用程序，邊緣可提供最低的延遲。為了支持邊緣設備，您需要一個能夠進行機器學習的處理器。Perceive Ergo AI 處理器支持邊緣推理處理，使物聯網設備更加智能、降低延遲并提高電池壽命和安全性。邊緣處理器設計還需要一個與各種物聯網外圍設備兼容的接口。
MIPI CSI-2 是低功耗傳感器和攝像頭的事實上的標準，鑒于 MIPI 規范是為低功耗、高帶寬應用而設計的，它們非常適合物聯網 AI 設備的邊緣處理。通過利用 Mixel 的經過硅驗證的差異化 MIPI CSI-2 支持的 MIPI D-PHY，Perceive 能夠降低風險、縮短上市時間，并為客戶提供高能效、極具競爭力的解決方案，以應對不斷擴展的市場需求。競爭激烈的人工智能邊緣處理市場。
審核編輯：劉清
