德州仪器芯科技赋能中国新基建之人工智能

（全球TMT2021年11月24日讯）什么样的边缘人工智能系统才是成功的？“精准感知，快速决策，人机协作，高效节能，安全可靠”，这是德州仪器（TI）中国区嵌入式产品系统与应用总监Howard Jiang给出的答案。众所周知，感知、决策及执行是边缘人工智能的3个环节，而且随着边缘人工智能的发展，对于嵌入式的感知和决策技术的要求相比非人工智能更严苛、更差异化。

感知 -- 边缘人工智能的数据来源

数据是边缘人工智能的根本，而感知则是数据的来源。正如一个人不止需要眼睛来感觉世界，包括耳朵等都是感知自然世界的重要器官，机器同样需要耳聪目明，各种传感器随着技术发展应运而生。TI推出的单芯片毫米波雷达，在许多应用场合可以规避传统摄像头的弊端，同时支持系统的多项数据融合，使得机器可以更好地获取数据，实现对目标的精准感知。

利用毫米波雷达的收发，能够以极高的精度测量其视野范围内物体以及障碍物的距离和其相对速度。与基于视觉和激光雷达的传感器相比，毫米波传感器的一个重要优势是不容易受雨、尘、烟、雾或霜等环境条件影响。此外，毫米波传感器可在完全黑暗中或在阳光直射下工作。这些传感器可直接安装在无外透镜、通风口或传感器表面的塑料外壳后，非常坚固耐用，能满足防护等级(IP) 69K 标准。

TI的单芯片毫米波雷达通过CMOS制成工艺技术，实现了传统雷达所不具备的高性价比优势，同时结合了ASIC后端处理，可以直接降低BOM成本，减少产品尺寸，并且减少了对于处理器的依赖。基于TI毫米波雷达设计的产品体积是微型激光雷达测距仪的三分之一，重量是其一半。

更重要的是，除了自动驾驶领域，毫米波雷达还可以应用于更广阔的工业及智能家居、智能楼宇、医疗等领域。比如通过毫米波雷达与空调的结合，可以实现风随人动、目标人体的姿态感知、自动开关等多项智能功能。而在其他应用中，如针对机械臂操作员的安全监测、物流机器人/无人机避障检测、老人跌倒等监测，毫米波雷达都拥有以往图像传感器所不具备的准确、快速感知等优势，同时满足许多应用场合的数据脱敏要求（可以安装在卧室、卫生间等场合）。

除了毫米波雷达之外，TI还提供了温度传感器、DLP^®技术、 ToF等广泛的产品，从而进一步丰富了机器与人的交互途径。

决策 -- 边缘人工智能的大脑

边缘人工智能设备需要一个聪明的“大脑”来进行数据处理和决策。集成式 SoC 通常是边缘人工智能中一个不错的选择，因为除了容纳能够执行深度学习推理的各种处理元件外，SoC还集成许多用于整个嵌入式应用的必要组件。一些集成式SoC 包括显示、图形、视频加速和工业联网功能，使单芯片解决方案的功能不仅限于运行ML/AI。

TI的Jacinto™ 7系列处理器正是这样一款高度集成的SoC，芯片内部包括高性能计算、深度学习引擎、用于信号和图像处理的专用加速器，符合功能安全ASIL-D/SIL-3标准。除了高级驾驶辅助系统(ADAS)之外，处理器还可以应用于机器人、机器视觉、雷达等领域。

集成的专用加速器包括“C7x”新一代DSP内核，将 TI 行业领先的 DSP 和 EVE 内核结合到一起，并添加了矢量浮点计算功能，并支持向后兼容代码。随着边缘人工智能的兴起，DSP由于其基于哈佛架构，可以显著提升矩阵运算效率，非常适合神经网络计算加速。同时，新增的“MMA”深度学习加速器可在典型工作条件下，以低功率达到8 TOPS的计算性能。

通用内核则包括了多核Arm Cortex-A72、Cortex-R5F以及8XE GE8430 GPU等。

Jacinto 7系列的多核异构处理器架构设计，可以最大限度地针对任务进行选择与优化，从而实现更好的性能提升及成本控制。另外，TI还将成熟的算法进行硬件化，加之半导体制程的演进，从而实现最佳的性价比和功耗比。比如TI的ISP，可以基于芯片内嵌的硬件加速单元自动实现宽动态调整、图像金字塔缩放、立体深度视觉以及密集光流算法加速等等。

Jacinto 7 系列处理器提供了涉及硬件和软件的全面安全解决方案，这是汽车和工业市场的重要关注点。Jacinto 7 系列处理器使用经独立功能安全评估机构（如 TÜV SÜD）认证的硬件开发流程，针对 ASIL-D 功能进行了系统设计。而针对如今ADAS数据融合所带来高带宽多端口的新挑战，Jacinto 7系列也集成了CSI-2等多路端口，可以保证同多路传感器互联并支持高带宽数据需求。Jacinto 7系列同时集成了PCIe集线器和千兆以太网交换机，可以用于域控制器，从而实现更高水平的集成度。

为了方便用户进行开发，TI推出了TI-Edge-AI-Cloud，针对 Jacinto 处理器上 AI 推理的云工具评估并支持许多业界通用与流行的深度学习框架（包括 TensorFlow Lite、ONNX Runtime、OpenGL ES等），帮助轻松编译和部署模型并加速推理。

除了视觉识别所常用的CNN之外，诸如预测性维护等边缘人工智能场景需要的RNN，Jacinto 7处理器同样也提供相应的支持。此外，TI的工业应用处理器Sitara^TM系列，集成了Arm Cortex-A系列内核，同样也可以通过Arm NN实现相对低算力要求的边缘人工智能应用，诸如工业应用中的预测性维护等。