应用处理器的PPA再进化 ,轻松实现边缘端AI/ML部署
扫描二维码
随时随地手机看文章
实现安全和能效提升:EdgeLock和ENERGY FLEX
在最新的i.MX 8ULP、i.MX 8ULP-CS和i.MX 9系列跨界应用处理器中,我们可以看到EdgeLock™安全区域和ENERGY FLEX架构的出现。从名称上我们就可以看出,EdgeLock™安全区域主要是确保边缘设备的安全性,而Energy Flex架构提供了多种不同的功耗管理模式。
针对异构的i.MX应用处理器,NXP还提供了全新的Energy Flex技术。Cortex-A35的核本身就具备高效和节能的特点, Cortex-M33作为实时处理的核也具备低功耗的特质。再将GPU、DSP加入处理器内,基于Energy Flex技术可以将一个应用处理器配置出大约20多种不同的能耗配置,针对不同的工作负载提供更为细致的功耗配置和响应,从而降低最终应用的整体功耗。
在domain间进行不同工作负载的转换时,其实也会存在受到旁路攻击的风险,而EdgeLock也具备一个独特的“功率感知”的能力,可以智能地跟踪功率转换,采取一些干扰措施来增强抵抗和阻止新兴的攻击面。
通过NPU实现边缘端本地AI/ML应用
对于做嵌入式开发、进行边缘端设计的工程师而言,学习完整的AI和ML的算法和应用,然后进行实际的本地应用部署,这是一件非常费时费力的事情。这也是当前嵌入式工程师在进行边缘端的AI/ML应用开发时面临的难题。而NXP也积极地通过战略投资、生态合作的一系列举措来推动边缘人工智能的新浪潮,从而在一系列嵌入式设备中构建经济高效的人工智能解决方案。据金宇杰先生分享,NXP的应用处理器是希望帮助普通的公司和开发者也可以进入到自己所需的细分AI领域,实现轻松的边缘AI构建。多个细分的模型算法在云端都已经慢慢成熟,所以在i.MX平台就像一个转换器一样方便,直接从边缘端拿到数据进行本地的处理就可以,这个概念叫做BYOD(Bring Your Own Data)。
在硬件层面,NXP通过将Arm Ethos-U65在应用处理器中嵌入,积极推进microNPU的概念。microNPU可以达到0.5TOPS的算力,恰好是为了补充i.MX 9的512GOPS和i.MX 8M Plus上2.5 TOPS之间的这个空白,所以整个的产品的布局出来之后,不同的AI算力需求的智能边缘端都可以找到合适的能耗比的硬件平台。在软件层面,NXP 发布了eIQ机器学习(ML)软件对Glow神经网络(NN)编译器的支持功能,针对恩智浦的i.MX RT跨界MCU,带来业界首个实现以较低存储器占用提供更高性能的神经网络编译器应用。
所以i.MX这样整体的一个硬件和软件的平台出来后,对于传统的嵌入式开发的设计者而言 ,可以快速实现边缘端AI/ML的部署,将自己的想法借助AI/ML的力量落地。
以前,嵌入式MCU开发者的一个较为集中的痛点是需要应用处理器的高性能,但难以适应应用处理器的架构的变化、学习成本较高。NXP用i.MX RT系列跨界应用处理器很好的解决了这个痛点,市场也通过订单给予了NXP积极的肯定。现在,AI/ML的细分应用在边缘端部署将会是另一个集中的痛点,能够帮助设计者解决这一痛点的平台,想必也会赢得开发者的青睐,获得更多市场份额。