心智对于人类来说缺一不可，前者负责运转，后者实现思考。如今，人类所使用的每一部设备对于“芯智”的要求也变得至关重要，通过“芯”来实现功能的流畅运行，通过“智”来具有人工智能和机器学习能力，两者正在变得缺一不可。

　　“软件服务非常重要，恩智浦除了在SoC上投入很多资源，同时也投入了很大的团队来开发一些工具，从而帮助实现产品研发。”恩智浦大中华区工业与物联网市场高级总监金宇杰在恩智浦i.MX应用处理器媒体沟通会的一开场就对外强调了恩智浦除了能为物联网设备提供芯片，也同样提供软件支持来实现如人工智能这样的技术，进而解决边缘计算时代下众多设备的刚需，即“芯智”需健全。

　　“芯智”需健全的边缘计算时代

　　需要“芯智”健全的原因就在于，海量增长的智能互联设备被用于不同类型的岗位中，比如在日常生活中完成用户家中的水表数据抄写、根据不同风味调制一杯咖啡，或是在家居门锁、公司门禁中完成人脸识别，甚至在工业生产线上完成零件的辨别，或是对最终产品进行质检。设备需要足够的运算及图形处理能力，也同样需要通过人工智能来实现对图像的辨别。

　　恩智浦在本月宣布EdgeVerse产品系列新增了跨界应用处理器，包括i.MX 8ULP、经Microsoft Azure Sphere认证的i.MX 8ULP-CS(云安全)系列和新一代高性能智能应用处理器i.MX 9系列，就一如既往的实现了“芯智”健全。

　　

 

　　在i.MX 8ULP和i.MX 8ULP-CS系列中，Energy Flex架构将异构域处理、设计技巧和28nm FD-SOI工艺技术相结合，能源效率比前代产品提高了75%。8ULP能够对一些手持和穿戴便携设备提供支持，并拥有强大的3D、2D图像性能。i.MX 9系列同样采用Energy Flex架构，并拥有更高性能。

　　

 

　　值得注意的是，i.MX 9系列中还集成了NPU，用于加速机器学习应用，标志着恩智浦Arm Ethos U-65 microNPU的首次实现，这使得在广泛的嵌入式设备中构建高效的低成本人工智能解决方案成为可能;i.MX 8ULP系列中也通过融入DSP大大提升语音处理能力，让设备一方面可以在低耗能的状态下随时被唤醒，还能具备机器学习能力的语音交互功能。

　　对于Arm Ethos U-65 microNPU在恩智浦处理器上的集成，Arm机器学习部门的营销副总裁Dennis Laudick表示:“人工智能和机器学习在工业和物联网应用领域掀起了一波浪潮。Ethos-U65将推动新一波的边缘人工智能浪潮，为恩智浦客户提供安全、可靠、智能的器件上智能。”

　　不过，尽管市场上对于AI的需求已经显而易见，但让设备拥有AI功能对于不少公司来说却有些高不可攀，恩智浦则希望通过软件服务来解决这一问题。

　　让AI不再高不可攀

　　据 TIRIAS Research 预测，到2025年，98%的边缘设备将使用某种形式的机器学习/人工智能。 到2025年，预计将有180亿至250亿部设备包含机器学习功能，尽管它们可能并没有专用的机器学习加速器。

　　“我们与客户交流的过程中发现他们的痛点之一是在不同的物联网环境里，对于AI和ML如何落地大家的认知不一样，使用时对一些算法的了解也不够。”恩智浦边缘处理事业部软件研发总监翁铁成透露了目前很多客户在让设备实现AI能力过程中的痛点。

　　面对这种现实情况，恩智浦一直以来同样持续投入了众多资源的软件服务就起到重要的作用，客户可以通过恩智浦提供的一套工具集eIQ Toolkit，将AI赋能硬件的过程实现明显简化。整个过程中，客户只需要提供数据，恩智浦就能提供多种模型选项进行选择，最终就能自动化训练。训练完成后即可产生针对恩智浦的MCU或者是MPU的最适用的训练模型，通过工具下载至SoC上就能满足要求。

　　此外，如果一些客户已经拥有了一些模型，还可以使用BYOM工具，就能训练出针对恩智浦芯片和平台更优的推理模型。

　　另在2020年10月恩智浦还与Au-Zone Technologies建立了独家战略合作关系。双方的合作除了让eIQ-DeepViewML工具套件拥有直观的GUI和工作流程外，还能提供针对特定目标的图形级别分析功能，让开发人员能够在运行时深入了解运行情况，以便优化神经网络模型架构、系统参数和运行时性能。 通过增加Au-Zone的DeepView运行时推理引擎作为恩智浦eIQ中开源推理技术的补充，用户将能够非常轻松地在恩智浦器件上快速部署和评估机器学习工作负载和性能。这种运行时推理引擎的关键特性是为每种SoC架构优化系统存储器使用和数据移动。

　　可以通过类似方式受益的还有恩智浦的跨界处理器产品，让MCU同样可以具备不俗的AI能力。据恩智浦边缘处理事业部系统工程总监王朋朋介绍，MCU与高端处理器的训练流程基本是一致的，仅需采用更适合MCU的模型或框架，如Tensorflow Lite Micro，同样可以在PC端做数据训练、建模、转换与量化降解，再在MCU做数据输入和模型运算，最终赋予设备量身定制的AI能力。

　　有AI的边缘能做很多事

　　通过赋予AI能力，让不同类型的设备，可以通过量身定制的“芯智”能力在不同物联网岗位发挥作用，甚至激发出更多用例可能。

　　恩智浦的工程师就已经展示出了众多具备AI能力的MCU的示例，例如可以做特定的声音识别，来辨别鸟类、背景环境音、玻璃破碎等不同类型的声音;还能做到物体分类识别，可以识别不同的物品或动物;通过手势识别可以玩猜拳游戏;并且还能完成红细胞检测，来辨别患者是否得了疟疾。

　　在已经商用落地的方案中，MCU可以轻松驾驭语音唤醒、语音口令检测这类在智能音箱上的应用;还能实现机械水表的自动抄表工作;或应用于咖啡机中，通过识别不同的咖啡胶囊，来进行不同风格的冲调;人脸识别的能力也能应用在智能门锁中。

　　另外，MPU配合工业软件开发套件，还可以应用于各类工业领域中，例如恩智浦提供的工业协议里对EtherCAT、CAN、Modbus等Over TSN的支持，让具备辨识功能的机械手臂落地成为可能。恩智浦还可以提供针对边云互联的API和接口，利用恩智浦的工具集更容易实现边云互联。

　　在不同类型的产品上，通过性能、能耗和精度上的平衡，配合量身定制的AI能力，大到汽车，小到手势识别，恩智浦均可通过不同的组合来满足企业的要求，“芯智”健全的i.MX应用处理器的生态正在越来越完善，充满着无限可能。