Page 13 - MCU大廠分享10億級出貨秘訣

封面故事
蔡銘仁，EE Times Taiwan
物聯網(IoT)相關技術不斷向前演進，加上節能減碳意識抬頭，使得人工智慧(AI)也從雲端走向邊緣端，僅 需mW等級的超低功耗就能進行機器學習(Machine Learning，ML)的「微型機器學習」(tinyML)概念應運 而生，近年相關技術發展飛快，搖身變為熱門前瞻技術之一。運用微控制器(MCU)為邊緣裝置裝上大腦，將 有機會讓電子貨架標籤、感測器等邊緣裝置(Edge Device)上，也能增添智慧應用。
新冠肺炎疫情刺激各產業加 速數位轉型;導入AI進行智慧化升 級，已然成為各企業的發展主軸之 一。一般常見的作法，是透過感測 器等裝置進行資料收集，再傳到雲 端分析和運算;但隨著資料量愈加 龐大，運算力的要求也越來越高， 雲端為提供高運算力衍生出高能 耗的問題;大量資料不斷在雲端和 邊緣端傳輸，亦使資安風險相對提 高。tinyML概念的出現，就成了以 上問題的解方之一。
的超低功耗，在常時啟動(Always- on)及電池供電的邊緣裝置執行邊 緣運算。NXP大中華區行銷經理李 宜儒表示，過去對ML的看法是高 耗能跟資源密集，需要非常龐大 的雲端處理能力執行;tinyML著 眼的就是希望能在邊緣節點上， 透過MCU或微處理器執行ML，以 少量的電量與記憶體，達到長時間 處理並實現應用的成果。
無線頻譜飽和並增加運作成本。因 此，當原始資料不需要傳輸到雲端 進行處理，意味著決策可以在邊緣 裝置上即時運行，除了節省成本， 並能提供更低的延遲，支援即時 操作，無需將詳細的原始資料發發 送到雲端，也消除了資料隱私洩漏 的可能性。
市場研究機構Gartner於 2018年發出關於邊緣運算(Edge Computing)的報告中，即提到 2025年將有75%的資料，會在傳 統所認知的資料中心或雲端以外 的管道被創造與處理，當資料量 越來越大，透過傳統方式處理資料 也顯得缺乏效率。Gartner甚至斷 言，2025年在商務、科技等領域， 都將往邊緣運算靠攏，「AI at the edge」將成為主流。
現行ML之所以導致高功耗， 大量資料傳輸是一個痛點;而當 ML拉到邊緣端，問題也就有機會 迎刃而解。MCU業者Silicon Labs 比較透過低功耗藍牙(BLE)傳輸感 測器資料與使用AI在邊緣裝置進 行分析，結果即顯示前者的功耗 多了將近10倍。Silicon Labs資深 產品經理Tamas Daranyi也認為， 在邊緣裝置分析感測器資料，將可 有效節省使用雲端基礎設施和流 量的費用，進而達到成本的下降。
即便tinyML運算力與一般AI 晶片是天差地遠，但如此來看，確 實可望替AI應用打開另一片天， 使應用場域進一步擴大;以無所 不在、相對低成本的邊緣裝置做 為載體，背後蘊藏著巨大商機;種 種因素，讓tinyML的概念，已然 成為市場焦點，替MCU產業界注 入新的刺激。從上游的CPU IP設 計到MCU產品規劃，各廠商無一 不絞盡腦汁，以避免在這場甫鳴槍 起跑的tinyML競賽中落於人後。
根據tinyML基金會定義的 tinyML規格，是用mW等級以下
「智慧深入到終端裝置，已 經是一個長期必然的大方向!」
Daranyi進一步指出，感測器 產生大量即時資料，需要耗費大 量的頻寬傳輸至雲端運算，導致
tinyML商機強勁 RISC-V、Arm IP各顯神通
SPOTLIGHT
9
催生超低功耗邊緣AI應用 tinyML賦予MCU產業新契機
2022年6月 | www.eettaiwan.com