Page 50 - MCU大廠分享10億級出貨秘訣

46
圖2:能效異質處理。
物聯網邊緣裝置可以使用電 池或太陽能供電，也可以使用插座 取電。無論是電池供電還是透過 線路供電，能量都代價高昂。運算 並不是唯一的能耗來源;任何涉及 資料彙整、有線或無線資料傳輸 和資料分析的過程都會消耗能量。 要瞭解怎樣節省能耗成本，必須清 楚能耗來源。降低功耗需要縮短處 理器使用時間。透過將處理器劃分 為能夠進行精細電源分區和管理的 功能塊，可以達到此一目的。近期 的創新指出，邊緣運算處理器能夠 實現此一目標。
能效運算
許多現代微控制器設計為低功 耗運作，因此這些裝置在邊緣裝置 上執行機器學習應用時，可以不插 電而使用電池運行數週、數月，有 時甚至數年。
圖3:能效推理的更多可能。
算能力顯著提升。這些裝置現在 可以執行機器學習，創造大量的邊 緣應用程式，能夠跨越閘道器，直 達感測器，以及介於之間的東西。
微控制器和微處理器在提升 效能和功能，以及降低成本方面 取得了巨大進展。其可包括供特定 任務專用的多個核心，支援數種無 線協定，配置電源管理，並提供其 他卓越功能。如今，其已經強大到 足以根據從邊緣處多個感測器彙 整的資料做出決策。
www.eettaiwan.com | 2022年6月
令，並且僅將資訊摘要(資料量大幅 減少)傳輸到雲端。例如，智慧型門 鎖可以認識人員而在辨識出臉部後 打開門鎖，並且可以在本機儲存並 處理影像資料，以加快回應速度並 增強隱私保護。
圖2顯示智慧手錶的邊緣運 算處理器應用。在此範例中，恩 智浦處理器具有兩個單獨的Arm Cortex核心域:用於運作手錶的 Cortex-A域和用於即時處理的 Cortex-M核心。這兩個域都具有 精細的功率管理和分區，允許關閉 某個域以進入深度休眠模式。本 文透過不同使用案例重點展示每 個核心的操作，說明如何盡可能地 降低能耗。
功能強大的微型引擎
這種新方法對物聯網而言非常 重要，因而將其命名為:TinyML。 其將深度學習網路縮小到適合整 合在微控制器上。這個概念並不 新鮮，智慧型手機具有神經網路， 可以實現音樂識別、多種相機模式 和各種其他功能，甚至在智慧手錶 中亦是如此。
其可執行以前僅屬雲端的分 析，幾乎毫無延遲地向機器發送命
但直到最近，TinyML才應用於 邊緣運算。
智慧和邊緣裝置在本機處做出 決策的能力，需要使用機器學習推 理，這是智慧型邊緣裝置的基礎。 邊緣出現的機器學習推理越來越
智慧型生產力
DESIGN CORNER