免费的毛片视频-免费的青榴视频在线观看-免费的三片播放器-免费的性L交A片Y-免费的又色又爽又黄的视频软件-免费夫妻生活片av

AI（Artificial Intelligence）*1的應(yīng)用范圍正在不斷擴(kuò)大，例如，在生產(chǎn)現(xiàn)場檢測不良產(chǎn)品，輸入單詞和文章生成自然文章和圖像的服務(wù)等。

AI的核心是AI運算。實際上，現(xiàn)在AI系統(tǒng)中的大部分運算，一般都是經(jīng)由互聯(lián)網(wǎng)在云端執(zhí)行計算*2的云AI。但是在云端進(jìn)行AI運算時，存在因?qū)?shù)據(jù)傳輸?shù)皆贫硕鴮?dǎo)致機密泄露等安全隱患，同時也存在因網(wǎng)絡(luò)通信量增加而導(dǎo)致成本增加，進(jìn)而導(dǎo)致響應(yīng)時間延遲等隱患。

因此，在IoT等方面，“邊緣AI”不會將終端（邊緣設(shè)備）獲取的數(shù)據(jù)傳輸?shù)皆贫耍怯妙A(yù)先嵌入終端的AI模型執(zhí)行運算，該技術(shù)正備受矚目*2。
在此介紹邊緣AI的特征、優(yōu)缺點、邊緣AI的應(yīng)用例等基礎(chǔ)知識，同時解說村田對邊緣AI的概念以及為實現(xiàn)該概念所做的努力。

*1 AI有各式各樣的定義，本文以使用深度學(xué)習(xí)（深層學(xué)習(xí)：自行提取并推測數(shù)據(jù)特征）方法的系統(tǒng)為前提來說明AI。深度學(xué)習(xí)是機器學(xué)習(xí)的一種，與以往的機器學(xué)習(xí)方法——事先被教授數(shù)據(jù)特征并推測——的顯著區(qū)別在于，深度學(xué)習(xí)會自行從數(shù)據(jù)中提取特征。

*2 計算有時僅指數(shù)據(jù)處理（運算處理或計算處理），但在此認(rèn)為是數(shù)據(jù)處理及一系列過程（如數(shù)據(jù)收集、傳輸和分析）以及與這些過程相關(guān)的服務(wù)組（SaaS：Software as a Service等）。另外，將AI在云端進(jìn)行數(shù)據(jù)處理的情況稱為云AI；同樣地，將AI在邊緣設(shè)備中進(jìn)行數(shù)據(jù)處理的情況稱為邊緣AI。

1. 邊緣AI機制―與云AI的比較

一般來說，AI使用通過經(jīng)驗性地學(xué)習(xí)已知數(shù)據(jù)而制作的AI模型*3進(jìn)行運算，并輸出“推理”的結(jié)果。例如，在工廠的生產(chǎn)線上，想通過產(chǎn)品的外觀圖像讓AI判斷“產(chǎn)品有損傷”時，會根據(jù)該生產(chǎn)線上設(shè)置的圖像傳感器的數(shù)據(jù)，由判斷有無損傷的AI模型進(jìn)行推理，并輸出其結(jié)果。

在此，讓我們重點看一下AI模型在哪里進(jìn)行運算，并輸出推理結(jié)果。因其運算位置而備受關(guān)注的AI是在云端運算的“云AI”和在邊緣（網(wǎng)絡(luò)末端）運算的“邊緣AI”（圖1），彼此的特征有很大不同。
以下，還是以工廠生產(chǎn)線為例，以在云AI和邊緣AI中對產(chǎn)品持續(xù)流動的生產(chǎn)線進(jìn)行實時推定（推理）為例，說明其結(jié)構(gòu)和特征。

*3 AI模型是經(jīng)過學(xué)習(xí)（從大量數(shù)據(jù)中提取規(guī)律性和模式等特征）等過程制作的。因此，根據(jù)學(xué)習(xí)中使用的數(shù)據(jù)不同，AI模型也不同。例如，在圖像識別中，將人或物的圖像數(shù)據(jù)輸入AI模型時，對于該圖像數(shù)據(jù)，該AI模型檢測和推理什么樣的人和物，取決于制作該AI模型時使用什么樣的圖像數(shù)據(jù)進(jìn)行學(xué)習(xí)。

首先，說明在云端運行AI的示例（圖1右）。云AI是在云端的大型服務(wù)器上執(zhí)行運算的機制，雖然可以處理大量的數(shù)據(jù)并進(jìn)行復(fù)雜的運算，但也存在以下?lián)鷳n。

• 因為總是使用云端資源，所以可能會導(dǎo)致成本增加

• 需要將在工序生產(chǎn)線上流動產(chǎn)品的視頻數(shù)據(jù)持續(xù)發(fā)送到云端，因其數(shù)據(jù)量大而對網(wǎng)絡(luò)造成負(fù)擔(dān)

• 在機密性高的生產(chǎn)線上應(yīng)用時，由于其視頻數(shù)據(jù)總是被發(fā)送到云端，因此存在泄露機密的風(fēng)險

如存在這樣的擔(dān)憂，可以通過在生成視頻數(shù)據(jù)的終端（邊緣設(shè)備）即圖像傳感器中搭載AI的邊緣AI（圖1左）來解決。

• 因為不使用云資源，所以可以控制成本

• 網(wǎng)絡(luò)負(fù)荷減輕，沒有云端處理的負(fù)荷，可以相應(yīng)地構(gòu)建效率較高的系統(tǒng)

• 生產(chǎn)線上流動產(chǎn)品的視頻原始數(shù)據(jù)不會被傳輸?shù)皆贫耍涣粼谠撛O(shè)備內(nèi)，所以即使是機密性高的生產(chǎn)線也可以放心使用

在邊緣AI中，針對每個邊緣設(shè)備預(yù)先嵌入輕量的AI模型，執(zhí)行AI運算并得到推理結(jié)果。例如，對于有瑕疵的產(chǎn)品，邊緣設(shè)備只會發(fā)送“產(chǎn)品有瑕疵”的推理結(jié)果，而不是發(fā)送瑕疵圖像的數(shù)據(jù)。

2. 邊緣AI的優(yōu)缺點

在前項中，以事例為基礎(chǔ)，涉及了邊緣AI的優(yōu)點——運用成本的控制、因通信量小而降低網(wǎng)絡(luò)負(fù)荷、來自邊緣設(shè)備的數(shù)據(jù)（原始數(shù)據(jù)）的機密性。這里進(jìn)一步深入總結(jié)這些優(yōu)點以外的優(yōu)缺點（表1）。邊緣AI具有很多優(yōu)點，最近，其低功耗的優(yōu)點也備受矚目（＜專欄＞對邊緣AI的期待日益升高）。

3. 邊緣AI在圖像識別和語音識別中的應(yīng)用

如上所述，邊緣AI具有運算結(jié)果響應(yīng)出眾，實時性和數(shù)據(jù)保密性高，以及通信成本低的優(yōu)勢。作為應(yīng)用該優(yōu)勢的代表用途：

• 利用圖像識別功能的監(jiān)視攝像頭；

• 利用語音識別功能的設(shè)備和機器人的操作。

以下，分別介紹各自的應(yīng)用例。

3.1 基于邊緣AI的圖像識別―邊緣AI攝像頭

搭載了AI運算功能的攝像頭稱為邊緣AI攝像頭，是能夠?qū)D像數(shù)據(jù)進(jìn)行AI推理的邊緣設(shè)備。在我們身邊，正在研究將其應(yīng)用于通過臉部認(rèn)證解鎖房門的智能鎖。另外，除了臉部認(rèn)證以外，還可以通過手勢識別進(jìn)行人物檢測和人流檢測，因此可以用作監(jiān)視用途。此外，在基礎(chǔ)設(shè)施領(lǐng)域，可以檢測落在鐵路線路或道路上的物體或入侵者；在FA領(lǐng)域，可以進(jìn)行異物混入檢查或形狀檢查，以及作業(yè)人員對重型機械和機器人的接近檢測等，因此可以說它是對智能工廠化有很大貢獻(xiàn)的設(shè)備。

3.2 基于邊緣AI的語音識別

邊緣AI還支持語音識別。例如，可以通過語音對機器人進(jìn)行動作指示、控制照明的點亮和熄滅、亮度調(diào)節(jié)等設(shè)定指示。即使在工廠雙手不得空閑或手臟而無法操作平板電腦設(shè)備等情況下，也可以通過語音指示操作平板電腦設(shè)備。此外，還可操作可穿戴終端和IoT設(shè)備等小型設(shè)備。為了在提高用戶體驗的同時提供安全性方面的優(yōu)點，很多企業(yè)都在關(guān)注這項技術(shù)。

4. 村田邊緣AI模塊

如上所述，邊緣AI是一種可以幫助解決云AI基本問題的技術(shù)。在這里，我將介紹村田對邊緣AI的措施和構(gòu)想，開發(fā)的邊緣AI模塊的性能以及前景。

4.1 邊緣AI模塊開發(fā)的契機和措施

村田面向智能手機等小型、薄型的高性能模塊進(jìn)行了開發(fā)并商品化，同時積累和運用了在此過程中開發(fā)的許多技術(shù)訣竅。而且，迄今為止，村田一直努力滿足以通信IC為首的多種小型封裝技術(shù)相關(guān)的顧客要求。能否將邊緣AI芯片也模塊化？來自主要IC供應(yīng)商的這一請求是村田開發(fā)邊緣AI模塊的契機。

在本模塊的開發(fā)中，首要關(guān)注的是為避免發(fā)熱而導(dǎo)致的運行障礙的散熱措施。模塊的部件集成度高，一般來說模塊的散熱對策很困難，我們通過下述措施來實現(xiàn)了散熱效率高的邊緣AI模塊：

• 安裝的芯片零部件的布置等設(shè)計上的措施；

• 通過電路布局的走線來確保散熱面積等結(jié)構(gòu)上的措施；

• 樹脂封裝所用材料上的措施。

此外，在采取散熱措施的同時，為避免因噪聲導(dǎo)致的運行問題，還注重遏制電磁噪聲的屏蔽措施，確保了更高的可靠性。

4.2 開發(fā)的邊緣AI模塊的性能

邊緣AI也搭載在最近幾年更加普及的單板計算機/單板微機（以下簡稱SC/OM）上。現(xiàn)對SC/OM和村田邊緣AI模塊進(jìn)行比較。
SC/OM的特點是可以與多種外部模塊協(xié)作，擴(kuò)展性很高。利用該特長，例如通過利用攝像頭模塊和圖像識別用的庫，可以構(gòu)建邊緣AI攝像頭的系統(tǒng)。另一方面，由于使用了通用的AI芯片，所以AI推理的速度較低，在AI運算部中需要使用冷卻風(fēng)扇的散熱措施，另外，有時還面臨著需要AI芯片和周邊IC用電源的設(shè)置空間問題。

另一方面，在村田的邊緣AI模塊的AI運算部，芯片采用了Google公司制造的AI運算功能專用的“Coral”，以2W以下的低功耗實現(xiàn)了比一般的SC/OM更高速的4TOPS*4的運算能力。此外，如前所述，由于采用了本公司專有的不使用冷卻風(fēng)扇的散熱措施，因此可以在不降低運算速度的情況下工作。
憑借這一性能，不僅應(yīng)用于攝像頭，還可以應(yīng)用于智能手機和行車記錄儀等多種邊緣設(shè)備。另外，還可以在嵌入式AI芯片等零部件上外置，系統(tǒng)設(shè)計靈活度高。

*4 TOPS：是Tera operations per second的縮寫，表示每秒可以進(jìn)行1兆次運算的單位。

4.3 邊緣AI模塊的前景

毫無疑問，隨著邊緣設(shè)備的普及，其使用數(shù)量的增加，需要可以應(yīng)對多種用途的邊緣AI。為了適應(yīng)這一趨勢，不僅需要做到體積更小、運行速度更快、功耗更低，而且還需要運行穩(wěn)定性和可靠性更高的邊緣AI模塊。
村田今后將通過形成AI推理功能專門化的模塊，提供小型、高速且低功耗運行的芯片，即邊緣AI模塊，為實現(xiàn)眾多邊緣設(shè)備所需的AI推理功能的應(yīng)用不斷做出貢獻(xiàn)。

＜專欄＞對邊緣AI的期待日益升高

預(yù)計在2030年，包括智能手機和平板電腦在內(nèi)，全世界連接了互聯(lián)網(wǎng)的攝像頭以及工廠等的機器人設(shè)備/FA設(shè)備上搭載的傳感器等邊緣設(shè)備的數(shù)量將達(dá)到290億臺。因此，全球邊緣AI市場預(yù)計將從2022年的156億美元增長到超過1074億美元。
另外，邊緣AI的處理器市場預(yù)計到2032年也將達(dá)到約110億美元（2022年達(dá)到約27.5億美元），在這10年間以15.56%的年均增長率增長。

這種邊緣AI市場預(yù)期擴(kuò)大的背景，可以考慮以下幾點：

• 可利用云AI所沒有的邊緣AI的規(guī)格優(yōu)勢——運算結(jié)果的實時響應(yīng)、數(shù)據(jù)隱秘性高、數(shù)據(jù)通信量低、可脫機連接——的領(lǐng)域，特別是在IoT中的普及

• 隨著數(shù)字社會和DX化的推進(jìn)，移動端和互聯(lián)網(wǎng)數(shù)據(jù)流量的增加（圖4）有望遏制功耗（表1 No.7）

近幾年，邊緣AI的遏制功耗這一優(yōu)點也越來越受到期待。
如上所述，現(xiàn)在的社會基礎(chǔ)設(shè)施的網(wǎng)絡(luò)形態(tài)一般是云端計算，但由于云端服務(wù)器的一直運行和數(shù)據(jù)的遠(yuǎn)距離傳輸帶來的熱損失等導(dǎo)致的功耗很大，因此被指出功耗的效率差。這個情況對云AI來說也是一樣。

因此，近年來，社會各界紛紛開始推進(jìn)通過分布式處理來提高功耗效率的邊緣計算和邊緣AI，而不是集中處理數(shù)據(jù)的云端計算。邊緣AI不依賴云端服務(wù)器即可在邊緣設(shè)備內(nèi)完成數(shù)據(jù)的AI運算，數(shù)據(jù)傳輸帶來的熱損失也很小，因此可以為數(shù)字社會的基礎(chǔ)設(shè)施中的大幅節(jié)省能源做出貢獻(xiàn)。