如果我們要在智能家居、智能健康和智能城市中實現有意義的人工智能 （AI） 和機器學習 （ML） 方面的真正進步，那么滯后和延遲是不可接受的。

高效的 AI 推理需要能夠實時推斷、預處理和過濾數據的高效端點。與云端或云端邊緣的計算不同，正如瑞薩電子首席執行官 Hidetoshi Shibata 所說，端點代表了“真正的行動點”。例如，可以預測何時需要維護的家用電器，或者可以警告用戶心臟異常的語音交互可穿戴設備，如果它在端點應用機器學習算法，延遲接近零，則更有用。

而這正是瑞薩微控制器 （MCU） 大放異彩的地方。在行業標準網絡上訓練的 AI 模型嵌入芯片中，為設計工程師提供性能、帶寬和響應能力，以有效實現和增強新興的智能應用。Shibata 先生最近告訴麥肯錫分析師，高級端點編譯器軟件使客戶能夠“在將它們移植到我們的電路板之前完全在云中測試功能，然后最終在我們的芯片上無縫實施這些功能” 。

“雖然還提供了更改功能或算法的靈活性，”他說，“這種動態可配置的硬件架構讓客戶享受硬件處理速度帶來的好處。”

事實上，智能家居、智能健康和智能城市應用程序的用戶不能或不會等待幾毫秒來處理人工智能數據。因此，將數據傳輸到云的固有延遲可能會破壞這些以消費者為中心的領域的進展。這聽起來很明顯，但很少有競爭的 MCU 旨在實現快速處理。

隨著機器學習推理向設備端點轉移，“這種集成的人工智能將成為支持‘感知’技術的復雜組合的基礎，以創建具有更自然、‘類人’通信和交互的智能應用程序，”總裁 Sailesh Chittipeddi 博士瑞薩電子美國公司首席執行官和首席執行官，最近在《嵌入式計算》雜志上撰文。

“此外，”Chittipeddi 博士寫道，“圍繞人工智能加速器、自適應和預測控制以及語音和視覺硬件和軟件的進步融合為各種智能設備開辟了新的用戶界面功能。”

讓我們來看看智能家居、健康和城市領域可能會有什么。

智能家居應用

智能家居在很多方面都是“傳感器豐富”的應用。智能家居將使用傳感器來收集和處理從環境信息到用戶活動的各種數據。這些應用程序以提供“完全便利”為指導原則，傾向于使用人工智能進行預測分析和定制用戶與家庭環境的交互。

例如，冰箱會隨著時間的推移學習調整其溫度設置。或者電視將學習根據當時房間內發生的情況改變音頻輸出——因此在聚會或烹飪時聲音和音樂不會被震聾。語音界面還可用于教導或訓練設備，以及在設備離線時提供信息。

智能健康應用

在延遲方面，智能健康應用程序的要求會更高。可以預測何時需要更換電池的起搏器可以很好地挽救生命。可以實時警告用戶心臟異常的心電圖 （ECG） 傳感器也可以挽救生命。嵌入 ECG 傳感器中的 ML 算法可以檢測到心跳或節律的中斷并立即發出警報。

人工智能算法也被用于預測胰島素泵何時可能用完患者的特定劑量，并預測何時需要劑量。否則，泵可能無法在正確的時間輸送正確的劑量，從而使患者處于危險之中。

智慧城市應用

在智慧城市中，傳感器可以收集各種信息——從污染水平到交通延誤——可用于預測交通狀況，甚至確定空氣質量警報。

智慧城市應用同樣需要低延遲。能夠檢測交通密度并相應調整亮度以防止交通事故的智能路燈可以挽救生命。注入 AI 和 ML 的監控攝像頭可以檢測交通流量的變化，這可能意味著發生了事故，并可以立即向緊急服務部門發出警報，也可以挽救生命。

在城市交通等場景中，駕駛員將受益于警告前方減速的人工智能警報。智能停車場可以使用人工智能算法來監控汽車的狀態，并根據用戶偏好的隱私或安全級別準確地為車輛充電或放電。

在城市和交通控制方面，嵌入智能交通燈的人工智能算法同樣能夠通知司機、行人和騎自行車的人減速或停止前方的交通。再一次，信息將以接近零的延遲傳遞。智能車輛路線——例如，避免嚴重擁堵——可能是最具挑戰性的應用。

靈活性是關鍵

隨著機器學習算法開始主導智能家居、健康和城市應用，處理數據的速度將比以往任何時候都更加關鍵。對于像瑞薩這樣的公司來說，這意味著提供最智能、最靈活的 MCU，可以優化數據處理速度，同時還可以靈活地更改功能或算法。

今天支持快速處理的同一個 MCU 明天可能支持完全不同的算法。這使得包含靈活 CPU 的 MCU 平臺成為啟用端點 ML 應用程序的理想選擇。

審核編輯：郭婷