Covid-19 大流行、5G 網(wǎng)絡(luò)的普及和熟練制造工人的短缺。這些有什么共同點(diǎn)？它們是加速工業(yè)物聯(lián)網(wǎng) （IIoT） 增長的三大宏觀經(jīng)濟(jì)驅(qū)動因素。根據(jù)研究公司Statista的數(shù)據(jù)，隨著世界利用高速無線技術(shù)并接入云端以實(shí)現(xiàn)從農(nóng)業(yè)和智慧城市到未來的工廠車間。

這股浪潮已經(jīng)向兩個(gè)方向發(fā)展，制造商同時(shí)將他們的工作流推向數(shù)據(jù)中心，并推向 IIoT 網(wǎng)絡(luò)的邊緣。后一種趨勢特別有趣，因?yàn)檫@些 IIoT 端點(diǎn)設(shè)備不僅數(shù)量增加，而且變得越來越智能。這是為什么？簡而言之，低延遲要求、非常低功耗和端點(diǎn)成本的重要計(jì)算和人工智能能力、隱私和最小帶寬需求。

眾所周知，各行各業(yè)的制造商已經(jīng)意識到 IIoT 的潛力，即提供預(yù)測性維護(hù)通知以消除意外的設(shè)備故障，結(jié)合機(jī)器學(xué)習(xí)來提高生產(chǎn)力和缺陷檢測——甚至使護(hù)照生物特征識別系統(tǒng)加速機(jī)場安檢和登機(jī)。一些應(yīng)用程序因嚴(yán)重依賴云而得到很好的服務(wù)。例如，天氣預(yù)報(bào)、金融服務(wù)和精算科學(xué)都是收集、處理和分發(fā)大量數(shù)據(jù)集的領(lǐng)域，其中數(shù)據(jù)中心是處理大量計(jì)算任務(wù)的邏輯中心。

但是，還有許多其他應(yīng)用程序需要本地?cái)?shù)據(jù)捕獲和執(zhí)行。這些需要近乎實(shí)時(shí)的決策制定，而無需將工作負(fù)載移植到云端或從云端移植。亞馬遜的 Alexa 虛擬助手是具有即時(shí)反饋循環(huán)的設(shè)備的早期示例。控制身體佩戴的胰島素泵的血糖監(jiān)測儀是另一個(gè)必須立即傳達(dá)可操作信息的實(shí)例。這些用例受到延遲的限制，并且需要在傳感器節(jié)點(diǎn)本地執(zhí)行而不會將數(shù)據(jù)傳輸?shù)骄W(wǎng)絡(luò)端點(diǎn)。隨著物聯(lián)網(wǎng)越來越多地轉(zhuǎn)向語音和視頻領(lǐng)域的處理，這一點(diǎn)尤其正確。

工業(yè)物聯(lián)網(wǎng)領(lǐng)域發(fā)生了很多創(chuàng)新，特別是在基礎(chǔ)接入層，包括智能傳感器、執(zhí)行器、MCU、MPU、ASIC 和 I/O。接入層將傳感器網(wǎng)絡(luò)連接到整個(gè)控制平面，并且由于它最靠近網(wǎng)絡(luò)端點(diǎn)，因此它從先進(jìn)的控制、監(jiān)控和分析功能中受益匪淺。

這一層的早期工業(yè)物聯(lián)網(wǎng)應(yīng)用程序通常在 ASIC 或執(zhí)行更簡單任務(wù)的 MCU 上運(yùn)行。隨著設(shè)計(jì)人員采用能夠運(yùn)行人工智能算法和復(fù)雜計(jì)算功能的更先進(jìn)的 MCU、MPU 和神經(jīng)處理單元 （NPU），這種情況正在演變。即便如此，這些單核處理器也只能按順序執(zhí)行工作，首先感知數(shù)據(jù)，然后在向執(zhí)行器發(fā)送指令之前對其進(jìn)行處理。IIoT 的未來將演變?yōu)槎嗪?CPU、多線程神經(jīng)處理單元，甚至是低功耗、經(jīng)濟(jì)高效的 FPGA，驅(qū)動多個(gè)傳感器和執(zhí)行器的并行操作。這就是向 IIoT 端點(diǎn)發(fā)展的智能。

從 2017 年到 2025 年，端點(diǎn)數(shù)據(jù)創(chuàng)建增長預(yù)計(jì)將以 85% 的復(fù)合年增長率增長，我們預(yù)計(jì)隨著硬件和軟件的不斷成熟，將智能從云端驅(qū)動到工業(yè)物聯(lián)網(wǎng)邊緣的趨勢將在客戶中變得越來越普遍。然而，最終，只有當(dāng)我們以延長電池壽命和提高產(chǎn)品可靠性為目標(biāo)時(shí)，才能高效且可持續(xù)地將智能從云端轉(zhuǎn)移到 IIoT 端點(diǎn)。這是我在上一篇博客中提到的瑞薩“設(shè)計(jì)轉(zhuǎn)型”的一部分，也是我們尋求幫助客戶解決市場需求時(shí)的重要差異化因素。

審核編輯：郭婷