在追求邊緣AI市場的過程中，Renesas必須在兩個不同的世界之間架起橋梁。更具概率性的AI領域處理數據和模型創建，而嵌入式領域的特點是更具確定性，做線性編程。Renesas必須在這兩個世界之間轉換，而不損害其在任何一個領域中的地位。

嵌入式系統的設計師可能會對AI好奇，但他們不一定對編程感興趣。更直接地說，AI讓他們感到不安。

這就是包括Renesas在內的領先的MCU/MPU供應商面臨的困境，他們覬覦著看似龐大的邊緣AI市場。

開發一種超低功耗的MCU/MPU架構、配備合理的靈活性和可編程性是基礎。但要贏得邊緣AI競賽，MCU/MPU供應商必須有一個明確的計劃和特定的策略。

首先，他們必須了解每個市場細分中客戶的需求和系統的限制。

其次，MCU/MPU供應商不能讓自己被拉向太多的方向。他們必須選擇一個能讓他們向上攀升并全力支持客戶的位置。

目前，Renesas已將其邊緣AI的關注焦點縮小到了HVAC領域。Renesas的商業加速和生態系統高級主管Kaushal Vora表示：“這是一種非常有針對性的方法。”他解釋到，Renesas為HVAC提供的邊緣AI解決方案的范圍從“硬件、固件參考設計和傳感器儀表到生產級數據集”。Renesas在OEM的HVAC系統中安裝了專業級實驗室，并“為他們收集高質量的數據”。

許多客戶可能不知道如何最好地將機器學習應用于HVAC，而Renesas會為這樣的客戶提供全方位的邊緣AI服務。這需要Renesas做一些繁重的工作。Vora承認，這意味著最初只能服務于“少數幾個戰略客戶”。

然而，與頭部企業的一些成功案例可能會在嵌入式系統領域中引發更多客戶對AI的興趣。Renesas正在設計類似的“入門套餐”來吸引更多的買家將邊緣AI應用到他們的系統中。

可擴展性

要成功地將AI添加到一系列嵌入式系統中，關鍵在于邊緣AI解決方案的可擴展性。執行副總裁Sailesh Chittipeddi聲稱，Renesas已經準備好用一系列的MCU和MPU來滿足不同客戶的需求，這將“根據所需的內存、性能和功耗來進行擴展。”

對于Renesas最簡單的解決方案，Chittipeddi說，“你可以選擇16位微控制器。隨著你的需求更高級，我們提供32位和64位的解決方案。但最終會遷移到集成神經處理器?！盧enesas提供一個名為“DRP AI”的AI加速器。

Renesas還提供一個FPGA解決方案，ForgeFPGA。他指出，“這是一種超低功耗的FPGA，成本在50美分或以下。”該公司從Flex Logix獲得了一個FPGA架構的授權，并將其優化。Chittipeddi解釋道，“使用FPGA的優點是你可以實際進行并行處理，這是CPU做不到的?！?/p>

通常，FPGA成本都比較高，但ForgeFPGA相對便宜。Chittipeddi說，Renesas找到了最佳平衡點。雖然ForgeFPGA最初作為一個獨立的產品提供，但它可以作為SiP（System in Package）集成到Renesas的其他芯片解決方案中。

但是，硬件并不能帶動AI芯片的銷售。關鍵在于供應商對客戶需求的了解有多深。Chittipeddi說：“當我們推銷我們的AI解決方案時，我們會探尋他們想從哪里開始，他們想實現什么?！?/p>

考慮到眾多的用例，Vora補充說，芯片供應商的一個重要標準是了解系統的限制。Vora說，Renesas會問客戶，“數據在哪里？數據需要在哪里運行？你能負擔將數據傳輸到網絡的另一層嗎？在傳輸數據時有什么安全問題？網絡效率如何？”

了解這些變量有助于Renesas擴展其解決方案。

大語言模型

AI芯片的客戶也非常關注快速發展的AI模型。

一些系統供應商提出，像ChatGPT這樣的新興大語言模型（LLM）的日益普及，已經顛覆了AI世界。他們想知道他們最近采用的高度優化的硬件是否能夠處理LLM的數學計算。

答案是：不能。

盡管Chittipeddi沒有完全忽視LLM的重要性，但他聲稱LLM并沒有對Renesas造成影響。他只說“我們正在研究它”，卻沒有進一步談論。

暫時來說，LLM可能只是一個插曲，讓系統設計師們從邊緣AI真正的問題上分心。

Vora說：“生成式AI之所以如此受歡迎，是因為OpenAI已經展示了它能夠訓練模型到可以使用的程度?！?/p>

他強調：“人們常常將AI的復雜度等同于模型的復雜度。”但今天的邊緣AI問題并不是缺乏復雜的AI模型。在Vora看來，問題在于數據集的完整性不足。

Vora說，隨著世界收集更多的數據，我們必須應對“數據重力”?！爱敂祿幌蛏蟼鬏數绞澄镦?，你開始失去數據重力……完整性?！?/p>

Vora觀察到，“如果你可以在數據源頭處理數據，你就可以擁有最準確、最完整、最可解釋的AI?！?/p>

Vora警告說，AI經常在數據傳輸到云端時截斷數據，改變結果，導致錯誤的結論?！斑@是今天AI問題的一大部分?！?/p>

Vora指出，運行網絡的效率也是邊緣AI面臨的另一個問題。“往返時間（或延遲）會增加幾毫秒”，也影響結果。

微垂直領域

半導體行業渴望從AI市場中攫取更多價值。

Vora估計，從歷史數據來看，芯片行業從智能手機市場中獲得了10%的價值，可能在PC時代獲得了15%。他說：“如果我們從過去的失誤中吸取教訓，我們可以從AI市場中提取50%的價值?！敝饕峭ㄟ^垂直化，構建完整的堆棧，和啟用正確的生態系統。這一直是Nvidia的做法。

Nvidia在AI市場的成功得益于CUDA（Compute Unified Device Architecture），這是由Nvidia開發的一個軟件框架。它吸引軟件開發者使用支持CUDA的GPU進行通用處理。

Renesas借鑒了麥肯錫的報告《Artificial-intelligence hardware： New opportunities for semiconductor companies》。在報告中，麥肯錫建議半導體公司關注AI市場中的“微垂直領域”。

Vora解釋，微垂直領域意味著從各種邊緣AI應用中選擇一個特定領域，并為客戶構建完整的垂直AI堆棧。

Renesas已將HVAC確定為一個初始的微垂直領域，這是一個創造價值的機會。

Renesas的微垂直策略中一個關鍵要素是去年夏天收購的Reality AI。

Reality AI是Renesas的原始生態系統合作伙伴之一。它為汽車、工業和消費品的高級非視覺感知提供一系列嵌入式AI和TinyML解決方案。Renesas看到了將Reality AI的邊緣AI軟件開發環境與其自身的MCU和MPU產品組合起來的機會。此次收購使Renesas能夠在每一個核心的MCU/MPU上提供“先進的信號處理、機器學習和異常檢測”。

考慮到嵌入式系統設計師們對AI的廣泛不適，Vora解釋說：“我們能夠為客戶提供的垂直整合越多，以及我們能夠提供給他們的指導和工具越多，我們就能夠為客戶提供更好的生態系統，以確定AI的發展方向。”Renesas的計劃是逐漸增加微垂直領域和更多的生態系統合作伙伴，找出對其它邊緣AI應用有用的工具。

從入門套餐到訂閱模式

通過與客戶合作，Renesas也在尋找盈利的機會。

根據Renesas的說法，目前約有11家公司在微垂直領域采購了“入門套餐”。他們支付的一次性費用范圍在20，000到70，000美元之間。下一步，Renesas會提供分級的訂閱模式，根據用戶的計算需求，訂閱費的范圍在36，000到120，000美元之間。

Renesas的業務模式是硬件銷售。然而，像“入門套餐”這樣的產品有機會讓他們更緊密綁定客戶。

這種模式與Nvidia類似，稱為“遷移學習”。“你拿一個對特定任務預訓練得到80-90%準確度的模型，然后你可以逐步教這個模型做客戶特定想做的事。有些客戶可能對此感到滿意，而有些客戶可能不會?！?/p>

Chittipeddi說，無論如何，這都創造了“進一步盈利的額外機會”。

無論是在IoT市場還是AIoT市場，AI應用中總是有太多的使用案例、變化和碎片化。通過吸引關鍵的生態系統合作伙伴，Renesas似乎比其它公司都在更出色地駕馭著邊緣AI的迷宮。