iMX8M Plus為邊緣計算賦能

哦哈喲

在科技日新月異的當今社會(huì )，人工智能 (AI) 的研究工作已取得驚人進(jìn)展，計算機的用途也在不斷拓寬。
機器在執行某些任務(wù)時(shí)比起人類(lèi)更快、更精準。最著(zhù)名的事件莫過(guò)于在2016年，AlphaGo通過(guò)機器的自主學(xué)習能力戰勝了圍棋世界冠軍柯潔。

當然，AI發(fā)展的如此迅速，也與人類(lèi)智慧的不斷進(jìn)步是密不可分的。
利用機器學(xué)習(ML)等方面的技術(shù)，開(kāi)發(fā)人員可以創(chuàng )建更豐富多樣的應用，比如工業(yè)機器視覺(jué)、圖像分類(lèi)、對象檢測、語(yǔ)音識別、自然語(yǔ)言處理、手勢和情緒檢測等，這些應用改變了我們生活的方式，提高了我們的住宅、辦公室、工廠(chǎng)、城市的安全性、智能化程度和便利性。
什么是機器學(xué)習？機器學(xué)習相當于利用計算引擎來(lái)處理復雜的人工任務(wù)，但是它的速度更快，甚至能夠自主運行，無(wú)需人為的直接干預。在運行機器學(xué)習應用時(shí)，需要執行海量的數學(xué)運算，總計可達到每秒數萬(wàn)億次。

顯然，機器學(xué)習能夠提供給人們提供很多便捷功能，而這些功能對于智能家居、智能零售、智能工廠(chǎng)和智慧城市等應用領(lǐng)域而言是必不可少的。以前，機器學(xué)習需要成本昂貴而又復雜的云計算，也就是“基于云的人工智能”。但現在，很多機器學(xué)習操作可在網(wǎng)絡(luò )邊緣進(jìn)行，在這里，智能互連設備提供更快的運行時(shí)響應、更低的延遲，可靠性、私密性和安全性更出色。
為什么要基于邊緣計算？在利用云計算時(shí)，用戶(hù)需要使用本地網(wǎng)絡(luò )之外的計算資源。而通過(guò)邊緣計算的話(huà)，許多處理工作就可以在本地進(jìn)行了！因此，一些私密性的數據也可以保存在本地網(wǎng)絡(luò )中，安全性得到了極大的提升。


邊緣設備還可執行多種任務(wù)。在云計算流程中，邊緣設備通常用于過(guò)濾、預處理、存儲或緩沖數據。而現在，新技術(shù)進(jìn)步——如集成神經(jīng)處理單元(NPU)，它為邊緣設備的用途開(kāi)辟了可能性。
憑借可根據各類(lèi)數據源（如攝像頭輸入）做出決策的邊緣設備，用戶(hù)能夠將重要數據保存在本地網(wǎng)絡(luò )中。這減少了必須上傳到云端的數據量，提高了系統的整體可靠性和安全性。還能夠實(shí)現更快的實(shí)時(shí)決策，因為數據傳輸到云并等待控制響應會(huì )增加延遲，導致云計算架構無(wú)法處理一些應用。飛凌順勢推出了一款基于NXP i.MX8M Plus處理器所設計的FETMX8MP-C核心板！

FETMX8MP-C核心板的處理器使用的是14nm FinFET工藝技術(shù)，因而具有低功耗和高性能，并具備多項新特性，包括支持兩個(gè)低成本高清圖像傳感器或一個(gè)4K分辨率圖像傳感器的雙攝像頭ISP，能夠處理人臉、物體對象和手勢識別等機器學(xué)習任務(wù)。 此外，它還集成了獨立的800MHz Cortex-M7以便處理實(shí)時(shí)任務(wù)并獲得低功耗支持、H.265和H.264的視頻編解碼、800MHz HiFi4 DSP和用于語(yǔ)音識別的8通道PDM麥克風(fēng)輸入。工業(yè)物聯(lián)網(wǎng)特性包括支持時(shí)間敏感型網(wǎng)絡(luò ) (TSN) 的千兆以太網(wǎng)、兩個(gè)CAN-FD接口和ECC。人工智能和機器學(xué)習給計算機行業(yè)帶來(lái)了顛覆性的變化，這一變化將有助于改善我們的生活。相信利用飛凌的FETMX8MP-C核心板，將人工智能和機器學(xué)習移到邊緣，我們可以更快地迎來(lái)更美好的明天。
官網(wǎng)鏈接：https://www.forlinx.com/