Covid-19 大流行、5G 網絡的普及和熟練制造工人的短缺。這些有什么共同點？它們是加速工業物聯網 （IIoT） 增長的三大宏觀經濟驅動因素。根據研究公司Statista的數據，隨著世界利用高速無線技術并接入云端以實現從農業和智慧城市到未來的工廠車間。

這股浪潮已經向兩個方向發展，制造商同時將他們的工作流推向數據中心，并推向 IIoT 網絡的邊緣。后一種趨勢特別有趣，因為這些 IIoT 端點設備不僅數量增加，而且變得越來越智能。這是為什么？簡而言之，低延遲要求、非常低功耗和端點成本的重要計算和人工智能能力、隱私和最小帶寬需求。

眾所周知，各行各業的制造商已經意識到 IIoT 的潛力，即提供預測性維護通知以消除意外的設備故障，結合機器學習來提高生產力和缺陷檢測——甚至使護照生物特征識別系統加速機場安檢和登機。一些應用程序因嚴重依賴云而得到很好的服務。例如，天氣預報、金融服務和精算科學都是收集、處理和分發大量數據集的領域，其中數據中心是處理大量計算任務的邏輯中心。

但是，還有許多其他應用程序需要本地數據捕獲和執行。這些需要近乎實時的決策制定，而無需將工作負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反饋循環的設備的早期示例。控制身體佩戴的胰島素泵的血糖監測儀是另一個必須立即傳達可操作信息的實例。這些用例受到延遲的限制，并且需要在傳感器節點本地執行而不會將數據傳輸到網絡端點。隨著物聯網越來越多地轉向語音和視頻領域的處理，這一點尤其正確。

工業物聯網領域發生了很多創新，特別是在基礎接入層，包括智能傳感器、執行器、MCU、MPU、ASIC 和 I/O。接入層將傳感器網絡連接到整個控制平面，并且由于它最靠近網絡端點，因此它從先進的控制、監控和分析功能中受益匪淺。

這一層的早期工業物聯網應用程序通常在 ASIC 或執行更簡單任務的 MCU 上運行。隨著設計人員采用能夠運行人工智能算法和復雜計算功能的更先進的 MCU、MPU 和神經處理單元 （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行工作，首先感知數據，然后在向執行器發送指令之前對其進行處理。IIoT 的未來將演變為多核 CPU、多線程神經處理單元，甚至是低功耗、經濟高效的 FPGA，驅動多個傳感器和執行器的并行操作。這就是向 IIoT 端點發展的智能。

從 2017 年到 2025 年，端點數據創建增長預計將以 85% 的復合年增長率增長，我們預計隨著硬件和軟件的不斷成熟，將智能從云端驅動到工業物聯網邊緣的趨勢將在客戶中變得越來越普遍。然而，最終，只有當我們以延長電池壽命和提高產品可靠性為目標時，才能高效且可持續地將智能從云端轉移到 IIoT 端點。這是我在上一篇博客中提到的瑞薩“設計轉型”的一部分，也是我們尋求幫助客戶解決市場需求時的重要差異化因素。

審核編輯：郭婷