一眼看上去，邊緣計算似乎是一個平淡無奇的話題，我們只要使用需要的任何Arm或RISC-V解決方案就可以搞定，但請仔細想一想，如果我們想要在這些邊緣設備中加入大量功能呢。假如我們不關心功耗、性能和成本，那么一切都應該是可能的，所以讓我們繼續添加一些很酷的功能。當然，我們必須考慮現實的問題，邊緣節點設備一般不可以用常用的插座或移動電話級電池供電。功耗、供電以及成本的限制并不一定意味著我們想象的產品是無法實現的，但我們確實需要更加仔細地考慮如何構建它們。

?

首先介紹我們最想改進的東西。攝像頭至少要跟上手機攝像頭的速度，因此增加了遙控和語音激活功能。VR和AR耳機需要識別頭部和身體位置，以正確定位游戲場景或現實場景中AR覆蓋的位置。耳機也變得越來越智能，可以通過耳道的獨特結構進行智能識別，可以識別語音命令來更改播放列表或撥打電話，甚至可以檢測到跌倒或監測心率和其他生命體征。家庭安全系統可以識別異常的聲音（如打碎玻璃）或在房屋周圍的攝像機上檢測到的異常信息。

每種功能的實現都需要多種計算資源。首先需要人的干預，這些功能強大的產品都無法單獨使用。在某些情況下，通信可能是相對較短短的協議，如藍牙或Wi-Fi，在其大多情況下可能需要蜂窩網絡的支持，通過NB-IoT進行小型數據包傳輸（例如對停車時間進行計時）或通過LTE或5G進行寬帶支持（例如無人機或4k/8k視頻流）。無論選擇哪種協議，都需要一個調制解調器，而對于蜂窩網絡，它可能需要通過波束成形來支持MIMO，以確保正常的連接。

調制解調器是一個大問題，最好留給專家。我們可以購買獨立芯片，但是一個邊緣產品至少需要2個芯片（其他產品需要一個）。這也意味著它更加昂貴，而且更耗電，電池使用壽命絕對不可能達到十年，甚至可能不到10小時。PPA的最佳選擇是具有嚴格電源管理的集成調制解調器，尤其適用于功率放大器。

現在考慮一下傳感計算，其中一個典型的例子是9軸傳感器，融合了來自3軸加速度計，3軸地磁傳感器和3軸陀螺儀的原始數據，就像可能在VR/AR耳機中使用的那樣。這些傳感器可以一起提供關于固定地球框架的定位和運動信息，這正是我們需要的真實虛擬游戲體驗，或者針對您想要管理的真實機器定位虛擬支持信息和控制。

這種融合需要更多的計算，要用到大量的三角函數和濾波，這可以通過多種方式實現，但在使用期間需要始終保持開啟。可以考慮人類響應的時間，但需要滿足其持續性需求。我們可以通過集成芯片解決方案實現這一目標，但是出于前面提到的所有PPA原因，理想的解決方案將嵌入到單芯片SoC中。由于融合算法是數學密集型的，因此DSP非常適合。

還有一個例子，在產品中嵌入AI。目前，AI在邊緣設備中正在快速發展，例如語音控制。這需要多個組件：音頻波束成形、噪聲管理和回聲消除，以及文字識別觸發器。波束成形、回聲消除（特別是室內）和噪聲濾波都是DSP功能。也許這些在其他平臺上也是可行的，但永遠不會與基于DSP的產品競爭。觸發詞識別涉及神經網絡（NN），這是人工智能的核心。在許多情況下，它需要與語音識別相結合，需要識別出誰在說話而不是說了什么。同樣，DSP是NN實現頻譜中公認的低功耗、高性能選項，其性能高于CPU，FPGA和GPU，但低于谷歌TPU等全定制解決方案。

GPU在AI領域非常有名，但主要用于神經網絡訓練和原型或成本以及功耗不敏感的應用。移動VR耳機可能基于這些平臺上，但它們很昂貴（一個芯片約1美元）而且電池壽命較短。

最后，開創性的產品的全面運行需要一定程度的遠程功能，但我們不希望它始終依賴于這一功能。并且我們希望敏感信息（如健康數據、信用卡、面部識別等）通過安全連接傳輸到云平臺，而不至于被黑客攻擊。當然我們也不希望半自動無人機因為與基站失去聯系而撞到樹上，或者因為其他人攔截了我們的控制而飛走。這意味著我們的設備需要更高的智能化和自主性，從而避免碰撞，進行路徑查找和目標對象檢測，而無需什么都依賴于云。這意味著需要在邊緣需要更多的AI。

我在這里談到的所有功能都在DSP平臺上得到支持，有些功能可以在一個DSP上進行多路復用。但可能仍需要CPU或MCU用于管理、授權、配置一些算法。人工智能并非如此;我們可以獲得CPU/MCU的基本功能，但與DSP平臺相比，它們往往非常有限。

責任編輯：ct