知乎上有好人统计了《西游记》的故事情节。从保护唐僧遇到各种困难和障碍到最终获得真经，神奇的孙悟空一路上遇到了各种危险，并求助了22次。观音菩萨和天神不断帮助大圣解决各种危险。每次战斗不赢，大圣总是想脱离妖魔的围困，跳进云里，开车跟着斗云寻找各种神仙。经过一番口舌纠缠，虽然总能及时帮忙化险为夷，但唐僧、弟弟八戒、沙僧难免要苦一阵子，或者遭受一些皮肉之苦。

芯片采购网专注于整合国内外授权IC代理商现货资源，芯片库存实时查询，行业价格合理，采购方便IC芯片，国内专业芯片采购平台。

如今，随着人工智能的日益普及，越来越多的终端设备依靠云中的大神（中心计算能力）来实现各种智能功能。虽然看起来很方便，但许多场景不可避免地会面临各种问题和潜在的隐患，甚至各种事故风险。边缘设备监控的各种数据通过网络传输到云中，不仅可能导致许多应用程序场景中难以忍受的延迟，还可能导致隐私数据泄露造成的严重数据安全。”ADI公司高级业务经理李勇在最近的一次演讲中说。根据市场分析数据，2020年中国边缘计算市场规模为91亿元，未来增长空间十分广阔，预计到2030年中国边缘计算市场规模将接近2500亿元。

计算能力下沉迫切需要边缘智能赋能多种应用场景

根据Gartner预计2025年将在数据中心和云外产生75%的数据，并在边缘侧处理。边缘计算在减少延迟、带宽需求、保护隐私数据等方面的价值得到了广泛的认可，并在工业数智化中的应用也不断出现。边缘计算作为一个集网络、存储、计算和应用能力于一体的分布式计算平台，可以实时分析和处理本地数据。数据不需要实时返回云，缩短延迟，减少网络带宽资源的需求，确保应用的安全高效运行。

火在海里取水，海水虽多，火不灭，远水不灭近火。·说林上这句话，简单的二十多字，说明了一个简单而重要的道理，即使在科技飞速发展的今天，依然具有现实意义。在智能应用中，由于时间敏感，边缘(近)智能的应用场景随处可见。

例如，森林火灾监测、公路、铁路或大坝坍塌监测一般较偏远，通常没有良好的通信网络，但快速决策和预警非常关键，因此必须快速判断边缘。这种应用时间非常敏感。传统的云监控可能需要向云发送一组图片，这对网络流量有很高的要求。通过监控端的自主智能识别，可以快速实现安全报警，避免更严重的灾害损失。” 李勇指出。

除了边缘端的快速智能决策外，这些应用程序对功耗的敏感性也决定了边缘端的独立决策。任何更换电池的运行和维护成本都可能比设备本身更贵。李勇说出了另一个关键点。边缘智能决策的优点是避免频繁的数据传输和数据采集造成的高功耗，这也使得这些应用场景对边缘智能方案的低功耗特性提出了更高的要求MCU或FPGA在电池供电的低功耗边缘智能应用中，智能解决方案仍面临挑战，市场需要具有超低功耗特性的新一代解决方案。

今年3·15晚会曝光的行走追踪器——儿童智能手表被黑客入侵成窃听器；2021年，某品牌摄像头事件数万家庭偷拍视频传播销售；2021年家庭物联网Pink事件导致国内智能家居设备受控数百万...近年来，随着具有音频监控和视频监控功能的智能设备的普及，类似的信息安全事故层出不穷。这些智能设备需要将边缘监控数据传输到云进行数据处理。没有人希望家里有一个设备可以随时通过图片或语音监控你的家庭活动。你不确定这些音频和图像数据是否会被别有用心的人使用。李勇指出。

四大核心能力使智能从云到边缘不可或缺

AI技术使机器以前完全不可能的方式观察、倾听和感知世界。过去，将AI推理布局到边缘意味着从传感器、摄像头和麦克风中收集数据，然后将数据发送到云中实现推理算法，然后将结果发送回边缘。由于延迟和能耗大，这种架构对边缘智能的普及极具挑战性。低功耗微控制器作为替代方案，可用于实施简单的神经网络操作，但延迟会受到影响，只能在边缘执行简单的任务。如何实现更复杂的边缘智能？ADI集成神经网络加速器MAX78000低功耗微控制器通过独特的架构设计提供了新的选择，实现了计算能力、功耗、延迟和集成的平衡，为机器视觉、面部识别、目标检测和分类、时间数据处理和音频处理提供了理想的选择。

边缘智能的典型应用场景是声音识别和图像识别，众所周知，卷积神经网络（CNN）是一种高效的识别方法，被广泛重视。卷积神经网络以其局部权值共享的特殊结构在模式识别方面具有独特的优势，CNN算法广泛应用于人工智能机器学习、语音识别、文档分析、语言检测和图像识别。MAX78000的核心是神经网络加速器。它是专门为语音和图像识别设计的操作加速硬件，可以最大限度地减少卷积神经网络的功耗和延迟。

我们看到市场上有许多边缘智能处理器实际上只支持软件算法，而不是硬件加速。MAX78000采用了64个CNN平行处理器可以支持最多的卷积预算层数和通道数。李勇指出，MAX78000的CNN加速器是完全有，非常新颖。其设计目标是最小化数据移动，这是众所周知的芯片功耗负担，特别是在处理中CNN当配置复杂时。”

此外，MAX78000还集成了两个MCU核心用于系统控制，即Arm Cortex-M4处理器和32位RISC-V其中处理器Arm Cortex-M4F处理器以100MHz运行时，客户可以编写任何系统管理代码，RISC-V处理器的独特功能是支持数据快速加载到神经网络加速器，功耗低，用户可以使用任何微控制器内核将数据输入卷积神经网络的引擎。而MAX78000具有432KB与低功耗微控制器上运行的软件解决方案相比，权重存储空间在配置和加载数据后，MAX78000运行AI推理速度快100倍，功耗不到1%。

低功耗是许多边缘智能应用场景的关键要求，MAX78000除了基于CNN加速器和双核处理器架构还提供高效的片内电源管理，集成单电感多输出(SIMO) 开关模式电源，最大限度地延长电池供电物联网设备的电池寿命。基于产品集成度高、体积小，许多应用程序都需要李勇说MCU或GPU或FPGA这些方案通常需要片外存储器PMIC，该方案在成本、尺寸和功耗方面都具有巨大的挑战性。”

优化声音识别和图像识别应用，聚焦边缘智能主轨

5G随着物联网的发展和各行业的智能转型升级，大量数据将在边缘积累，基于边缘的数据分析和处理将成为智能市场增长的主要力量。基于云计算的边缘智能可能只适用于一些大型企业，如数万、数十万客户支持服务器，可以支持云的成本。许多基本的控制应用，边缘端的独立智能更具成本效应，也符合隐私保护的考虑。李勇指出。

随着数据规模的不断扩大，云计算在工业制造、自动驾驶、远程医疗等场景下的及时性、传输距离、安全性等方面的不足，边缘侧的重要性日益显现。接近数据源的边缘计算不仅可以提供低延迟、高可靠性的服务，还可以确保数据安全和实时处理。IDC预计未来50%以上的数据需要在边缘侧存储、分析和计算，这对边缘侧的硬件系统提出了更高的要求。

在边缘智能中，声音智能识别和图像智能识别是最重要的应用领域之一。仅2021年，智能扬声器的市场出货量就达到了3896万台，基于人脸识别的各种智能门禁、考勤机和大门应用层出不穷。基于语音和人脸识别的边缘智能是当前市场的重要领域，ADI的MAX78000为这类应用提供了丰富的支持，从产品方案到工具优化和生态。智能识别数据的收集和数学模型的建立和训练非常重要，李勇说ADI提供声音识别和face ID 识别demo客户下载程序Crystek代理并在此基础上改和学习。我们还拥有非常有经验的第三方生态合作伙伴，提供数学模型培训和数据收集。

据悉，MAX目前，78000已广泛应用于森林防火监测、地质灾害监测和智能家居。许多类似但不涉及公共安全的应用程序也需要实现当地的快速智能决策，如摩托车自行车爱好者希望随时随地实现语音控制开发产品，类似于助听器语音控制、风力发电设备安全监控等预测性维护等。李勇补充说：这种基于超低功耗硬件计算能力、高集成、小尺寸、低成本的边缘智能解决方案正在为越来越多的应用领域提供真正可行的智能授权解决方案。我们可以看到，类似的创新应用程序正在不断推出。”