《电子技术应用》
您所在的位置:首页 > 嵌入式技术 > 高端访谈 > 恩智浦持续推进MCU成为机器学习高效平台

恩智浦持续推进MCU成为机器学习高效平台

2018-11-12
作者:于寅虎
来源:电子技术应用
关键词: 恩智浦 微控制器

编者按:五年前,恩智浦资深副总裁兼微控制器业务线总经理Geoff Lees曾预测,全球微控制器的市场的推动力将来自于物联网。过去的五年验证了他的预言,MCU的增长空间就是物联网应用,物联网应用对MCU的性能和的功耗提出了新的要求,推动了新一轮MCU的更新换代。

 

人工智能和大数据推动着工业界升级换代,限于数据传输带宽和速率的制约,加强边缘计算能力正在日益成为解决这下瓶颈的重要手段。

现场截.jpg

恩智浦半导体微控制器事业部全球产品总监曾劲涛表示,作为边缘计算领域重要的处理核心,下一代MCU(微控制器)的增长点就是在机器学习,推动终端的机器学习能力是下一代MCU的增长点。

恩智浦所要做的不是基于云端的机器学习解决方案,而是聚焦于边缘计算领域的人工智能计算,从32位的MCU到i.MX6,都可以作为终端处理的机器学习,客户应用它们作为终端的计算。

为了推进MCU(微控制器)在边缘计算中机器学习能力的普及,恩智浦近几年不断加大战略布局,持续推进使得MCU成为边缘计算领域机器学习的重要平台。

 

边缘智能环境(eIQ):基于 MCU的机器学习开发工具包

    借助恩智浦面向重点应用领域推出的eIQ边缘智能软件环境和可自定义的系统级解决方案,边缘节点开发人员如今可利用数学升级来推动云上机器学习(ML)的历史性发展。

    据曾劲涛介绍,eIQ软件环境包括构建和优化云训练ML模型所需的工具,可在工业、物联网(IoT)和汽车应用等各领域资源受限的边缘设备中高效运行。一键式完成生产的解决方案专门面向语音、视觉和异常检测应用领域。通过节省成为ML专家所需的大量投资,恩智浦使成千上万家产品需要机器学习功能的客户得偿所愿。

    在恩智浦整个微控制器(MCU)和应用处理器产品线的支持下,eIQ可提供开发人员在边缘设备中实施ML所需的构件块。

    曾劲涛表示,恩智浦eIQ紧跟ML不断发展的步伐,持续进行扩展以包括下列功能:数据采集和管理工具;适用于各种神经网(NN)框架和推理引擎的模型转换功能,例如TensorFlow Lite、Caffe2、CNTK和Arm® NN;支持新兴的NN公司,例如GLOW和XLA;传统ML算法(例如支持向量机和随机森林);以及在恩智浦嵌入式处理器上部署异构处理模型的工具。

    此外,恩智浦最近还推出了一款软件基础架构(称为EdgeScale),旨在通过集中实现ML应用来统一边缘设备中的数据收集、管理和处理方式。EdgeScale可与基于云的人工智能(AI)/ML服务无缝集成,并支持在所有恩智浦设备(从低成本MCU到高性能i.MX和Layerscape应用处理器)上部署云训练模型和推理引擎。

 

面向机器学习打造全新系列安全MCU

为了实现保护物联网边缘设备和云至边缘连接安全的愿景,恩智浦半导体将强化的安全子系统和软件集成到安全执行环境(SEE)中,以提升信任、隐私和保密方面的性能标准。因而,恩智浦推出了基于Cortex-M33的解决方案LPC5500微控制器和i.MX RT600跨界处理器。

据曾劲涛介绍,为了提升机器学习速度和DSP计算性能,恩智浦具有战略性地选择了Cortex-M33架构,充分利用Armv8-M架构的首次全面功能实施方案。与现有的Cortex-M3/M0 MCU相比,具有显著的性能和安全平台优势(分别实现了超过15%至65%的改进)。

产品线.jpg

LPC5500 平台是一款面向工业和物联网应用的多核Cortex-M33 MCU,单核或双核Cortex-M33集成了DC-DC转换器,可提供业界领先的性能,而功率预算低于同类产品,最高达到90 CoreMarks/mA。高密度片上存储器,提供最多640KB闪存和320KB SRAM,可高效执行复杂的边缘应用。此外,恩智浦的自动可编程逻辑单元用于分担并执行用户定义任务,从而增强实时并行性能。

i.MX RT600跨界平台 是另外一款面向实时机器学习(ML)/人工智能(AI)应用的能效优化Cortex-M33/DSP MCU,具有较宽的电压和性能范围,采用最高300MHz的Cortex-M33和600MHz的Cadence® Tensilica® HiFi 4 DSP,提供最多4.5MB的共享片上SRAM ,可实现高效本地音频预处理、沉浸式3D音频播放和支持语音的体验。为DSP提供4个32位MAC、矢量浮点功能单元、256位宽访问数据总线,以及特殊激活函数(例如Sigmoid等传递函数)的DSP扩展,进一步增强机器学习性能。

 

多重防护确保边缘领域机器学习数据安全

作为老牌的MCU(微控制器)供应商,恩智浦依靠自身的安全技术专业知识,构建出通过硬件实现的多层保护机制。这种分层安全方法对于物理保护和运行时保护至关重要,可通过以下方式来保护嵌入式系统:1、基于硬件的不可变“信任根”的安全引导;2、基于证书的安全调试身份验证;3、加密的片上固件存储,提供实时的无延迟解密。

曾劲涛表示,这些功能与Armv8-M TrustZone®和内存保护单元(MPU)的Arm Cortex-M33增强功能相结合,利用基于硬件的存储器映射隔离来实现基于特权的资源和数据访问,从而实现物理保护和运行时保护。 

另外,在新款MCU产品中还增加了恩智浦独特的安全增强功能。

恩智浦基于ROM的安全引导过程奠定了设备可信任度的基石,它利用设备唯一密钥,创建不可变的硬件“信任根”。这些密钥现在能够由基于SRAM的物理防克隆技术(PUF)在本地按需生成,该技术利用SRAM位单元固有的自然变异特性。这样就可实现最终用户与原始设备制造商(OEM)之间的封闭式事务处理,从而杜绝在可能不安全的环境中进行第三方密钥处理。另外,密钥也可通过基于Fuse的传统方法来注入。

此外,恩智浦的SEE通过对SRAM PUF的创新利用,生成设备唯一的密钥,从而改进了边缘至边缘、云至边缘通信的对称和非对称加密。通过可信计算组织(TCG)制定的设备识别构成引擎(DICE)安全标准,公钥基础设施(PKI)或非对称加密的安全性得以增强。SRAM PUF根据DICE的要求,确保唯一设备密钥(UDS)的保密性。

据悉,新推出的解决方案支持非对称加密加速(RSA中密钥长度为1024至4096位,ECC),还支持最多256位的对称加密和哈希(AES-256和SHA2-256),提供针对mbedTLS优化的库。

此内容为AET网站原创,未经授权禁止转载。