現(xiàn)今在人工智能驅動（AI-driven）的新興風潮下，人工智能和機器學習（AI/ML）正快速朝向網絡的邊緣端（Edge）發(fā)展- 即使是最小的物聯(lián)網設備也將很快得以運行AI/ML算法。這種持續(xù)性的演變也被行業(yè)稱為人工智能物聯(lián)網（AIoT）。在本篇博客中，Silicon Labs（亦稱“芯科科技”）產品營銷總監(jiān)Ravi Subramanian講解了集成AI/ML硬件加速器的 SiWx917超低功耗Wi-Fi SoC 如何為物聯(lián)網設備制造商簡化邊緣 AI的開發(fā)，以迎向AIoT商機。

近 10 年甚至更長時期以來，世界一直被數(shù)據和物聯(lián)網所驅動 - 大多數(shù)工業(yè)作業(yè)流程、各種類型的電器、智能家居和智能建筑都已或多或少通過物聯(lián)網來進行控制和監(jiān)控，在邊緣和云之間傳輸數(shù)據。不同于早期的 M2M（其中微小的數(shù)據包通過窄帶寬無線電周期性地發(fā)送），當今的云和生態(tài)系統(tǒng)連接的物聯(lián)網設備可通過Wi-Fi無線標準傳輸大量數(shù)據和流媒體視頻資料等等。然而，如今生成了海量數(shù)據更需要快速做出決策，使得云計算對于最終用戶而言效率低下 - 在云中處理數(shù)據的延遲過長，集中移動和存儲數(shù)據的成本也變得過高。

AIoT 挑戰(zhàn)

AIoT 指得是一種全行業(yè)的發(fā)展，物聯(lián)網設備制造商正在利用此一新概念來避免云計算的兩個最大劣勢 - 延遲和成本。

在物聯(lián)網的早期，傳感器等設備可以在數(shù)據源頭附近收集數(shù)據，并在設備的微處理器上本地執(zhí)行簡單的計算，以避免在云中處理所有讀數(shù)。在當時邊緣設備缺乏足夠的計算能力，并且沒有超低功耗 Wi-Fi 連接，因而限制了資源受限設備的用例和現(xiàn)場操作時間。

對于設備制造商而言，AIoT的挑戰(zhàn)是打造高性能、始終在線（Always-on）的云連接Wi-Fi物聯(lián)網設備，這些設備具有充足的計算和本地AI/ML處理能力，而且要在保持小型設計和較低BoM成本的同時，需要使用電池運行數(shù)月甚至數(shù)年。

幸運的是，摩爾定律仍然有效，幫助了芯科科技的工程師在單個半導體芯片上加入更多功能。即將于今年晚些時候發(fā)布的SiWx917，將成為市面上功耗最低的Wi-Fi 6 SoC，其在單一封裝中具有集成 AI/ML 加速器、內置專用微處理器內核和大量內存，即使在小型電池供電的物聯(lián)網設備上也能實現(xiàn)強大的計算和快速的 AI/ML 處理。

集成超低功耗 Wi-Fi 和 AI/ML硬件加速器的優(yōu)勢

SiWx917 支持的無線物聯(lián)網設備可以處理數(shù)據、音頻或圖像，并應用先進的 AI 算法和快速ML推理，在邊緣本地做出更復雜的決策。如往常一樣，超低功耗邊緣 AI 計算的優(yōu)勢與時間和成本有關。物聯(lián)網傳感器現(xiàn)在可以快速地在本地處理高要求的計算，而無需啟動 Wi-Fi 連接、傳輸數(shù)據和等待響應，避免了回到云端進行處理。

如果需要云計算，SiWx917 可提供超低功耗、始終在線的 Wi-Fi 6 連接，與競爭對手的 SoC 相比，電池壽命延長了一倍。即使傳感器處于休眠狀態(tài)，它也可以在接入點（WLAN 關聯(lián)模式）上保持 Wi-Fi活動狀態(tài)，從而實現(xiàn)連接快速啟動（Ramp-up）和高通量傳輸，以減少云計算的延遲和能耗。

由于 SiWx917 SoC 上集成了 AI/ML 加速器（矩陣矢量處理器, Matrix Vector Processor），終端設備（例如傳感器）可以直接在其 Wi-Fi 無線電單元（即 SiWx917）上處理數(shù)據，而無需喚醒和占用其中央微處理器，從而降低了終端設備的功耗，并進一步延長了電池壽命和充電時間間隔。

總體而言，超低功耗 Wi-Fi 和 AI/ML 確實是 AIoT 的完美組合，并且 SiWx917 為設備制造商提供單一封裝、配備了先進的傳感器集線器、一流的安全性等。

超低功耗Wi-Fi 和 AI/ML－云端的天作之合 

隨著世界越來越多地由 AI 所驅動，即使是最小的物聯(lián)網設備也將啟用 AI/ML 功能。作為設備制造商，您必須找到快速、經濟高效、可靠的解決方案來加速您的 AIoT 開發(fā)。

芯科科技的SiWx917 Wi-Fi 6 SoC 是一款針對電池供電物聯(lián)網設備優(yōu)化的完整邊緣計算解決方案。與競爭對手的 SoC 相比，可使 Wi-Fi 6 電池壽命延長一倍，而不影響無線性能和AI/ML計算能力。對于設備制造商而言，這降低了物料表和開發(fā)成本，簡化了設計，并提高了工業(yè)物聯(lián)網、樓宇自動化、智能家居、智能攝像頭和其他應用的可靠性。