芯耀
340
在物聯(lián)網(wǎng)（IoT）領(lǐng)域，人工智能（AI）無處不在，并且發(fā)展迅猛（因此稱為AIoT）。我們逐漸意識到，單純依賴云端AI存在諸多問題：延遲高、成本大（耗電服務(wù)器、傳輸費用）、不穩(wěn)定（鏈路中斷），還有隱私風(fēng)險。將更多AI處理任務(wù)轉(zhuǎn)移到本地，在IoT設(shè)備上完成，這些問題得以解決。然而，幾乎所有AIoT應(yīng)用仍需依賴互聯(lián)才能真正發(fā)揮作用，因為本地智能處理后的結(jié)果必須傳輸?shù)酵獠渴澜?。既然IoT設(shè)備上的AI承擔(dān)了更多計算，是否意味著，我們只需要一個輕量級的連接來負(fù)責(zé)與云端或其他設(shè)備通信？答案是否定的。無線連接技術(shù)本身也在變得更加智能。在通信協(xié)議層面，使用AI可提升可靠性與效率，引入新型通道感知方式，甚至在一群相關(guān)的AIoT設(shè)備之間支持分布式學(xué)習(xí)。AI與通信之間的聯(lián)系不僅沒有減弱，反而愈發(fā)緊密！
機遇
據(jù)預(yù)測，到2030年，基于TinyML芯片組的物聯(lián)網(wǎng)設(shè)備出貨量將達(dá)到60億臺，覆蓋農(nóng)業(yè)、智能家居、交通運輸、可穿戴設(shè)備、醫(yī)療健康、智慧城市和公共事業(yè)等多個領(lǐng)域。根據(jù)不同應(yīng)用場景，這些設(shè)備必須支持一系列通信協(xié)議，從蜂窩網(wǎng)絡(luò)和Wi-Fi，到藍(lán)牙與802.15.4協(xié)議。可以料想，任何打造AIoT產(chǎn)品的公司都不會僅僅滿足于將AI和連接功能簡單拼接，而是會將通過更深層次的整合解決方案來打造差異化產(chǎn)品。這種整合會是什么樣子？
AI助力通信
在復(fù)雜的通信環(huán)境中，AIoT設(shè)備必須動態(tài)地選擇干擾最小、可用性最高的信道，并能夠根據(jù)接入點或基站的環(huán)境條件和流量需求調(diào)整通信策略。過去，這種通道評估/優(yōu)化由預(yù)設(shè)查找表完成，如今已無法滿足更復(fù)雜的需求，必須借助AI來管理。
這種優(yōu)化不僅關(guān)乎吞吐量。對于安全關(guān)鍵型應(yīng)用，如車聯(lián)網(wǎng)（V2X）或外科與工業(yè)機器人等場景，超低延遲是基礎(chǔ)要求。這是5G蜂窩標(biāo)準(zhǔn)（及后續(xù)標(biāo)準(zhǔn)）的關(guān)鍵組成部分，需網(wǎng)絡(luò)與終端設(shè)備共同保障，而AI驅(qū)動的信道優(yōu)化正日益成為這二者的保障。
另一個新興的應(yīng)用是定位，能幫助我們在智慧城市中準(zhǔn)確找到像包裹、共享單車這樣的移動設(shè)備，非常實用?；九c邊緣設(shè)備之間的通信可提供飛行時間（ToF）與到達(dá)角度（AoA）數(shù)據(jù)，但其精度可能受到信號反射及其他因素的影響。AI可以通過長期學(xué)習(xí)來克服這些限制。
通信賦能AI
這是一個非常有前景的方向，通過通信技術(shù)，特別是Wi-Fi和移動網(wǎng)絡(luò)，為AIoT設(shè)備增加一項新的感知能力。系統(tǒng)會監(jiān)測信道狀態(tài)信息（CSI），這種信號常常會受到障礙物或人走動的影響，然后匯總房間、辦公室、整棟樓甚至整座城市中多個設(shè)備的數(shù)據(jù)，它可以判斷出是否有人或物體在移動，甚至能精細(xì)到檢測出呼吸頻率。
這種感知輸入非常依賴智能處理，以便從噪聲中提取有用信號，過濾反射和無關(guān)動作（如天花板風(fēng)扇、寵物活動），從而專注于人類活動。這項技術(shù)可以應(yīng)用于家庭安防、手勢識別以及非侵入式健康監(jiān)測。
AIoT在該類應(yīng)用中的具體作用仍在不斷發(fā)展，但正如許多其他場景所顯示的那樣，邊緣設(shè)備（如智能音箱、智能電視、智能插座等）具備一定程度的AI處理能力正逐漸成為必需，因為它們天然分布于環(huán)境各處。本地智能也有助于對數(shù)據(jù)進(jìn)行預(yù)處理，減少需傳輸至中央樞紐進(jìn)行最終分類的數(shù)據(jù)量。
另一個同樣引人關(guān)注的例子是聯(lián)邦學(xué)習(xí)。對于成批系統(tǒng)（如車輛、自動駕駛汽車、自動清潔設(shè)備等），學(xué)習(xí)必須是一個持續(xù)進(jìn)行的過程，不能每次都把海量數(shù)據(jù)傳回云端進(jìn)行訓(xùn)練。相反，訓(xùn)練應(yīng)首先在各個邊緣系統(tǒng)本地進(jìn)行，隨后將優(yōu)化后的AI模型在本地節(jié)點間之間共享，最后再統(tǒng)一上傳到云端進(jìn)行整合和優(yōu)化。這就是聯(lián)邦學(xué)習(xí)中“聯(lián)邦”的含義。每個邊緣系統(tǒng)都要把自己學(xué)到的東西貢獻(xiàn)出來，共同提升整個系統(tǒng)的智能水平。邊緣AI顯然發(fā)揮了作用，而通信也不可或缺——因為它要負(fù)責(zé)把本地訓(xùn)練的成果高效上傳，也要把最新的全局模型下載回來。
同時具備通信與AI技術(shù)和專業(yè)能力的企業(yè)極為罕見。Ceva正好擁有這樣的專長，并擅長提供將AI和通信高度集成的整體解決方案，也能提供支持兩者并行協(xié)作的靈活選項。若您想了解當(dāng)前行業(yè)的發(fā)展趨勢，或看看我們能如何助您一臂之力，歡迎訪問我們的官網(wǎng)或致電聯(lián)系。
