【芯视野】边缘计算攻“芯”计

【芯视野】边缘计算攻“芯”计bottle什么意思 2021年可谓边缘计算2.0的元年，产业链上下游亦加紧厉兵秣马寻觅新商机。在边缘计算2.0的定义中，以“边云协同”和“边缘智能”为核心能力发展方向，而硬件平台需更考虑异构计算能力，如Arm

2021年可谓边缘计算2.0的元年，产业链上下游亦加紧厉兵秣马寻觅新商机。在边缘计算2.0的定义中，以“边云协同”和“边缘智能”为核心能力发展方向，而硬件平台需更考虑异构计算能力，如Arm、X86、GPU、NPU、FPGA等，这些架构既互相借力又暗中较劲，加上背后的各有拥趸，使得落地“最后一公里”的争夺日趋激烈，而各种新型工艺和封装技术也在其中推波助澜，让边缘计算芯片的“此消彼长”之势不减。

异构“芯”主张

之所以异构计算为主力，无疑是细分化的需求使然。

如在工业物联网领域，赛灵思工业、视觉、医疗及科学(ISM)市场总监Chetan Khona就提及，主要考量在于：一是更智能、更多本地的AI分析。二是传感器数量越来越多，需要越来越多的吞吐量支持。三是众多应用都尽可能不连或少连电缆，对功耗的要求越来越高。四是随着竞争越来越激烈，成本压力也走高。对此他总结说，边缘计算芯片朝着更加智能、更高效能、更低成本和更小尺寸演进。

显然，这并不是某一种独立架构能“通吃”的。恩智浦边缘处理事业部软件研发总监翁铁成直言，如同搭“积木”一样，各种场景应用对AI算力的要求不一，需要选择不同的异构多核来成全。比如DSP对语音识别非常高效，GPU对图形处理效果好，针对摄像头处理，Arm的Cortex IP可发挥作用；需要神经卷积网络运算时NPU则发挥力量，相当于异构集成的SoC各成其就。

正如翁铁成的总结，针对AI，并不一定性能最高的就是最好的，而是需要最适合的。特别是在工业物联网中，追求的是性能、能耗和精度的平衡点。

这其中一些新变在悄然产生，让软硬兼施走上新里程。恩智浦边缘处理事业部系统工程总监王朋朋提到，以往边缘计算做AI运算都是用核处理，但核处理的运算能力并不是很强，目前都转向集成专门的运算单元，将AI的能力和操作放到运算单元中，而Arm核的工作不受影响。另外，随着主芯片强大的处理能力和丰富的外设集成，为软件的“进化”带来了新的可能。如恩智浦的跨界处理器可支持强大的操作系统，例如QNX等，还有诸如MicroPython等高级语言也开始进入MCU支持“谱系”。

除此之外，芯片只是“敲门砖”之一，终极较量还是全生态的比拼。恩智浦大中华区工业与物联网市场高级总监金宇杰认为，单提供芯片已无法满足边缘计算的需求，需要从三大层面助力，即芯片、云平台以及应用软件服务支持，从而让客户在AI场景的刚需尽快落地，并给予系统级的支持。

从工艺到封装

随着应用的推进，边缘计算芯片的“内功”也需不断走强。

金宇杰对此谈到，在边缘计算中，除算力之外，功耗一直是市场的痛点，客户都希望算力更强的同时降低能耗。此外，也越来越注重安全性，因为推理都在本地运行，客户越来越重视数据的安全性。恩智浦双管齐下，开发了两大新技术，EdgeLock着力于更高的安全性，Energy Flex技术则让能耗管理因地制宜。

为实现算力与功耗的双“平衡”，边缘计算芯片在工艺和封装的创新也在大步向前。

FPGA阵营悍将赛灵思就推出了全新的Artix和Zynq UltraScale+系列成本优化型产品组合。Chetan Khona介绍说，一是采用台积电16纳米FinFET工艺，相比市面上大多数方案多采用20nm、28nm及以上节点，因而在性能功耗比方面有更强的优势。二是通过独特的InFO扇出封装技术，使得产品面积减少60%，厚度下降70%，散热性更好。借助上述技术“革新”，UltraScale+器件从而可以紧凑的封装提供高计算密度、出色的性能功耗比以及可扩展性，应对智能边缘应用的需求。

王朋朋则提及，目前恩智浦高端MCU和中端MPU大致采用28nm FD-SOI工艺，特别是针对工业和消费类对低功耗要求较高的一些应用，但更高端的MCU和MPU都已进阶到12nm和16nm FinFET。据悉，恩智浦新一代可扩展、高性能处理器i.MX 9产品线的首个系列将通过16/12nm FinFET工艺，使得低成本的节能边缘机器学习成为现实。

FPGA阵营也在全力出击。赛灵思推出的Artix UltraScale+是全新系列FPGA，与Artix7系列相比在串行I/O速率大幅提升为16Gb/s，在提升算力的同时还提高了安全性。Zynq UltraScale+ SoC亦进一步扩展，加入超低功耗的新成员即ZU1。

“这既可填补原来由于成本和功耗问题造成的市场空白点，同时又通过更新换代顺应市场的需求变化，面向医疗、工业、测试设备、音视频与广播等多重应用。”Chetan Khona强调。

此消彼长

可以说，边缘计算正面临来自MCU、GPU、NPU、DSP、FPGA的多方角力，尽管各种架构各出奇招，不过最终的格局还是要看各方实力、落地速度以及生态的全面考量。

Chetan Khona指出，赛灵思采取的策略是差异化，凭借FPGA的可编程性和灵活性，并在安全性、可扩展性、实时性层面全面满足工业物联网应用的基本诉求，打造优势所在。

上述这些力量的对比可说是非常微妙的，“彼可取而代之”之势不时在上演。

王朋朋举例说，在电机控制领域，恩智浦RT系列提供多PWM通道和串行接口，可支持多电机的控制。因其实时性和效率比较高，可支持更加快速的闭环电流环控制。从技术上来看，在一些场合已可采用此类芯片替代原来的DSP等架构。

基于MCU在嵌入式领域累积的优势，金宇杰乐观说，MCU在边缘计算领域占比或占半壁江山。当然，各大细分领域有不同侧重点，或以DSP为主导，或有FPGA一席之地，但已呈现出越来越综合的趋势。未来随着异构的算力不断提升，界限也将更趋模糊。

对于边缘计算的竞合之势，集微咨询高级分析师陈跃楠最后认为，最终比拼重心仍是算力，而未来在国际形势不确定性以及国产替代交互影响的作用下，仍将大者恒大。（校对/清泉）