NXP ускоряет Edge AI с инструментарием eIQ

Пионер интернета Роберт Меткафф известен ко-инвенцией Ethernet, основанием 3Com и формулировкой закона Меткаффа, постулирующего, что ценность сети масштабируется с квадратом подключенных устройств. Пока критики предупреждали, что закон помог раздуть дотком-пузырь конца 1990-х, он остается полезным фреймворком для оценки ценности IoT, соцсетей и криптосетей. Сам Меткафф отмечал сложность квантования «связанности» и потенциал дискекономий, когда сеть превышает критическую массу.

По мере расширения IoT-рынка, раскрытие ценности зависит от оптимального обмена данными при митигации «цифровых выхлопов». Старший вице-президент NXP Джеф Лиз подсвечивает, что истинная экономическая ценность сети материализуется только когда каждое устройство может безопасно обмениваться данными. Облако-центричная обработка, хоть и удобна, не всегда выполнима — особенно для промышленных и авто-приложений, требующих низкой задержки и высокой надежности.

Edge Intelligence Environment (eIQ): ML на устройстве

Для решения этого NXP представила Edge Intelligence Environment (eIQ) — машинно-обучающий тулкит, поддерживающий TensorFlow Lite, Caffe2 и другие нейросетевые фреймворки. eIQ позволяет on-device inference для кейсов вроде распознавания голоса, компьютерного зрения и детекции аномалий, эффективно агрегируя знания сети на краю.

«Устанавливая модели инференса локально, мы сохраняем ценность данных сети и снижаем задержку», — объясняет Лиз. NXP планирует непрерывно бустить пограничную вычислительную мощность с каждым поколением полупроводников, акцентируя безопасность, обработку данных и локальное хранение. Девиз компании — «secure, aware, and connected» — отражает эту эволюцию.

Практические применения eIQ

Практические применения eIQ включают компьютерные визион-системы, детектирующие, носят ли промышленные рабочие каски, выявляющие небезопасную операцию оборудования или флагующие другие проблемы безопасности. В safety-критичных сценариях задержка отправки данных в облако неприемлема.

Маркус Леви, глава AI NXP, подчеркивает, что предоставление edge-вычислений и ML-возможностей должно быть таким же простым, как втыкание компонента. NXP также доставляет железо и софт, делающие безопасность plug-and-play, и разрабатывает «кулинарные книги», руководящие клиентов через развертывание TensorFlow и других ML-фреймворков.

Стоимость как барьер

Стоимость остается барьером. Гаври Чиндалор, ведущий стратег встроенных решений NXP, отмечает, что многие клиенты борются с расчетом системной стоимости для достижения желаемого пользовательского опыта. eIQ предлагает стоимоэффективный путь, позволяя клиентам специфицировать таргеты производительности — например, задержку инференса — и получать руководство по оптимальному процессору.

NXP партнерится с data-analytics фирмами для ретрofiта существующих промышленных сред, цитируя нефтяные вышки и шахты как примеры, где пограничная обработка критична для мониторинга опасных газов и безопасности шахтеров.

Наконец, Лиз подчеркивает, что централизация ценных данных в облаке расширяет поверхность атаки. Распределенные хранилища данных с гранулярными контролями доступа дополнительно снижают риск, усиливая аргумент за поддержание данных локально, где это возможно.

[IoT World — событие, переводящее IIoT от вдохновения к реализации, суперзарядка бизнеса и операций. Купите билет сейчас.]