人工智能（AI）是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想未來人工智能帶來的科技產品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。
 
但隨著AI從云到邊緣的發(fā)展，使得這一觀點正在迅速改變，AI計算引擎使MCU能夠突破嵌入式應用可能的極限，嵌入式設計已經能夠提高網絡攻擊的實時響應能力和設備安全性。
 
支持AI的MCU
云計算推動了對具有AI功能的MCU的需求；它減少了數據傳輸所需的帶寬，并節(jié)省了云服務器的處理能力，如下圖。
   
配備AI算法的MCU正在應用包含對象識別，啟用語音服務和自然語言處理等功能的應用程序。它們還有助于提高物聯網（IoT），可穿戴設備和醫(yī)療應用中電池供電設備的準確性和數據隱私性。
 
那么，MCU如何在邊緣和節(jié)點設計中實現AI功能？下面簡要介紹了三種基本方法，這些方法使MCU能夠在IoT網絡邊緣執(zhí)行AI加速。
 
三個MCU + AI場合
第一種方法（可能是最常見的方法）涉及各種神經網絡（NN）框架（例如Caffe 2，TensorFlow Lite和Arm NN）的模型轉換，用于在MCU上部署云訓練的模型和推理引擎。有一些軟件工具可以從云中獲取經過預訓練的神經網絡，并通過將其轉換為C代碼來針對MCU進行優(yōu)化。

在MCU上運行的優(yōu)化代碼可以在語音，視覺和異常檢測應用程序中執(zhí)行AI功能。工程師可以將這些工具集下載到MCU配置中，并運行優(yōu)化神經網絡的推論。這些AI工具集還提供了基于神經網絡的AI應用程序的代碼示例。
 
AI執(zhí)行模型轉換工具可以在低成本和低功耗MCU上運行優(yōu)化神經網絡的推論，如下圖所示。
 
第二種方法是繞過了對從云借用的預訓練神經網絡模型的需求，設計人員可以將AI庫集成到微控制器中，并將本地AI培訓和分析功能納入其代碼中。
 
隨后開發(fā)人員可以基于從邊緣的傳感器，麥克風和其他嵌入式設備獲取的信號來創(chuàng)建數據模型，并運行諸如預測性維護和模式識別之類的應用程序。
 
第三種方法是AI專用協處理器的可用性使MCU供應商能夠加快機器學習功能的部署。諸如Arm Cortex-M33之類的協處理器利用了諸如CMSIS-DSP之類的流行API來簡化代碼的可移植性，從而使MCU與協處理器緊密耦合，可加快AI功能，如協處理相關和矩陣運算。
 
上述軟件和硬件平臺演示了如何通過根據嵌入式設計要求開發(fā)的推理引擎在低成本MCU中實現AI功能。這很關鍵，因為支持AI的MCU很有可能在IoT，工業(yè)，智能建筑和醫(yī)療應用中改變嵌入式設備的設計。

關鍵詞：MCU