恩智浦自由选择了大型XPUAI处理器的路线|极速百家乐官网

  • 时间:
  • 浏览:4882
  • 来源:极速百家乐
本文摘要:曾劲涛解释说,恩智浦利用专用协助处理器模块连接协助处理器,延缓卷积、关联、矩阵运算、传输函数和过滤器等机械学习和DSP功能的执行速度,与CortexM33相比,性能提高了约10倍。在MCU和应用于处理器产品线的反对下,eIQ软件环境可以为开发者获得在边缘设备中实施机械学习所需的部件,并将继续扩展以包括以下功能:1

语音的体验。恩智浦还为DSP获得了4个32位MAC、矢量浮点功能单元、256位宽采访数据总线、转录函数(Sigmoid等传输函数)的DSP扩展,进一步加强了机械学习性能。

恩智浦在这两种产品中自由选择了Arm最近使用的Cortex麦克风内核,是Arm麦克风8麦克风结构的首次全面功能实施方案。与现有的CortexM3和CortexM0相比,CortexM3具有明显的性能和安全性平台优势。

CortexM33的主要特性之一是专用协同处理器模块,构建了联合协同处理器的高效构建,扩大了CPU的处理能力,同时维持了大部分生态系统和工具链的互换性。曾劲涛解释说,恩智浦利用专用协助处理器模块连接协助处理器,延缓卷积、关联、矩阵运算、传输函数和过滤器等机械学习和DSP功能的执行速度,与CortexM33相比,性能提高了约10倍。协助处理器还利用罕见的CMSIS-DSP库调用(API)修改客户代码的重制。

多层维护机制确保边缘计算的安全性,为了维护物联网边缘设备和云至边缘连接的安全性,恩智浦将增强的安全性子系统和软件构到安全性继续执行环境(SEE),提高信赖、隐私和保密性的性能标准。在LPC5500微控和i.MX的RT600跨境处理器中,恩智浦构建了硬件构建的多层维护机制。这种分层安全方法对物理维护和运营时的维护至关重要,可以通过以下方法维护嵌入式系统:1.基于硬件的不可逆向信赖根的安全领导2.基于证书的安全性调整身份验证3.加密片上的固件存储,获得动态的无延迟解密。

这些功能与Armv8、TrustZone和内存保护单元(MPU)的ArmCortexm33强化功能相结合,利用基于硬件的内存相同的构造隔绝,构筑基于特权的资源和数据采访,构筑物理维护和运营时的维护。安全性领先过程利用设备唯一的钥匙,创造不可逆转的硬件信赖根。这些钥匙现在需要根据SRAM的物理防止克隆技术(PUF)在当地按需分解,该技术利用SRAM单元固有的自然变异特性。

这样,可以实现最终用户和完整设备制造商(OEM)之间的封闭事务处理,防止第三方密钥处理在可能不安全的环境中进行。此外,钥匙也可以通过基于Fuse的传统方法流通。

恩智浦恩智浦的安全性继续执行环境,通过对SRAM-PUF的创意利用,将设备唯一的密钥分解,改进了边缘到边缘、云到边缘通信的平面和非对称加密。可靠计算的组织(TCG)制定的设备识别包括发动机(DICE)的安全性基准、公共钥匙基础设施(PKI)或非对称加密的安全性。SRAMPUF根据DICE的拒绝,保证了唯一的设备钥匙(UDS)的秘密性。据了解,新上市的解决方案反对非对称加密加速(RSA密钥长度为1024至4096位,ECC),反对至少256位的平面加密和哈希(AES-256和SHA2-256)优化mbedTLS的库。

曾力涛说,以前我们经常听到的芯片后门大多是为了调整剩下的模块,被黑客挖掘出来展开反击。恩智浦基于CortexM33制作的新产品,通过物理维护和运营时的维护,可以实现安全性调整和加密调整,大幅度降低通过后门hack芯片的可能性。恩智浦与Dovermicrosystems合作,在未来的平台上引进了Dover的CoreGuard技术。

CoreGuard是基于硬件的主动防御安全性IP技术,可以立即截击违反预先制定的安全性规则的命令,嵌入式处理器本身需要防御软件的脆弱性和网络的反击。终端机器学习是MCU的下一个成长点,今年6月恩智浦发表了几个RT系列的跨境处理器产品。在当时的采访中,恩智浦老副社长兼微控制器业务线社长GeoffLees回答说,恩智浦自由选择自由选择了大型XPUAI处理器的路线,希望将小型人工智能的核心重新加入到一些微处理器和微控制器的框架中,这样的战略在这次产品交流会上,曾劲涛再次指出恩智浦不会专注于边缘末端推理小说计算芯片,可以用云AI计算产品。

终端机器学习是MCU的下一个增长点,他讲述了对未来的辨别,相比之下,恩智浦在未来1-2年内不会推出硬件机器学习加速芯片。10月16日,恩智浦在巴塞罗那全球ARMTECHCON和物联网大会上推出了EIQ边缘智能软件环境和可定制化系统级解决方案。eIQ软件环境还包含建设和优化云培训机器学习模式所需的工具,可以在工业、物联网和汽车等领域资源有限的边缘设备上高效运行。

据了解,eIQ软件环境将于今年11月推出alpha版本。在MCU和应用于处理器产品线的反对下,eIQ软件环境可以为开发者获得在边缘设备中实施机械学习所需的部件,并将继续扩展以包括以下功能:1.数据收集和管理工具;2.传统机械学习算法(如反对向量机和随机森林);3.限于各种神经网络框架和推理小说引擎的模型切换功能,如TensorFlow.Lite、Caffe2、CNTK和Arman;4.反对GLOW和XLA等新兴的NN公司;5.在TensororFlin机器上嵌入的工具。此外,恩智浦还推出了一款名为EdgeScale的软件基础架构,可以通过专注于构建机器学习来统一边缘设备中的数据收集、管理和处理方式。

EdgeScale可以与基于云的人工智能/机械学习服务无缝构建,反对在包括低成本MCU到高性能i.MX跨境处理器在内的所有恩智浦设备上部署云训练模式和推理小说引擎。曾劲涛在聊天中多次强调,eIQ和edgeScale两种产品不是恩智浦面向云AI计算,而是面向工业控制、以太网动态传输等领域,目的是获得终端设备和云之间的连接服务,解决问题恩智浦早就意识到意识到边缘节点的处理技术可以推进顾客的机械学习,GeoffLees说:因此,恩智浦制定了可扩展的机械学习解决方案和eIQ工具,希望能够帮助顾客更好地提供从云到边缘的设备原创文章允许禁止发表。

下一篇文章发表了注意事项。


本文关键词:设备,机械学习,构建,极速百家乐

本文来源:极速百家乐-www.skthepopstar.com