在科技日新月異的當今社會，人工智能 (AI) 的研究工作已取得驚人進展，計算機的用途也在不斷拓寬。

機器在執(zhí)行某些任務時比起人類更快、更精準。最著名的事件莫過于在2016年，AlphaGo通過機器的自主學習能力戰(zhàn)勝了圍棋世界冠軍柯潔。

當然，AI發(fā)展的如此迅速，也與人類智慧的不斷進步是密不可分的。

利用機器學習(ML)等方面的技術，開發(fā)人員可以創(chuàng)建更豐富多樣的應用，比如工業(yè)機器視覺、圖像分類、對象檢測、語音識別、自然語言處理、手勢和情緒檢測等，這些應用改變了我們生活的方式，提高了我們的住宅、辦公室、工廠、城市的安全性、智能化程度和便利性。

什么是機器學習？

機器學習相當于利用計算引擎來處理復雜的人工任務，但是它的速度更快，甚至能夠自主運行，無需人為的直接干預。在運行機器學習應用時，需要執(zhí)行海量的數(shù)學運算，總計可達到每秒數(shù)萬億次。

顯然，機器學習能夠提供給人們提供很多便捷功能，而這些功能對于智能家居、智能零售、智能工廠和智慧城市等應用領域而言是必不可少的。以前，機器學習需要成本昂貴而又復雜的云計算，也就是“基于云的人工智能”。但現(xiàn)在，很多機器學習操作可在網(wǎng)絡邊緣進行，在這里，智能互連設備提供更快的運行時響應、更低的延遲，可靠性、私密性和安全性更出色。

為什么要基于邊緣計算？

在利用云計算時，用戶需要使用本地網(wǎng)絡之外的計算資源。而通過邊緣計算的話，許多處理工作就可以在本地進行了！因此，一些私密性的數(shù)據(jù)也可以保存在本地網(wǎng)絡中，安全性得到了極大的提升。

邊緣設備還可執(zhí)行多種任務。在云計算流程中，邊緣設備通常用于過濾、預處理、存儲或緩沖數(shù)據(jù)。而現(xiàn)在，新技術進步——如集成神經(jīng)處理單元(NPU)，它為邊緣設備的用途開辟了可能性。

憑借可根據(jù)各類數(shù)據(jù)源（如攝像頭輸入）做出決策的邊緣設備，用戶能夠將重要數(shù)據(jù)保存在本地網(wǎng)絡中。這減少了必須上傳到云端的數(shù)據(jù)量，提高了系統(tǒng)的整體可靠性和安全性。還能夠實現(xiàn)更快的實時決策，因為數(shù)據(jù)傳輸?shù)皆撇⒌却刂祈憫獣黾友舆t，導致云計算架構無法處理一些應用。飛凌順勢推出了一款基于NXP i.MX8M Plus處理器所設計的FETMX8MP-C核心板！

i.MX 8M Plus特點

1、高性能NPU 2.3 TOPS算力（每秒兆級操作）

2、主頻高達2GHz的四核Arm Cortex-A53子系統(tǒng)

3、主頻可達800MHz的基于Cortex-M7的獨立實時子系統(tǒng)

4、用于進行語音和自然語言處理的高性能800MHz音頻DSP

5、雙攝像頭圖像信號處理器（ISP）

6、用于豐富圖形渲染的3D GPU

FETMX8MP-C核心板的處理器使用的是14nm FinFET工藝技術，因而具有低功耗和高性能，并具備多項新特性，包括支持兩個低成本高清圖像傳感器或一個4K分辨率圖像傳感器的雙攝像頭ISP，能夠處理人臉、物體對象和手勢識別等機器學習任務。 此外，它還集成了獨立的800MHz Cortex-M7以便處理實時任務并獲得低功耗支持、H.265和H.264的視頻編解碼、800MHz HiFi4 DSP和用于語音識別的8通道PDM麥克風輸入。工業(yè)物聯(lián)網(wǎng)特性包括支持時間敏感型網(wǎng)絡 (TSN) 的千兆以太網(wǎng)、兩個CAN-FD接口和ECC。人工智能和機器學習給計算機行業(yè)帶來了顛覆性的變化，這一變化將有助于改善我們的生活。相信利用飛凌的FETMX8MP-C核心板，將人工智能和機器學習移到邊緣，我們可以更快地迎來更美好的明天。