iMX8M Plus為邊緣計算賦能

哦哈喲

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勝了圍棋世界冠軍柯潔。

當然，AI發展的如此迅速，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，開發人員可以創建更豐富多樣的應用，比如工業機器視覺、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，需要執行海量的數學運算，總計可達到每秒數萬億次。

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”。但現在，很多機器學習操作可在網絡邊緣進行，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，一些私密性的數據也可以保存在本地網絡中，安全性得到了極大的提升。


邊緣設備還可執行多種任務。在云計算流程中，邊緣設備通常用于過濾、預處理、存儲或緩沖數據。而現在，新技術進步——如集成神經處理單元(NPU)，它為邊緣設備的用途開辟了可能性。
憑借可根據各類數據源（如攝像頭輸入）做出決策的邊緣設備，用戶能夠將重要數據保存在本地網絡中。這減少了必須上傳到云端的數據量，提高了系統的整體可靠性和安全性。還能夠實現更快的實時決策，因為數據傳輸到云并等待控制響應會增加延遲，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！

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。工業物聯網特性包括支持時間敏感型網絡 (TSN) 的千兆以太網、兩個CAN-FD接口和ECC。人工智能和機器學習給計算機行業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。
官網鏈接：https://www.forlinx.com/