如果您一直在關注物聯網的發展，那麼您就會知道，在這場革命的初期，使用者生成的資料不是在本地處理，而是在遙遠的雲資料中心處理。但很明顯，這並不是最有效的方法。從生成資料到資料中心再返回邊緣的往返時間太長，開銷太多，並且消耗了大量通訊資源。

恩智浦高階副總裁兼邊緣處理總經理Ron Martino說：“您不會注意到智慧恆溫器中的毫秒級延遲。但是對於工業機器人和許多實時系統而言，這可能造成安全隱患，而對於聯網車輛而言，這是生死攸關的問題。”

如果機器學習演算法在本地處理資料，則可以解決這些問題，前提是可以以合理的成本以相當小的尺寸提供足夠的處理效能。但是，在最初構想複雜的邊緣處理時，成本效益並不是優先考慮的事情，因此高階閘道器和雲計算機是解決方案。

不久之後，基於微處理器的SoC在效能，功能和成本降低方面取得了巨大的飛躍。儘管是通用處理器，但微控制器開始包括專用於特定任務的多個處理器，這些處理器具有強大的處理能力，多個無線協議，高階電源管理和其他功能。

如今，它們足夠強大，可以根據多個感測器彙總的資料做出決策。他們幾乎沒有延遲地將命令傳送到計算機，並且僅將小得多的資訊摘要傳輸到雲。除了接近零的延遲外，它們還降低了通訊和基於雲的處理成本、功耗，並在使用者位置保持專有資訊的安全。例如，智慧門鎖可以“識別出你”，從而在識別到人臉時進行解鎖，並且可以在本地儲存和處理影象資料，從而加快響應速度並增強隱私性。

因此，既然邊緣計算的採用範圍正在擴大，下一步就是增加更多的智慧以達到“感知”水平。如果這聽起來有些幻想，請考慮一下，基於微處理器的微型系統經過訓練後，現在可以進行機器學習並做出推論決策，而無需任何外部幫助，並且所需的功耗極小，其佔用的空間僅相當於郵票的大小。為這些系統新增感測器，它們一起成為資料生成、決策制定的動力。

Martino表示：“具有感知能力的邊緣更加智慧，並且能夠解決非常複雜的問題，因為有意識的裝置可以相互協作，並且對環境有更多的瞭解，可以以更深刻的見解採取行動。智慧裝置與感知裝置之間的區別在於，前者可以僅處理例如語音，並遵循其指令。而協作網路中的有意識的感知裝置可以結合細微差別，例如語音的語氣，面部表情以及手勢等。”

藉助邊緣智慧，來自多個智慧家居感測器的資料可以識別危險訊號（例如有人跌倒）並將警報傳送給其他人。而且，如果必須將某些資料傳送到雲，則智慧邊緣處理器會將其與其他資訊（例如有關語音的音訊配置檔案以及其他已透過身份驗證的資訊）匿名化。

“我們已經從可感知和記錄活動的家庭安防攝像機，發展到可以掃描人臉並識別家庭成員的預警攝像機，甚至可以向有關當局發出可疑活動的警報。他們還可以感知空間佔用情況，識別房子何時空著，然後自動部署安防系統。”Matino說道。

他繼續表示：“典型的安防攝像頭可能會捕獲小偷的影片，但是如果您在數小時後觀看，那並沒有什麼幫助。您可能有一個從凌晨2:33到凌晨2:45的時間戳來顯示事件，但是它所做的只是記錄盜竊行為，而不是做出任何有意義的決定。如果您可以新增意識和背景資訊，系統將在那個時間段發現一個陌生人，並在發生時向業主傳送警報。”

在可識別佔用空間的建築物中，可以處理來自攝像頭和其他感測器的資料以控制溫度和照明，從而最佳化能源效率。

為了進行預測性維護，可以收集並分析來自多個感測器的資料以查詢異常情況，並且系統會在故障之前就向用戶發出警報。

在車隊運營中，智慧可穿戴顯示器可以感應疲勞並向駕駛員發出聲音警報。如果駕駛員反應遲鈍，則可以決定通知公司的某人。使用機器學習，可以預測駕駛員何時何地可能會變得疲勞，這有助於提高安全性和生產率。

此外，憑藉感知能力，整個機場的視覺系統不僅可以檢測到遺棄的行李，還可以自動觸發對最後接觸行李者的整個機場範圍的搜尋。

在擁擠的市區，物體檢測系統可以對車輛進行分類並協調整個區域的交通，以增強交通流量。

這些只是可以在已知邊緣執行的功能中的一部分，所有這些功能都是透過小型低功耗裝置完成的，而其體積僅為邊緣計算機的一小部分。將來，感測器融合將繼續發展，可在使用多個感測器的任何應用中提高準確性。

實際上，此類解決方案必須在由電池供電的感測器所組成的環境中執行，而能源效率至關重要。也就是說，它們必須符合其操作環境。

為了解決這一問題，恩智浦引入了Energy Flex裝置架構，該架構允許根據需要在裝置（例如NXP的EdgeVerse處理器）中開啟和關閉部分電源。只有需要裝置活動時才需要提供電源。因此，大多數裝置可以保持在深度睡眠的低功耗狀態，但仍要對其環境保持警惕。恩智浦透過利用對技術的投資，例如FD-SOI技術來關閉洩漏源，對體系結構進行了增強，從而實現了更好的控制，透過動態調節降低了有功功率，從而將這一優勢遠遠超越了簡單的電源域和傳統的動態控制領域。

將來

從資料中心到邊緣的處理和分析過渡是非常新的，但轉眼間，它已經取得了巨大的飛躍。曾經被認為不可能在連線感測器的微型器件中進行分析的方法現在不僅可行，而且還可以在從面部和語音識別到物體檢測的實施。在未來幾年中，即使在低成本的家庭自動化和監視系統中，向邊緣的過渡也將變得司空見慣。為此，我們得益於曾經微不足道的微控制器的發展，這些微控制器已經發展到可以改變邊緣並將其範圍擴充套件到智慧建築和城市等領域。