Βιομηχανική Πéripherie AI Απαιτεί Περισσότερο Από Ραώ Δύναμη Υπολογισμού

Για δεκαετίες, ο σχεδιασμός του υλικού περιφέρειας ακολούθησε μια απλή ιεραρχία: μεγιστοποίηση του throughput, και στη συνέχεια διαχείριση της ισχύος και των θερμικών γύρω από αυτό. Η ραώ υπολογιστική δύναμη ήταν το όριο που όλα τα άλλα χτίστηκαν κάτω από αυτό. Αυτή η λογική είχε νόημα όταν τα περιφερειακά συσκευές ήταν σταθερά, τα περιβάλλοντα ήταν ελεγχόμενα, και η κεντρική επεξεργασία μπορούσε να χειριστεί οτιδήποτε η περιφέρεια δεν μπορούσε. Ωστόσο, καμία από αυτές τις συνθήκες δεν ισχύει στα σημερινά βιομηχανικά περιβάλλοντα, και η παλιά ιεραρχία καταρρέει λόγω αυτού.

Οι оперάτορες βιομηχανικών εγκαταστάσεων τώρα推 đẩy την αυτοματοποίηση με βάση το AI απευθείας στο πάτωμα του εργοστασίου, απαιτώντας έξυπνη, αποφασιστική δράση όσο πιο κοντά γίνεται στις επιχειρήσεις. Η φιλοδοξία είναι σωστή. Αλλά η μετάφραση αυτής της φιλοδοξίας σε αξιόπιστο υλικό που εκτελείται υπό πραγματικές βιομηχανικές συνθήκες απαιτεί την ανασκόπηση του σχεδιασμού του chip από την αρχή.

Μια νέα ιεραρχία περιορισμών

Η παγκόσμια αγορά βιομηχανικής περιφέρειας προβλέπεται να αυξηθεί από 21 δισεκατομμύρια δολάρια το 2025 σε σχεδόν 45 δισεκατομμύρια δολάρια μέχρι το 2030, και οι απαιτήσεις υλικού που escalar μαζί με αυτή την αύξηση φαίνονται фундамεντικά διαφορετικές από ότι οι σχεδιαστές chip έχουν ιστορικά βελτιστοποιήσει. Όσο η αυτοματοποίηση με βάση το AI μεταφέρεται από ελεγχόμενα περιβάλλοντα δοκιμών σε ζωντανούς πάτωμα εργοστασίου, η ιεραρχία περιορισμών που διέπει τις αναπτύξεις περιφέρειας έχει αναστραφεί αποτελεσματικά:

1. Ισχύς τώρα λαμβάνει την πρώτη θέση. Οι συνεχείς επιχειρήσεις απαιτούν ευέλικτους τρόπους ελέγχου για να μειώσουν το σπατάλη και να ελαττώσουν το κόστος που συνδέεται με την ανάπτυξη συστημάτων AI περιφέρειας.
2. Θερμικοί και περιβαλλοντικοί παράγοντες μπορούν να επηρεάσουν σημαντικά την απόδοση. Οι βιομηχανικές εγκαταστάσεις εισάγουν περιβαλλοντικές ακραίες συνθήκες όπως υψηλές θερμοκρασίες και θερμική ρύθμιση, καθώς και πιθανή σκόνη και υγρασία, όλα τα οποία μπορούν να μειώσουν την λειτουργικότητα απρόβλεπτα.
3. Καθυστέρηση και детерμινισμός είναι απαραίτητοι σε περιπτώσεις που απαιτούν ακρίβεια, όπως αυτές που βρίσκονται σε βιομηχανικές εγκαταστάσεις, καθώς η έγκαιρη και ακριβής δράση μπορεί να κάνει τη διαφορά μεταξύ επιτυχίας και αποτυχίας.
4. Ραώ διαύγαση έρχεται τελευταία σε αυτό το παράδειγμα. Αν και είναι σημαντική, η εύρος ζώνης και η διαύγαση είναι λιγότερο κρίσιμες όταν οι ενσωματωμένες ικανότητες είναι καλές. Η κρίσιμη επεξεργασία και η λογική συμβαίνουν στη συσκευή, μειώνοντας την ανάγκη για συνεχή μετάδοση σε κεντρικό σύστημα επεξεργασίας.

Η αναστροφή αυτών των περιορισμών απαιτεί από τους σχεδιαστές να υιοθετήσουν μια νέα προσέγγιση όταν σχεδιάζουν για την βιομηχανική περιφέρεια, μια που λαμβάνει υπόψη περισσότερα από την ραώ υπολογιστική δύναμη.

Βρίσκοντας το “σωστό”

Στα περιβάλλοντα ανάπτυξης, για παράδειγμα όταν σχεδιάζουμε einen βιομηχανικό ρομπότ στο πάγκο εργασίας, οι GPU μπορεί να κάνουν πολύ καλά. Είναι υψηλής απόδοσης και αποτελεσματικοί συντελεστές που μπορούν να επεξεργαστούν μεγάλες ποσότητες δεδομένων γρήγορα και ακριβώς. Ωστόσο, αυτές οι διαδικασίες συμβαίνουν σε ελεγχόμενα περιβάλλοντα.

Οι βιομηχανικές συσκευές εγκαθίστανται συχνά σε παλιές εγκαταστάσεις σε λειτουργία. Μπορούν να είναι κινητές. Η ισχύς, ο χώρος και η θερμική ικανότητα προκαθορίζονται από το περιβάλλον, όχι από τις ανάγκες της συσκευής. Αυτό αφήνει μόνο τον σχεδιασμό του chip ως τη μεταβλητή, και το γενικό-σκοπό silicon δεν είναι καλά προσαρμοσμένο για να καλύψει αυτόν τον ρόλο. Είναι είτε πολύ σκληρό είτε πολύ ευρύ για να ικανοποιήσει τις συγκεκριμένες, συνεχείς απαιτήσεις της βιομηχανικής περιφέρειας.

Για παράδειγμα, οι SoC με ενσωματωμένα NPUs προσφέρουν ένα μεσαίο επίπεδο για αυτούς τους τύπους κατασκευών, προσφέροντας χαμηλή ισχύ και robust deterministic χαρακτηριστικά. Ωστόσο, tend να αποτύχουν σε απαιτητικά περιβάλλοντα περιφέρειας λόγω του σχεδιασμού τους, ο οποίος είναι βελτιστοποιημένος για σποραδική λειτουργία σε θερμικά περιορισμένα περιβάλλοντα. Một σχεδιασμός που εστιάζει στην ανάκρουση-εικασία κάνει τους αξιόπιστους για τις πιο σύνθετες πραγματικότητες των βιομηχανικών εγκαταστάσεων.

Για να κάνουν την αυτοματοποιημένη βιομηχανική λειτουργία μια πραγματικότητα, οι σχεδιαστές χρειάζονται κάτι ενδιάμεσο: chips που είναι αρκετά ευέλικτοι για να καλύψουν ευρείες лакκές αλλά αρκετά συγκεκριμένοι για να χειριστούν ειδικές εφαρμογές.

FPGAs: Ένας πιο ικανός συνεργάτης

Ολοένα και περισσότεροι développers περιφέρειας αρχίζουν να χρησιμοποιούν τα πεδία προγραμματιζόμενων πυλών (FPGAs) ως την απάντηση. Κρίσιμα, τα FPGAs δεν τοποθετούνται ως μια ολική αντικατάσταση για τις GPU, CPU ή άλλες κεντρικές επιλογές επεξεργασίας. Αντίθετα, λειτουργούν ως συνεργάτες chips, που βρίσκονται δίπλα στις πρωταρχικές επεξεργαστές για να χειριστούν τις εργασίες που το γενικό-σκοπό silicon χειρίζεται κακώς σε πεδία: συνεχής παρακολούθηση αισθητήρων, πραγματική προ-επεξεργασία, детерμινιστική απόκριση και έλεγχος ισχύος.

Ανάλογα με την αρχιτεκτονική, αυτές οι συνεργάτες συσκευές μπορούν να τοποθετηθούν δίπλα στην GPU ή CPU, ή να τοποθετηθούν πιο κοντά στον αισθητήρα, δίνοντας στους σχεδιαστές ευελιξία στο πώς και πού αυτό το φορτίο εργασίας αποφορτίζεται. Η ικανότητα να λειτουργήσει σε αυτόν τον συνεργάτη ρόλο είναι αυτό που κάνει τα FPGAs τόσο καλά προσαρμοσμένα για τα βιομηχανικά περιβάλλοντα περιφέρειας, όπου ο πρωταρχικός επεξεργαστής χρειάζεται να προστατευτεί από το να υπερβεί από τις συνεχείς απαιτήσεις επεξεργασίας χαμηλού επιπέδου.

Η παγκόσμια αγορά FPGAs ήταν αξιολογημένη σε 11,6 δισεκατομμύρια δολάρια το 2024 και προβλέπεται να φτάσει τα 41,6 δισεκατομμύρια δολάρια μέχρι το 2033, μια τροχιά που αντικατοπτρίζει την αυξανόμενη αναγνώριση ακριβώς αυτής της συνεργάτης αρχιτεκτονικής σε βιομηχανικές και περιφερειακές αναπτύξεις. Jako συνεργάτες chips, τα FPGAs φέρνουν ένα συγκεκριμένο σύνολο ικανοτήτων που απευθύνονται直接 στην αναστραμμένη ιεραρχία περιορισμών:

• Παράλληλη, προσανατολισμένη-σε-datos επεξεργασία, η οποία επιτρέπει στις συσκευές να χειριστούν προηγμένη προ-επεξεργασία πριν από τη μετάδοση σε κεντρικό σύστημα επεξεργασίας. Αυτό μειώνει τα όγκους δεδομένων, μειώνει την καθυστέρηση και διασφαλίζει αξιόπιστη λειτουργία.
• Δετερμινιστικές ικανότητες συλλογισμού, οι οποίες μπορούν να αναγνωρίσουν γνωστές εκδηλώσεις για να ενεργοποιήσουν πραγματική απόκριση σε κρίσιμες περιπτώσεις.
• Ελέγχος ισχύος με βάση τη λογική, ο οποίος επιτρέπει στις συσκευές να κλιμακώσουν την ενέργεια με βάση περιβαλλοντικές εκδηλώσεις (κίνηση ή άλλες αλλαγές), ώστε οι διαδικασίες υψηλής ζήτησης να είναι μόνο ενεργές όταν χρειάζονται.
• Ενσωματωμένα χαρακτηριστικά ασφαλείας, τα οποία επιτρέπουν στα FPGAs να λειτουργήσουν ως υλικό ρίζα ασφαλείας (HRoT) και να προστατεύσουν το κεντρικό σύστημα επεξεργασίας από παραβιάσεις που προέρχονται από συσκευές που τοποθετούνται σε δημόσιες θέσεις, προσθέτοντας ένα επιπλέον επίπεδο ασφαλείας για όλο και πιο σύνθετα συστήματα.

Ενώ αυτά τα χαρακτηριστικά είναι κρίσιμα για την προώθηση των ικανοτήτων AI περιφέρειας, η ευελιξία των FPGAs είναι τελικά αυτό που τα κάνει τα ιδανικά “προβληματιστές” για τις κατασκευές περιφέρειας. Λειτουργούν συνήθως ως έξυπνοι προ-επεξεργαστές, χειρίζονται πραγματική, στην-συσκευή συγχώνευση αισθητήρων για να μειώσουν τις ανάγκες μετάδοσης δεδομένων και να ενεργοποιήσουν έγκαιρη απόκριση.

Οι παράλληλες ικανότητες επεξεργασίας τους επιτρέπουν να ενσωματώσουν και να αναλύσουν δεδομένα γρήγορα και να αναβαθμίσουν σε υψηλότερους επεξεργαστές όταν χρειάζεται, ή να ενεργοποιήσουν πραγματική απόκριση σε κρίσιμες περιπτώσεις. Επειδή το FPGA μπορεί να χειριστεί αυτές τις μικρότερες εργασίες μόνος του, το κεντρικό σύστημα επεξεργασίας διατηρεί περισσότερο εύρος ζώνης για να χειριστεί τις πιο σύνθετες εργασίες που διαβιβάζονται.

Επιπλέον, τα FPGAs είναι αναπρογραμματιζόμενα από σχεδιασμό, ώστε οι διαχειριστές συστήματος να μπορούν να ενημερώσουν τις εφαρμογές AI περιφέρειας τους καθώς οι εργασίες, τα περιβάλλοντα και οι ανάγκες αλλάζουν. Οι συσκευές που χρησιμοποιούν FPGAs ως συνεργάτες chips μπορούν να εξελιχθούν μαζί με τις ανάγκες του συστήματος χωρίς αντικατάσταση υλικού ή επανακατάθεση. Για παράδειγμα, παρέχουν την ευελιξία που χρειάζεται για να προσαρμοστούν καθώς η μετα-κβαντική κρυπτογραφία προχωρά και καθιστά τις υπάρχουσες κρυπτογραφικές αλγορίθμους αναποτελεσματικές.

Καλύτερα μαζί

Η βιομηχανική περιφέρεια είναι όπου η αυτοματοποίηση με βάση το AI θα αποδείξει την πλήρη δυνατότητά της, και οι πραγματικές απαιτήσεις αυτοματοποίησης δεν περιμένουν τις γενικής-σκοπού chips να προλαύσουν. Οι développers περιφέρειας πρέπει να αρχίσουν να υιοθετούν νέες αρχές σχεδιασμού και να χτίζουν βελτιστοποιημένες βάσεις που ισορροπούν ευελιξία και συγκεκριμενοποίηση σε ίσο μέτρο.

Τα FPGAs μπορούν να κάνουν ακριβώς αυτό. Όπου οι GPU και SoC φτάνουν τα όριά τους, τα FPGAs γεμίζουν το κενό ως ικανοί συνεργάτες, παρέχοντας συνεχής εικασία, детерμινιστική έλεγχο, χαμηλή ισχύ λειτουργίας, και την δυνατότητα να εξελιχθούν μαζί με τις εξελισσόμενες ικανότητες AI και βιομηχανικές περιπτώσεις. Ανεξάρτητα από το αν αναπτύσσονται ανεξάρτητα ή σε ζευγάρι με γενικής-σκοπού επεξεργαστές, τα FPGAs βοηθούν να χτίσουν μια ροβούστα, αξιόπιστη και προσαρμοστική βάση που χρειάζεται για να κάνει τις εκτός-περιφέρειας οικοσυστήματα AI μια πραγματικότητα.