L’intelligenza artificiale industriale richiede più della semplice potenza di calcolo

Per decenni, la progettazione dell’hardware di bordo ha seguito una gerarchia lineare: massimizzare la velocità di elaborazione, quindi gestire la potenza e le prestazioni termiche intorno ad essa. La potenza di calcolo grezzo era il tetto che tutto il resto era costruito al di sotto. Quella logica aveva senso quando i dispositivi di bordo erano stazionari, gli ambienti erano controllati e l’elaborazione centralizzata poteva gestire tutto ciò che il bordo non poteva. Tuttavia, nessuna di quelle condizioni si verifica oggi negli ambienti industriali e la vecchia gerarchia si sta rompendo a causa di questo.

Gli operatori di impianti industriali stanno ora spingendo l’automazione guidata dall’intelligenza artificiale direttamente sul pavimento dello stabilimento, richiedendo azioni intelligenti e decisive il più vicino possibile alle operazioni. L’ambizione è solida. Ma tradurre questo in hardware affidabile che funzioni in condizioni industriali reali richiede di ripensare la progettazione dei chip dall’inizio.

Una nuova gerarchia di vincoli

Il mercato globale dell’edge industriale è previsto di crescere da 21 miliardi di dollari nel 2025 a quasi 45 miliardi di dollari entro il 2030, e le richieste di hardware che crescono insieme a quella crescita appaiono fondamentalmente diverse da ciò per cui i progettisti di chip hanno storicamente ottimizzato. Mentre l’automazione guidata dall’intelligenza artificiale si sposta da ambienti di test controllati a pavimenti di fabbrica live, la gerarchia di vincoli che governa i deploy dell’edge si è effettivamente invertita:

1. Potenza ora occupa il primo posto. Le operazioni sempre attive richiedono modalità di controllo flessibili per ridurre gli sprechi e minimizzare la spesa associata al deploy di sistemi di intelligenza artificiale di bordo.
2. Fattori termici e ambientali possono influenzare notevolmente le prestazioni. Gli impianti industriali introducono estremi ambientali come alte temperature e limitazione termica, nonché potenziali detriti e umidità, tutti i quali possono degradare la funzionalità in modo imprevedibile.
3. Latenza e determinismo sono essenziali in casi d’uso centrati sulla precisione come quelli trovati negli impianti industriali, poiché un’azione tempestiva e precisa può fare la differenza tra il successo e il mucchio di scarti.
4. Potenza di calcolo grezza arriva per ultima in questo paradigma. Sebbene importante, la larghezza di banda e la velocità di elaborazione sono meno critiche quando le capacità incorporate sono solide. L’elaborazione critica e il ragionamento avvengono sul dispositivo, mitigando la necessità di trasmissione costante a un sistema di elaborazione centralizzato.

L’inversione di questi vincoli richiede che i progettisti adottino un nuovo approccio quando progettano per l’edge industriale, uno che considera più della semplice potenza di calcolo grezza.

Trovare ciò che è “giusto”

Ad esempio, negli ambienti di sviluppo, quando si progetta un robot industriale al banco di lavoro, le GPU possono andare bene. Sono componenti altamente capaci e efficienti che possono elaborare grandi quantità di dati rapidamente e con precisione. Tuttavia, questi processi avvengono in ambienti controllati.

I dispositivi industriali sono spesso installati su attrezzature legacy in impianti già in funzione. Possono essere mobili. La potenza, lo spazio e la capacità termica sono predeterminati dall’ambiente, non dalle esigenze del dispositivo. Ciò lascia solo la progettazione del chip come variabile, e il silicio a scopo generale è poco adatto a svolgere quel ruolo. È troppo rigido o troppo ampio per soddisfare le esigenze specifiche e sostenute dell’intelligenza artificiale di bordo estrema.

Ad esempio, i SoC con NPU integrate offrono un terreno comune per questo tipo di costruzioni, offrendo capacità a bassa potenza e funzionalità deterministiche robuste. Tuttavia, tendono a non essere all’altezza in ambienti di bordo estremo impegnativi a causa della loro progettazione, che è ottimizzata per funzionalità sporadiche in ambienti termicamente vincolati. Un design focalizzato sull’inferenza a burst li rende un adattamento inaffidabile per le realtà più complesse degli impianti industriali.

Per rendere operative le operazioni industriali automatizzate, i progettisti hanno bisogno di qualcosa di intermedio: chip abbastanza flessibili da colmare lacune ampie ma abbastanza specifici da gestire applicazioni specializzate.

FPGA: un compagno più capace

Sempre più sviluppatori di edge stanno iniziando a sfruttare i field programmable gate array (FPGA) come risposta. Fondamentalmente, gli FPGA non sono posizionati come un sostituto totale per le GPU, le CPU o altre opzioni di elaborazione centralizzata. Invece, funzionano come chip compagni, posizionati accanto ai processori primari per gestire i compiti che il silicio a scopo generale gestisce male in condizioni di campo: monitoraggio dei sensori sempre attivo, pre-elaborazione in tempo reale, risposta deterministica e gating della potenza.

A seconda dell’architettura, questi chip compagni possono essere posizionati accanto alla GPU o alla CPU, o posizionati più vicino al sensore stesso, dando ai progettisti flessibilità su come e dove quel carico di lavoro viene scaricato. La capacità di funzionare in questo ruolo di compagno è ciò che rende gli FPGA così adatti agli ambienti di bordo estremo industriali, dove il processore principale deve essere protetto dall’essere sopraffatto da continue richieste di elaborazione a basso livello.

Il mercato globale degli FPGA è stato valutato a 11,6 miliardi di dollari nel 2024 e dovrebbe raggiungere i 41,6 miliardi di dollari entro il 2033, una traiettoria che riflette il crescente riconoscimento di questo tipo di architettura di compagno nei deploy industriali e di edge. Come chip compagni, gli FPGA portano un insieme specifico di capacità che affrontano direttamente la gerarchia di vincoli invertita:

• Elaborazione parallela e orientata ai dati, che consente ai dispositivi di gestire un’elaborazione avanzata prima della trasmissione a hardware di elaborazione centralizzato. Ciò riduce i volumi di dati, mitiga la latenza e salvaguarda le operazioni affidabili.
• Capacità di ragionamento deterministico, che possono identificare eventi di attivazione noti per abilitare la risposta in tempo reale in scenari critici.
• Controllo della potenza basato sulla logica, che consente ai dispositivi di scalare l’uso dell’energia in base agli trigger ambientali (movimento o altri cambiamenti), in modo che i processi ad alta richiesta siano attivi solo quando necessario.
• Funzionalità di sicurezza integrate, che consentono agli FPGA di agire come root di trust hardware (HRoT) e aiutare a proteggere il calcolo centrale dalle violazioni che originano su dispositivi posizionati in luoghi pubblicamente accessibili, aggiungendo un ulteriore livello di sicurezza per sistemi sempre più complessi.

Mentre queste funzionalità sono critiche per avanzare le capacità di intelligenza artificiale di edge, la versatilità degli FPGA è alla fine ciò che li rende i “risolutori di problemi” ottimali per le costruzioni di bordo estremo. Funzionano più spesso come pre-elaboratori intelligenti, gestendo la fusione dei sensori in tempo reale e sul dispositivo per ridurre le esigenze di trasmissione dei dati e abilitare la risposta tempestiva.

Le loro capacità di elaborazione parallela consentono loro di integrare e analizzare i dati rapidamente e di escalare a processori ad alta potenza secondo necessità, o di agire in tempo reale in caso di crisi. Poiché l’FPGA può gestire questi compiti più piccoli da solo, il calcolo centrale mantiene più larghezza di banda per gestire i compiti più complessi che vengono passati.

Inoltre, gli FPGA sono progettati per essere riconfigurabili, quindi i gestori di sistema possono aggiornare le implementazioni di intelligenza artificiale di bordo man mano che i carichi di lavoro, gli ambienti e le esigenze cambiano. I dispositivi che utilizzano gli FPGA come chip compagni possono evolversi insieme alle esigenze del sistema senza hardware di sostituzione o ridispiegamento. Ad esempio, forniscono la flessibilità necessaria per adattarsi man mano che la crittografia post-quantistica fa progressi e rende inefficaci gli algoritmi crittografici esistenti.

Migliori insieme

L’edge industriale è dove l’automazione basata sull’intelligenza artificiale dimostrerà il suo potenziale più completo, e le richieste di automazione del mondo reale non stanno aspettando che i chip a scopo generale si aggiornino. Gli sviluppatori di edge devono iniziare ad adottare nuovi principi di progettazione e costruire fondamenta ottimizzate che bilancino flessibilità e specificità in misura uguale.

Gli FPGA possono fare esattamente questo. Dove le GPU e i SoC raggiungono i loro limiti, gli FPGA colmano il divario come chip compagni capaci, fornendo inferenza sempre attiva, controllo deterministico, operazione a bassa potenza e la potenzialità di crescere insieme alle capacità di intelligenza artificiale e ai casi d’uso industriali in evoluzione. Sia che vengano distribuiti in modo indipendente o accoppiati con processori a scopo generale, gli FPGA aiutano a gettare le fondamenta robuste, affidabili e adattabili necessarie per rendere realtà gli ecosistemi di intelligenza artificiale di bordo estremo.