Przemysłowy Edge AI Wymaga Więcej Niż Surowa Moc Obliczeniowa

Przez dziesięciolecia, projektowanie sprzętu krawędziowego opierało się na prostym hierarchii: maksymalizacja przepływności, a następnie zarządzanie mocą i temperaturą wokół niej. Surowa moc obliczeniowa była limitem, pod którym wszystko inne było budowane. Ta logika miała sens, gdy urządzenia krawędziowe były stacjonarne, środowiska były kontrolowane, a przetwarzanie centralne mogło obsłużyć wszystko, czego nie mogła obsłużyć krawędź. Jednak żadne z tych warunków nie obowiązują w dzisiejszych środowiskach przemysłowych, a stara hierarchia ulega rozpadowi z tego powodu.

Operatorzy obiektów przemysłowych teraz wprowadzają automatyzację opartą na sztucznej inteligencji bezpośrednio na podłogę produkcyjną, wymagając inteligentnych, decyzyjnych działań jak najbliżej operacji. Ambicja jest słuszna. Ale przekładanie jej na niezawodny sprzęt, który działa w rzeczywistych warunkach przemysłowych, wymaga przebudowania projektu układu od podstaw.

Nowa hierarchia ograniczeń

Globalny rynek krawędzi przemysłowych został oszacowany na 21 miliardów dolarów w 2025 roku i ma wzrosnąć do prawie 45 miliardów dolarów do 2030 roku, a wymagania sprzętowe związane z tym wzrostem wyglądają fundamentalnie inaczej niż to, co projektanci układów historycznie optymalizowali. Gdy automatyzacja oparta na sztucznej inteligencji przechodzi z kontrolowanych środowisk testowych na żywe podłogi produkcyjne, hierarchia ograniczeń rządząca wdrożeniami krawędziowymi skutecznie się odwróciła:

1. Moc teraz zajmuje pierwsze miejsce. Operacje zawsze włączone wymagają elastycznych trybów kontroli, aby zmniejszyć marnowanie i minimalizować wydatki związane z wdrożeniem systemów sztucznej inteligencji krawędziowej.
2. Czynniki termiczne i środowiskowe mogą znacznie wpłynąć na wydajność. Obiekty przemysłowe wprowadzają ekstremalne warunki środowiskowe, takie jak wysokie temperatury i ograniczenia termiczne, a także potencjalne zanieczyszczenia i wilgoć, które mogą degradować funkcjonalność w sposób nieprzewidywalny.
3. Opóźnienia i determinizm są niezbędne w przypadku zastosowań zorientowanych na precyzję, takich jak te spotykane w obiektach przemysłowych, ponieważ terminowe i dokładne działanie może stanowić różnicę między sukcesem a złomem.
4. Surowa przepływność zajmuje ostatnie miejsce w tym paradygmacie. Chociaż jest ważna, przepływność i szerokość pasma są mniej krytyczne, gdy możliwości osadzone są prawidłowe. Krytyczne przetwarzanie i rozumowanie odbywają się na urządzeniu, co zmniejsza potrzebę stałej transmisji do scentralizowanego systemu przetwarzania.

Odwrócenie tych ograniczeń wymaga, aby projektanci przyjęli nowe podejście przy projektowaniu dla krawędzi przemysłowej, które bierze pod uwagę więcej niż tylko surową moc obliczeniową.

Znalezienie tego, co jest „w sam raz”

W środowiskach developerskich, na przykład przy projektowaniu robota przemysłowego na stanowisku, procesory graficzne mogą być w porządku. Są to bardzo wydajne i efektywne komponenty, które mogą przetwarzać duże ilości danych szybko i dokładnie. Jednak te procesy odbywają się w środowiskach kontrolowanych.

Urządzenia przemysłowe są często instalowane na istniejącym sprzęcie w obiektach już działających. Mogą być mobilne. Moc, przestrzeń i pojemność termiczna są predysponowane przez środowisko, a nie przez potrzeby urządzenia. Pozostaje więc tylko projekt układu jako zmienna, a ogólny układ jest słabo przystosowany do wypełnienia tej roli. Jest albo zbyt sztywny, albo zbyt szeroki, aby spełnić specyficzne, trwałe wymagania sztucznej inteligencji krawędziowej.

Na przykład, układy SoC z zintegrowanymi jednostkami przetwarzania neuronowego oferują kompromis między tymi wymaganiami, oferując niskie możliwości mocy i solidne funkcje deterministyczne. Jednak tendencja do niepowodzenia w wymagających środowiskach krawędziowych ze względu na ich projekt, który jest zoptymalizowany dla sporadycznej funkcjonalności w środowiskach termicznie ograniczonych. Projekt ukierunkowany na inferencję w trybie burstowym sprawia, że są one niepewnym dopasowaniem do bardziej złożonych realiów obiektów przemysłowych.

Aby uczynić automatyzację przemysłową rzeczywistością, projektanci potrzebują czegoś pomiędzy: układów wystarczająco elastycznych, aby wypełnić różnorodne luki, ale wystarczająco specyficznych, aby obsłużyć specjalistyczne aplikacje.

FPGAs: Bardziej zdolny towarzysz

Coraz więcej deweloperów krawędzi zaczyna wykorzystywać macierze programowalne pola bramek (FPGAs) jako odpowiedź. Co jest kluczowe, FPGAs nie są położone jako całkowita замена procesorów graficznych, CPU lub innych opcji przetwarzania centralnego. Zamiast tego, funkcjonują jako układy towarzyszące, siedzące obok głównych procesorów, aby obsłużyć zadania, które ogólny układ krzemowy obsługuje słabo w warunkach polowych: ciągłe monitorowanie czujników, przetwarzanie w czasie rzeczywistym, deterministyczna odpowiedź i bramka mocy.

W zależności od architektury, te układy towarzyszące mogą być umieszczone obok procesora graficznego lub CPU, lub umieszczone bliżej samego czujnika, dając projektantom elastyczność w tym, jak i gdzie ten ładunek roboczy jest rozładowywany. Możliwość funkcjonowania w tej roli towarzyszącej jest tym, co sprawia, że FPGAs są tak dobrze przystosowane do środowisk przemysłowych krawędzi, gdzie główny procesor musi być chroniony przed przeładowaniem przez ciągłe, niskopoziomowe wymagania przetwarzania.

Globalny rynek FPGA wyniósł 11,6 miliarda dolarów w 2024 roku i ma wzrosnąć do 41,6 miliarda dolarów do 2033 roku, co odzwierciedla rosnące uznanie dokładnie takiej architektury towarzyszącej w wdrożeniach przemysłowych i krawędziowych. Jako układy towarzyszące, FPGAs wprowadzają określony zestaw możliwości, które bezpośrednio odnoszą się do odwróconej hierarchii ograniczeń:

• Przetwarzanie równoległe, zorientowane na przepływ danych, które umożliwia urządzeniom obsłużywanie zaawansowanego przetwarzania przed transmisją do scentralizowanego sprzętu komputerowego. To redukuje objętość danych, zmniejsza opóźnienia i zapewnia niezawodne działanie.
• Możliwości rozumowania deterministycznego, które mogą identyfikować znane wydarzenia wyzwalające, aby umożliwić odpowiedź w czasie rzeczywistym w krytycznych scenariuszach.
• Logiczna kontrola bramki mocy, która umożliwia urządzeniom skalowanie zużycia energii w oparciu o wyzwalacze środowiskowe (ruch lub inne zmiany), tak aby procesy o wysokim zapotrzebowaniu były aktywne tylko wtedy, gdy są potrzebne.
• Wbudowane funkcje bezpieczeństwa, które pozwalają FPGAs działać jako sprzętowy korzeń zaufania (HRoT) i pomagają chronić centralny komputer przed naruszeniami, które pochodzą z urządzeń umieszczonych w miejscach publicznie dostępnych, dodając dodatkową warstwę zabezpieczeń dla coraz bardziej złożonych systemów.

Chociaż te funkcje są kluczowe dla rozwoju możliwości sztucznej inteligencji krawędziowej, ostatecznie to elastyczność FPGAs jest tym, co sprawia, że są one optymalnymi „rozwiązywaczami problemów” dla budowy krawędzi. Najczęściej służą jako inteligentne przetwórcy, obsługując fuzję czujników w czasie rzeczywistym na urządzeniu, aby zmniejszyć potrzeby transmisji danych i umożliwić terminową odpowiedź.

Ich możliwości przetwarzania równoległego pozwalają im na szybkie integrowanie i analizowanie danych oraz eskalowanie do procesorów o wyższej mocy, gdy jest to potrzebne, lub działać w czasie rzeczywistym w sytuacjach krytycznych. Ponieważ FPGA może obsłużyć te mniejsze zadania samodzielnie, centralny komputer zachowuje więcej przepustowości, aby obsłużyć bardziej złożone zadania, które są przekazywane.

Ponadto, FPGAs są zaprojektowane do ponownej konfiguracji, więc menedżerowie systemów mogą aktualizować swoje wdrożenia sztucznej inteligencji krawędziowej, gdy zmieniają się obciążenia, środowiska i potrzeby. Urządzenia, które wykorzystują FPGAs jako układy towarzyszące, mogą ewoluować wraz z potrzebami systemu bez wymiany sprzętu lub ponownego rozmieszczenia. Na przykład, zapewniają elastyczność potrzebną do adaptacji, gdy post-quantum cryptography postępuje i czyni istniejące algorytmy kryptograficzne nieskutecznymi.

Lepiej razem

Krawędź przemysłowa to miejsce, gdzie automatyzacja oparta na sztucznej inteligencji udowodni swoje pełne możliwości, a wymagania automatyzacji w świecie rzeczywistym nie czekają, aż ogólne układy nadążą. Deweloperzy krawędzi muszą zacząć przyjmować nowe zasady projektowe i budować zoptymalizowane podstawy, które równoważą elastyczność i specyfikę w równym stopniu.

FPGAs mogą to zrobić. Gdzie procesory graficzne i SoC osiągają swoje limity, FPGAs wypełniają lukę jako zdolne układy towarzyszące, zapewniając inferencję zawsze włączoną, deterministyczny kontrolę, niskie zużycie mocy i potencjał wzrostu wraz z ewoluującymi możliwościami sztucznej inteligencji i przypadkami użycia przemysłowego. Niezależnie od tego, czy są wdrożone niezależnie, czy w parze z procesorami ogólnego przeznaczenia, FPGAs pomagają położyć solidną, niezawodną i dostosowaną podstawę potrzebną do uczynienia ekosystemów sztucznej inteligencji krawędziowej rzeczywistością.