Промышленный ИИ на краю сети требует больше, чем просто сылая вычислительная мощность

На протяжении десятилетий проектирование аппаратного обеспечения на краю сети следовало простой иерархии: максимизация пропускной способности, а затем управление мощностью и тепловыделением вокруг нее. Сылая вычислительная мощность была потолком, под которым все остальное было построено. Эта логика имела смысл, когда устройства на краю сети были стационарными, среды были контролируемыми, а централизованная обработка могла справиться с чем угодно, что не могло сделать край сети. Однако ни одно из этих условий не выполняется в современных промышленных средах, и старая иерархия разрушается из-за этого.

Операторы промышленных объектов теперь толкают автоматизацию на основе ИИ прямо на производственную площадку, требуя интеллектуальных, решающих действий как можно ближе к операциям. Амбиция звучит правильно. Но перевод ее в надежное аппаратное обеспечение, которое работает в реальных промышленных условиях, требует переосмысления конструкции микросхем с нуля.

Новая иерархия ограничений

Глобальный рынок промышленного края сети предполагается вырасти с $21 миллиарда в 2025 году до почти $45 миллиардов к 2030 году, и требования к аппаратному обеспечению, масштабируемому вместе с этим ростом, фундаментально отличаются от того, для чего исторически оптимизировались разработчики микросхем. Когда автоматизация на основе ИИ переходит из контролируемых тестовых сред в живые производственные площадки, иерархия ограничений, регулирующая развертывания на краю сети, фактически инвертируется:

1. Мощность теперь занимает первое место. Операции, всегда включенные, требуют гибких режимов управления, чтобы уменьшить отходы и минимизировать расходы, связанные с развертыванием систем ИИ на краю сети.
2. Тепловые и экологические факторы могут существенно повлиять на производительность. Промышленные объекты вводят экстремальные условия окружающей среды, такие как высокие температуры и тепловое ограничение, а также потенциальный мусор и влага, все из которых могут непредсказуемо ухудшить функциональность.
3. Задержка и детерминизм являются важными в точных случаях использования, таких как те, которые встречаются на промышленных объектах, поскольку своевременные и точные действия могут сделать разницу между успехом и отходами.
4. Сылая пропускная способность занимает последнее место в этом парадигме. Хотя это важно, пропускная способность и скорость передачи данных менее критичны, когда встроенные возможности являются звучными. Критическая обработка и рассуждение происходят на устройстве, уменьшая потребность в постоянной передаче в централизованную систему обработки.

Инверсия этих ограничений требует от разработчиков принятия нового подхода при проектировании для промышленного края сети, учитывающего не только сылую вычислительную мощность.

Поиск того, что «правильно»

В средах разработки, например, при проектировании промышленного робота на рабочем столе, GPU могут прекрасно справиться. Они являются высокоэффективными и эффективными компонентами, которые могут быстро и точно обрабатывать большие объемы данных. Однако эти процессы происходят в высококонтролируемых средах.

Промышленные устройства часто устанавливаются на устаревшее оборудование на объектах, уже находящихся в эксплуатации. Они могут быть мобильными. Мощность, пространство и тепловая емкость предопределены окружающей средой, а не потребностями устройства. Это оставляет только конструкцию микросхемы как переменную, и общее назначение кремния плохо подходит для выполнения этой роли. Это либо слишком жестко, либо слишком широко, чтобы удовлетворять конкретным, устойчивым требованиям промышленного края сети ИИ.

Например, SoC с встроенными NPU предлагают компромисс для этих построек, предлагая низкопотребляющие возможности и надежные детерминированные функции. Однако они, как правило, не справляются с требовательными средами края сети из-за своей конструкции, оптимизированной для спорадической функциональности в термически ограниченных средах. Конструкция, ориентированная на всплеск-инференцию, делает их ненадежным выбором для более сложных реалий промышленных объектов.

Чтобы сделать автоматизированные промышленные операции реальностью, разработчикам нужно что-то среднее: микросхемы, достаточно гибкие, чтобы заполнить широкие пробелы, но достаточно конкретные, чтобы справиться со специализированными приложениями.

FPGA: Более способный компаньон

Все больше и больше разработчиков на краю сети начинают использовать программируемые логические интегральные схемы (FPGA) как ответ. Критически важно, что FPGA не позиционируются как полная замена GPU, CPU или других центральных вариантов обработки. Вместо этого они функционируют как компаньонские микросхемы, расположенные рядом с основными процессорами для обработки задач, которые общее назначение кремния обрабатывает плохо в полевых условиях: всегда включенный мониторинг датчиков, реальное предварительное обработка, детерминированный ответ и управление питанием.

В зависимости от архитектуры эти компаньонские устройства могут быть расположены рядом с GPU или CPU или расположены ближе к самому датчику, давая разработчикам гибкость в том, как и где эта нагрузка будет передана. Способность функционировать в этой компаньонской роли является тем, что делает FPGA так хорошо подходящими для промышленных сред края сети, где основной процессор нуждается в защите от постоянных низкоуровневых требований обработки.

Глобальный рынок FPGA был оценен в $11,6 миллиарда в 2024 году и, как ожидается, достигнет $41,6 миллиарда к 2033 году, что отражает растущее признание именно такого компаньонского архитектурного подхода в промышленных и краевых развертываниях. Как компаньонские микросхемы, FPGA приносят определенный набор возможностей, которые напрямую решают инвертированную иерархию ограничений:

• Параллельная, ориентированная на поток обработки, которая позволяет устройствам обрабатывать передовые предварительные обработки перед передачей в централизованное вычислительное оборудование. Это уменьшает объемы данных, снижает задержку и гарантирует надежные операции.
• Детерминированные возможности рассуждения, которые могут выявить известные триггерные события для реального ответа в критических сценариях.
• Логически управляемое питание, которое позволяет устройствам масштабировать потребление энергии на основе экологических триггеров (движения или других изменений), поэтому процессы с высокими требованиями активны только тогда, когда это необходимо.
• Встроенные функции безопасности, которые позволяют FPGA действовать как аппаратный корень доверия (HRoT) и помогают защитить центральное вычислительное оборудование от нарушений, которые происходят на устройствах, установленных в публично доступных местах, добавляя дополнительный слой безопасности для все более сложных систем.

Хотя эти функции являются важными для продвижения возможностей ИИ на краю сети, универсальность FPGA в конечном итоге является тем, что делает их оптимальными «решателями проблем» для построек на краю сети. Они, как правило, служат интеллектуальными предварительными обработчиками, обрабатывая реальное слияние датчиков на устройстве, чтобы уменьшить потребность в передаче данных и обеспечить своевременный ответ.

Их параллельные возможности обработки позволяют им быстро интегрировать и анализировать данные и передавать их на более мощные процессоры по мере необходимости или действовать в реальном времени в кризисе. Поскольку FPGA может обрабатывать эти более мелкие задачи самостоятельно, центральное вычислительное оборудование сохраняет больше пропускной способности для обработки более сложных задач, которые передаются.

Кроме того, FPGA по конструкции являются перепрограммируемыми, поэтому менеджеры систем могут обновлять свои реализации ИИ на краю сети по мере изменения рабочих нагрузок, сред и потребностей. Устройства, которые используют FPGA в качестве компаньонских микросхем, могут эволюционировать вместе с системными потребностями без замены оборудования или повторного развертывания. Например, они обеспечивают гибкость, необходимую для адаптации к прогрессу постквантовой криптографии и делают существующие криптографические алгоритмы неэффективными.

Лучше вместе

Промышленный край сети – это место, где автоматизация на основе ИИ покажет свой полный потенциал, а реальные требования к автоматизации не ждут, пока общее назначение микросхем догонит. Разработчикам на краю сети необходимо начать采用 новые принципы проектирования и создавать оптимизированные основы, которые балансируют гибкость и специфику в равной мере.

FPGA могут сделать именно это. Где GPU и SoC достигают своих пределов, FPGA заполняют пробел в качестве способных компаньонских микросхем, обеспечивая всегда включенную инференцию, детерминированное управление, низкопотребляющую работу и потенциал роста вместе с эволюционирующими возможностями ИИ и промышленными случаями использования. Будь то развертывание независимо или в паре с общим назначением процессоров, FPGA помогают заложить прочную, надежную и адаптируемую основу, необходимую для того, чтобы сделать экосистемы ИИ на краю сети реальностью.