อุตสาหกรรมเอดจ์ AI ต้องการมากกว่าพลังการประมวลผลดิบ

ในช่วงหลายทศวรรษที่ผ่านมา การออกแบบฮาร์ดแวร์เอดจ์ตามลำดับชั้นแบบง่ายๆ: เพิ่มทูพุตให้สูงสุด จากนั้นจัดการพลังงานและความร้อนรอบๆ มัน พลังการประมวลผลดิบเป็นเพดานที่ทุกอย่างถูกสร้างขึ้นใต้เพดานนั้น การให้เหตุผลนี้มีเหตุผลเมื่อเอดจ์เดวิซเป็นแบบคงที่ สภาพแวดล้อมถูกควบคุม และการประมวลผลแบบกระจายสามารถจัดการทุกอย่างที่เอดจ์ไม่สามารถทำได้ อย่างไรก็ตาม ไม่มีเงื่อนไขเหล่านั้นที่ยังคงอยู่ในสภาพแวดล้อมอุตสาหกรรมในปัจจุบัน และลำดับชั้นเก่ากำลังพังทลายเนื่องจากสิ่งนั้น

ผู้ดำเนินการโรงงานอุตสาหกรรมกำลังผลักดันการทำงานอัตโนมัติด้วย AI โดยตรงไปยังพื้นที่การผลิต โดยต้องการการกระทำที่ชาญฉลาดและตัดสินใจได้เร็วที่สุดเท่าที่จะเป็นไปได้ใกล้กับการดำเนินงาน การตั้งเป้าหมายมีเหตุผล แต่การแปลเป็นฮาร์ดแวร์ที่น่าเชื่อถือซึ่งทำงานภายใต้สภาพแวดล้อมอุตสาหกรรมที่แท้จริงต้องมีการคิดใหม่เกี่ยวกับการออกแบบชิปจากพื้นฐาน

ลำดับชั้นข้อจำกัดใหม่

ตลาดเอดจ์อุตสาหกรรมระดับโลก คาดการณ์ จะเติบโตจาก 21 พันล้านดอลลาร์ในปี 2025 เป็นเกือบ 45 พันล้านดอลลาร์ภายในปี 2030 และความต้องการฮาร์ดแวร์ที่เพิ่มขึ้นพร้อมกับการเติบโตนั้นดูแตกต่างจากสิ่งที่นักออกแบบชิปได้ปรับให้เหมาะสมมาในประวัติศาสตร์ เมื่อการทำงานอัตโนมัติด้วย AI ย้ายจากสภาพแวดล้อมทดสอบที่ควบคุมไปยังพื้นที่การผลิตจริง ลำดับชั้นข้อจำกัดที่ควบคุมการนำไปใช้เอดจ์ได้กลับด้าน:

1. พลังงาน ตอนนี้ได้รับการจัดลำดับความสำคัญสูงสุด การดำเนินงานตลอด 24 ชั่วโมงจำเป็นต้องมีโหมดการควบคุมที่ยืดหยุ่นเพื่อลดการเสียและลดค่าใช้จ่ายที่เกี่ยวข้องกับการนำระบบ AI เอดจ์ไปใช้
2. ปัจจัยทางความร้อนและสภาพแวดล้อม สามารถส่งผลต่อประสิทธิภาพได้อย่างมาก โรงงานอุตสาหกรรมนำสภาพแวดล้อมที่รุนแรง เช่น อุณหภูมิสูงและความเร็วในการลดความร้อน รวมถึงเศษสิ่งและความชื้นที่อาจทำให้การทำงานเสื่อมลงได้ไม่คาดคิด
3. ความหน่วงและความแน่นอน เป็นสิ่งจำเป็นในกรณีการใช้งานที่มีศูนย์กลางความแม่นยำ เช่น ที่พบในโรงงานอุตสาหกรรม โดยการกระทำที่ทันเวลาและแม่นยำสามารถสร้างความแตกต่างระหว่างความสำเร็จและเศษขยะ
4. การประมวลผลดิบ มาเป็นอันดับสุดท้ายในแบบจำลองนี้ แม้ว่าจะมีความสำคัญ แต่แบนด์วิธและทูพุตมีความสำคัญน้อยกว่าเมื่อความสามารถในการฝังตัวมีความแข็งแกร่ง การประมวลผลและเหตุผลที่สำคัญเกิดขึ้นบนอุปกรณ์ ซึ่งช่วยลดความจำเป็นในการส่งสัญญาณไปยังระบบประมวลผลกลางอย่างต่อเนื่อง

การกลับด้านของข้อจำกัดเหล่านี้ต้องการให้นักออกแบบใช้แนวทางใหม่เมื่อออกแบบสำหรับเอดจ์อุตสาหกรรม ซึ่งพิจารณาเกี่ยวกับพลังการประมวลผลดิบมากกว่านั้น

การค้นหาสิ่งที่ “เหมาะสม”

ในสถานการณ์การพัฒนา เช่น การออกแบบหุ่นยนต์อุตสาหกรรมที่โต๊ะทำงาน GPU อาจทำได้ดี พวกมันเป็นองค์ประกอบที่มีความสามารถสูงและมีประสิทธิภาพซึ่งสามารถประมวลผลข้อมูลจำนวนมากได้อย่างรวดเร็วและแม่นยำ อย่างไรก็ตาม การประมวลผลเหล่านี้เกิดขึ้นในสภาพแวดล้อมที่ควบคุมได้

อุปกรณ์อุตสาหกรรมมักถูกติดตั้งบนอุปกรณ์เก่าที่อยู่ในโรงงานที่ดำเนินการอยู่ พวกมันอาจเคลื่อนที่ได้ พลังงาน พื้นที่ และความจุทางความร้อนถูกกำหนดโดยสภาพแวดล้อม ไม่ใช่โดยความต้องการของอุปกรณ์ ซึ่งเหลือเพียงการออกแบบชิปเองเป็นตัวแปร และซิลิกอนแบบทั่วไปไม่เหมาะสมที่จะเติมบทบาทนั้น มันจะแข็งหรือกว้างเกินไปที่จะตอบสนองความต้องการที่เฉพาะเจาะจงและยั่งยืนของ AI เอดจ์ไกล

ตัวอย่างเช่น SoC ที่มี หน่วยประมวลผลประสาท ที่รวมอยู่ด้วย มีจุดกึ่งกลางสำหรับการสร้างเหล่านี้ โดยให้ความสามารถในการทำงานด้วยพลังงานต่ำและคุณสมบัติที่แน่นอน อย่างไรก็ตาม พวกมันมักจะขาดความสามารถในการทำงานในสภาพแวดล้อมเอดจ์ไกลที่ต้องการมากขึ้นเนื่องจากการออกแบบที่ได้รับการปรับให้เหมาะสมสำหรับการทำงานเป็นระยะๆ ในสภาพแวดล้อมที่มีการจำกัดความร้อน การออกแบบที่มุ่งเน้นการอนุมานแบบเบิร์สต์ทำให้พวกมันไม่น่าเชื่อถือสำหรับความเป็นจริงที่ซับซ้อนของโรงงานอุตสาหกรรม

เพื่อทำให้การทำงานอัตโนมัติของอุตสาหกรรมเป็นจริง นักออกแบบต้องการสิ่งที่อยู่ระหว่างกลาง: ชิปที่ยืดหยุ่นพอที่จะเติมช่องว่างที่หลากหลาย แต่เฉพาะเจาะจงพอที่จะจัดการกับการใช้งานพิเศษ

FPGAs: คู่หูที่มีความสามารถมากกว่า

นักพัฒนาอุปกรณ์เอดจ์จำนวนมากเริ่มใช้แอร์เรย์เกตที่สามารถเขียนโปรแกรมได้ (FPGAs) เป็นคำตอบที่สำคัญ FPGAs ไม่ได้ถูกวางตำแหน่งเป็นการแทนที่ GPU, CPU หรือตัวเลือกประมวลผลกลางอื่นๆ แต่พวกมันทำงานเป็นชิปคู่ที่นั่งอยู่ข้างๆ โปรเซสเซอร์หลักเพื่จัดการกับงานที่ซิลิกอนแบบทั่วไปจัดการได้ไม่ดีในสภาพแวดล้อมภาคสนาม: การตรวจสอบเซ็นเซอร์ที่เปิดตลอดเวลา การประมวลผลก่อนหน้าแบบเรียลไทม์ การตอบสนองแบบแน่นอน และการปิดพลังงาน

ขึ้นอยู่กับสถาปัตยกรรม อุปกรณ์คู่เหล่านี้สามารถวางไว้ข้างๆ GPU หรือ CPU หรือวางไว้ใกล้กับเซ็นเซอร์เอง ซึ่งให้ความยืดหยุ่นแก่นักออกแบบในการเลือกที่จะโหลดงานนั้น FPGAs มีความเหมาะสมที่จะทำงานในบทบาทคู่ในเอดจ์ไกลอุตสาหกรรม ซึ่งโปรเซสเซอร์หลักต้องการการป้องกันไม่ให้ถูกครอบงำโดยการประมวลผลระดับต่ำอย่างต่อเนื่อง

ตลาด FPGA ทั่วโลก มีมูลค่า 11.6 พันล้านดอลลาร์ในปี 2024 และคาดว่าจะถึง 41.6 พันล้านดอลลาร์ภายในปี 2033 ซึ่งเป็นเส้นทางที่สะท้อนถึงการยอมรับที่เพิ่มขึ้นของสถาปัตยกรรมคู่นี้ในอุตสาหกรรมและเอดจ์ เมื่อใช้เป็นอุปกรณ์คู่ FPGAs นำคุณสมบัติเฉพาะที่ตอบสนองลำดับชั้นข้อจำกัดที่กลับด้าน:

• การประมวลผลแบบขนานและข้อมูล ซึ่งช่วยให้อุปกรณ์สามารถประมวลผลข้อมูลก่อนส่งสัญญาณไปยังฮาร์ดแวร์ประมวลผลกลางได้ ซึ่งลดปริมาณข้อมูล ลดความหน่วง และรักษาการทำงานที่เชื่อถือได้
• การให้เหตุผลแบบแน่นอน ซึ่งสามารถระบุเหตุการณ์ทริกเกอร์ที่ทราบเพื่อเปิดใช้งานการตอบสนองแบบเรียลไทม์ในสถานการณ์ที่สำคัญ
• การปิดพลังงานแบบลอจิก ซึ่งช่วยให้อุปกรณ์สามารถปรับขนาดการใช้พลังงานตามสัญญาณแวดล้อม (การเคลื่อนไหวหรือการเปลี่ยนแปลงอื่นๆ) เพื่อให้กระบวนการที่ต้องการพลังงานสูงจะทำงานเฉพาะเมื่อต้องการ
• คุณสมบัติความปลอดภัยที่สร้างไว้ ซึ่งช่วยให้ FPGAs ทำหน้าที่เป็นรากความไว้วางใจของฮาร์ดแวร์ (HRoT) และช่วยปกป้องการประมวลผลกลางจากการละเมิดที่มาจากอุปกรณ์ที่ติดตั้งในพื้นที่ที่เข้าถึงได้สาธารณะ ซึ่งเพิ่มความปลอดภัยเพิ่มเติมสำหรับระบบที่ซับซ้อนขึ้น

คุณสมบัติเหล่านี้มีความสำคัญต่อการปรับปรุงความสามารถของ AI เอดจ์ และความสามารถในการปรับเปลี่ยนของ FPGAs คือสิ่งที่ทำให้พวกมันเป็น “ผู้แก้ปัญหา” ที่เหมาะสมที่สุดสำหรับการสร้างเอดจ์ไกล

ความสามารถในการประมวลผลขนานของพวกมันช่วยให้สามารถรวมและวิเคราะห์ข้อมูลได้อย่างรวดเร็ว และสามารถเพิ่มประสิทธิภาพให้กับโปรเซสเซอร์ที่มีพลังงานสูงตามความจำเป็น หรือสามารถตอบสนองได้แบบเรียลไทม์ในกรณีฉุกเฉิน เนื่องจาก FPGA สามารถจัดการงานเล็กๆ เหล่านี้ได้ด้วยตนเอง โปรเซสเซอร์กลางจึงสามารถรักษาความสามารถในการประมวลผลที่สูงกว่าสำหรับงานที่ซับซ้อนกว่าที่ถูกส่งต่อไป

นอกจากนี้ FPGAs ยังสามารถเขียนโปรแกรมใหม่ได้ตามการออกแบบ ดังนั้นผู้จัดการระบบสามารถอัปเดตการนำไปใช้ AI เอดจ์ของตนเมื่อภาระงาน สภาพแวดล้อม และความต้องการเปลี่ยนแปลง อุปกรณ์ที่ใช้ FPGAs เป็นอุปกรณ์คู่สามารถพัฒนาไปพร้อมกับความต้องการของระบบโดยไม่ต้องเปลี่ยนฮาร์ดแวร์หรือติดตั้งใหม่ ตัวอย่างเช่น พวกมันให้ความยืดหยุ่นที่จำเป็นในการปรับตัวเมื่อ การเข้ารหัสลับหลังควอนตัม มีความก้าวหน้าและทำให้อัลกอริธึมการเข้ารหัสลับแบบเดิมๆ ไม่มีประสิทธิภาพ

ดีขึ้นด้วยกัน

เอดจ์อุตสาหกรรมคือที่ที่การทำงานอัตโนมัติด้วย AI จะแสดงศักยภาพที่เต็มที่ และความต้องการการทำงานอัตโนมัติในโลกแห่งความเป็นจริงไม่ได้รอชิปทั่วไปที่จะตามทัน นักพัฒนาอุปกรณ์เอดจ์ต้องเริ่มใช้หลักการออกแบบใหม่ๆ และสร้างรากฐานที่เหมาะสมซึ่งสร้างสมดุลระหว่างความยืดหยุ่นและความเฉพาะเจาะจง

FPGAs สามารถทำได้แน่นอน ที่จุดจำกัดของ GPU และ SoC FPGAs เติมช่องว่างเป็นอุปกรณ์คู่ที่มีความสามารถ โดยให้การอนุมานตลอดเวลา การควบคุมแบบแน่นอน การทำงานด้วยพลังงานต่ำ และความสามารถในการเติบโตไปพร้อมกับความสามารถของ AI และกรณีการใช้งานอุตสาหกรรมที่กำลังพัฒนา ไม่ว่าจะถูกใช้งานแบบอิสระหรือจับคู่กับโปรเซสเซอร์ทั่วไป FPGAs ช่วยสร้างรากฐานที่แข็งแกร่ง ที่น่าเชื่อถือ และสามารถปรับเปลี่ยนได้ที่จำเป็นในการสร้างระบบ AI เอดจ์ไกลให้เป็นจริง