Endüstriyel Edge AI İçin Ham İşlem Gücünden Daha Fazlası Gerekir

Onlarca yıl boyunca, kenar donanım tasarımı basit bir hiyerarşiye uydu: verimliliği en üst düzeye çıkarın, ardından gücü ve termal yönetimi bunun etrafında yönetin. Ham işlem gücü, her şeyin altında inşa edildiği tavanıydı. Bu mantık, kenar cihazlarının sabit olduğu, ortamların kontrol edildiği ve merkezi işlemenin kenarın yapamadığını yapabileceği zamanlar için geçerliydi. Ancak, bugünün endüstriyel ortamlarında bu koşullar geçerli değil ve eski hiyerarşi bu nedenle bozuluyor.

Endüstriyel tesis operatörleri şimdi AI destekli otomasyonu doğrudan üretim alanına getiriyor ve operasyonlara mümkün olduğunca yakın intelligent ve karara yönelik eylem istiyor. Hedef doğru. Ancak bunu güvenilir donanıma çevirmek için çip tasarımı temelden yeniden düşünülmesi gerekiyor.

Yeni bir kısıtlama hiyerarşisi

Küresel endüstriyel kenar pazarı 2025’te 21 milyar dolardan 2030’a kadar yaklaşık 45 milyar dolara büyüyecek ve bu büyümeye eşlik eden donanım talepleri, çip tasarımcılarınınhistorically optimize ettiği şeyden fundamental olarak farklı görünüyor. AI destekli otomasyon, kontrol edilen test ortamlarından canlı fabrika zeminlerine taşındıkça, kenar dağıtımlarını yöneten kısıtlama hiyerarşisi etkili bir şekilde tersine döndü:

1. Güç şimdi en üst sıraya çıktı. Sürekli açık operasyonlar, atık azaltmak ve kenar AI sistemlerini dağıtmaya ilişkin harcamaları en aza indirgemek için esnek kontrol modlarına ihtiyaç duyuyor.
2. Termal ve çevresel faktörler performansı büyük ölçüde etkileyebilir. Endüstriyel tesisler, yüksek sıcaklıklar, termal kısıtlamalar, potansiyel parçacıklar ve nem gibi çevresel aşırı durumlar getirir, bunlar da işlevselliği öngörülemez bir şekilde bozabilir.
3. Gecikme ve determinizm hassas merkezli kullanım örneklerinde, özellikle endüstriyel tesislerde, zamanında ve doğru eylem başarı ile hurda arasında fark yaratabilir.
4. Ham verim bu paradigmadaki son sıradadır. Önemli olmakla birlikte, bant genişliği ve verim, gömülü yetenekler sound olduğunda daha az kritiktir. Kritik işleme ve akıl yürütme cihaza gerçekleşir, merkezi işleme sisteminin sürekli iletim için ihtiyaç duymadan daha karmaşık görevleri işleyebilmesi için daha fazla bant genişliği sağlar.

Bu kısıtlamaların tersine dönmesi, tasarımcıların endüstriyel kenar için tasarlanırken yalnızca ham işlem gücünden daha fazlasını düşünmesini gerektirir.

“Tam doğru”yu bulmak

Geliştirme ortamlarında, örneğin bir endüstriyel robota masa başında tasarım yapılırken, GPU’lar yeterli olabilir. Yüksek kapasiteli ve verimli bileşenlerdir, büyük miktarda verileri hızlı ve doğru bir şekilde işleyebilirler. Ancak bu işlemler, kontrol edilen ortamlarda gerçekleşir.

Endüstriyel cihazlar genellikle bereits çalışan tesislerde miras ekipmanlara kurulur. Hareketli olabilirler. Güç, alan ve termal kapasite, cihazın ihtiyaçları tarafından değil, çevrenin tarafından belirlenir. Bu, yalnızca çip tasarımı itself olarak değişken bırakır ve genel amaçlı silikon, endüstriyel uzak-kenar AI’nin özel, sürekli taleplerini karşılamak için kötü bir şekilde uyarlanmıştır. Ya çok esneksiz ya da çok geniştir.

Örneğin, entegre NPU’lar ile SoC’ler, bu tür yapılar için orta bir zemin sunar, düşük güç yetenekleri ve güçlü deterministik özellikler sunar. Ancak, termal olarak kısıtlanmış ortamlarda sporadik işlevsellik için optimize edilmiş tasarımları nedeniyle, zorlu uzak-kenar ortamlarında yetersiz kalma eğilimindedirler. Patlama-analiz odaklı bir tasarım, onları endüstriyel tesislerin daha karmaşık gerçeklikleri için güvenilir bir uyum haline getirir.

Otomatik endüstriyel operasyonları bir gerçeklik haline getirmek için tasarımcılara bir şey gerekiyor: aradaki boşluğu doldurabilecek kadar esnek, ancak özel uygulamaları işleyebilecek kadar özel olan çipler.

FPGA’lar: Daha yetenekli bir ortak

Daha fazla kenar geliştiricisi, FPGA’ları (Field Programmable Gate Array) bu sorunun cevabı olarak kullanmaya başlıyor. Önemli olarak, FPGA’lar, GPU’lar, CPU’lar veya diğer merkezi işlem seçeneklerinin tamamlayıcı bir替 olarak konumlandırılmaz. Bunun yerine, genel amaçlı silikonun, sahada zayıf bir şekilde işlediği görevleri – sürekli açık sensör izleme, gerçek zamanlı ön işleme, deterministik yanıt ve güç kapama – işleyen伴 chips olarak işlev görürler.

Mimariye bağlı olarak, bu eşlik eden cihazlar, GPU veya CPU’ya yanında veya sensörün kendisine daha yakın bir konumda yerleştirilebilir, tasarımcılara iş yükünü nerede ve nasıl devredebilecekleri konusunda esneklik sağlar. Companion rolünde işlev görebilme yeteneği, FPGA’ları uzak-kenar endüstriyel ortamlarına o kadar iyi uyarlar, burada birincil işlemcinin, sürekli düşük seviyeli işlem talepleri tarafından ezilmekten korunması gerekir.

Küresel FPGA pazarı 2024 yılında 11.6 milyar dolar olarak değerlendi ve 2033 yılına kadar 41.6 milyar dolara ulaşması bekleniyor, bu da endüstriyel ve kenar dağıtımlarında bu tür bir companion mimarisinin artan tanınmasını yansıtıyor. Companion çipler olarak, FPGA’lar, doğrudan inverted kısıtlama hiyerarşisini ele alan belirli bir yetenek seti getirir:

• Paralel, veri akışına yönelik işleme, cihazların, iletimden önce merkezi işlem donanımına veri göndermeden önce gelişmiş ön işleme yapabilmesini sağlar. Bu, veri hacimlerini azaltır, gecikmeyi azaltır ve güvenilir operasyonları güvence altına alır.
• Deterministik akıl yürütme yetenekleri, bilinen tetikleyici olayları tanımlayarak kritik senaryolarda gerçek zamanlı yanıtları ermöglicht.
• Mantık tarafından yönlendirilen güç kapama, cihazların, çevresel tetikleyicilere (hareket veya diğer değişikliklere) bağlı olarak enerji kullanımını ölçeklenebilir olmasını sağlar, böylece yüksek talep süreçleri yalnızca ihtiyaç duyulduğunda aktif olur.
• Yerleşik güvenlik özellikleri, FPGA’ların bir donanım kök güvenliği (HRoT) olarak davranmasına ve merkezi işleme donanımını, kamu erişimi olan konumlarda bulunan cihazlardan kaynaklanan güvenlik açıklarından korumaya yardımcı olmasına olanak tanır, böylece giderek daha karmaşık sistemler için ek bir güvenlik katmanı ekler.

Bu özellikler, kenar AI yeteneklerinin geliştirilmesinde kritiktir, ancak FPGA’ların nihai olarak uzak-kenar yapılar için optimal “sorun çözücüler” olmasının nedeni esnekliklerdir. Genellikle akıllı ön işlemciler olarak işlev görürler, cihazda gerçek zamanlı sensör birleştirme işlemlerini gerçekleştirir, böylece veri iletimini azaltır ve zamanında yanıtları ermöglicht.

Paralel işlem yetenekleri, verilerin hızlı bir şekilde entegre edilmesini ve analiz edilmesini sağlar ve gerektiğinde daha yüksek güç işlemcilere geçiş yapabilir veya kriz anında gerçek zamanlı olarak işlev görür. FPGA, bu küçük görevleri kendi başına işleyebildiği için, merkezi işlem daha karmaşık görevleri işleyebilmesi için daha fazla bant genişliği sağlar.

Ayrıca, FPGA’lar tasarımı gereği yeniden yapılandırılabilir, böylece sistem yöneticileri, iş yükleri, ortamlar ve ihtiyaçlar değiştikçe kenar AI uygulamalarını güncelleyebilir. FPGA’ları kullanan cihazlar, donanım değişimi veya yeniden dağıtım olmadan sistem ihtiyaçlarına uyum sağlayabilir. Örneğin, kuantum sonrası kriptografi ilerledikçe ve mevcut kriptografik algoritmaları etkisiz hale getirdikçe, gerekli esnekliği sağlar.

İyi birliktelik

Endüstriyel kenar, AI tabanlı otomasyonun en büyük potansiyelini kanıtlayacağı yerdir ve gerçek dünya talepleri, genel amaçlı çiplerin yetişmesini beklemiyor. Kenar geliştiricileri, esneklik ve özgüllüğü eşit ölçüde dengeleyen optimize edilmiş temel yapılar oluşturmak için yeni tasarım ilkelerini benimsemelidir.

FPGA’lar bunu yapabilir. GPU’lar ve SoC’ler sınırlarına ulaştığında, FPGA’lar companion çipler olarak boşluğu doldurur, sürekli açık çıkarım, deterministik kontrol, düşük güç işlemi ve AI yetenekleri ile endüstriyel kullanım örneklerinin gelişimine eşlik etme potansiyelini sağlar. Bağımsız olarak dağıtılsın veya genel amaçlı işlemcilerle birlikte kullanılsın, FPGA’lar, uzak-kenar AI ekosistemlerini gerçeğe dönüştürmek için gereken güçlü, güvenilir ve uyarlanabilir temeli oluşturmaya yardımcı olur.