AI-TinyML突破物聯網終端設備限制,科技巨頭搶先布局

Home - 趨勢分析 - AI-TinyML突破物聯網終端設備限制,科技巨頭搶先布局

AI-TinyML突破物聯網終端設備限制,科技巨頭搶先布局

TAcc+新創分析師 許雅音

 

AI正在加快速度從「雲端」部署到「邊緣」,目前將部署到更小的「物聯網終端設備」中。能夠在終端的微處理器上實現的機器學習過程,被稱為微型機器學習,即TinyML。

 

  • TinyML市場作為ML的一部分,規模隨著物聯網終端設備持續增大,科技巨頭搶先布局 — 機器學習分為三個種類,包含機器學習位於雲端或企業數據中心的Cloud ML、機器學習位於邊緣設備或小型數據中心的Edge ML,及TinyML。TinyML位於物聯網終端設備、機器學習和邊緣計算的重疊處,是將機器學習運用在物聯網終端設備 (包含智慧監視器、可穿戴設備,及感測器等) 的微控制器上,令物聯網終端設備只需要超低功耗 (mW級別),就能「主動」進行機器學習,並參與智慧決策與執行。也就是說,TinyML優勢在於提升物聯網終端設備的數據分析和決策能力。

TinyML的出現,解決了Cloud ML和Edge ML無法突破的問題,包含數據隱私、網路帶寬、時間延遲等問題。TinyML能在物聯網終端設備上,直接處理和分析敏感數據,保護數據隱私;有些設備為了降低網路帶寬和傳輸功耗的壓力,對於終端數據處理有強烈的需求;隨著5G的發展,將有愈來愈多物聯網終端設備出現,許多應用場景如遠距手術等,對於時間延遲非常敏感,TinyML將一部分機器學習的任務轉移至物聯網終端設備執行,減少時間延遲的可能性。

 

科技巨頭也紛紛在TinyML領域布局,例如BOSCH推出了用於物聯網的MEMS感測器,實現TinyML的應用;Apple以2億美元收購了TinyML新創公司Xnor.ai,及ARM公布兩款晶片的設計,能夠使物聯網終端設備在不連接雲端下,執行機器學習。另外,致力於TinyML的新創公司Edge Impulse也在近期完成新交易,將其軟體安裝在Silicon Labs和Nordic Semiconductor的晶片上。

 

雖然TinyML有許多潛在優勢,然而在硬體資源受限下,要如何確保機器學習的效能,同時兼顧低功耗、成本與縮短開發時間,都是非常艱鉅的挑戰,更困難的是,TinyML涉及到不同公司的協同,各公司的商業模式也有所不同,因此難以開發。目前TinyML屬於發展階段,需要來自軟體、硬體、演算法、應用面等涉及多方的通力協作,才能有效構建完整的生態系統。建議台灣的新創公司關注TinyML發展的同時,也關注TinyML發展所帶來的商業模式的變革。

 

參考資料:

  • “Silicon Labs and Edge Impulse Partner to Accelerate Machine Learning Applications,” CISION prnewswire,2021.

Share: