在邊緣和極端邊緣之間，以及在無線電接入網中出現的層次結構——這一切是如何發(fā)生的將是一個有趣的現象。Synopsys的設計軟件IP產品營銷經理Ron Lowman，最近發(fā)布了一份技術簡報，提供了一些關于移動計算和AI接近邊緣的動機，以及這些變化如何影響IP選擇和系統架構的見解。

無線電接入網絡中的層次結構

到目前為止，基本原理已經很好地理解。從數十億或數萬億的邊緣設備中傳輸zettabytes的數據到云端是不可能的——因為在功率和帶寬方面太過昂貴。所以我們開始把計算移到更靠近邊緣的地方。這樣，本地處理更多的數據，只需要較短的跳躍。Ron引用了Rutgers/Inria在增強現實(AR)應用中使用微軟HoloLens的一項研究。它的任務是進行二維碼識別、場景分割、定位和繪制地圖。在每種情況下，HoloLens首先連接到邊緣服務器。在一個實驗中，人工智能功能被轉移到云服務器上。在第二個實驗中，在邊緣服務器上執(zhí)行這些操作。第一種情況下的總往返延遲為80-100ms或更多。在第二種情況下，只有2-10ms。

這并不奇怪，但其中的含義很重要。云延遲很容易引起AR用戶的暈動病。在其他應用中，這可能是一個安全問題。邊緣計算的往返延遲問題要小得多。Ron補充說，5G提供的用例可以將延遲降低到1ms以下。使基于邊緣的計算沒有競爭的理由。對于延遲不敏感的應用程序來說，使用云是可以的(只要你不介意傳輸過程中的成本開銷和隱私問題。)對于任何實時應用程序，計算和人工智能必須靠近應用程序。

從云到邊緣的架構

Ron接著談到了邊緣計算的三種不同架構。他把邊緣看作是云以外的任何東西，它利用了來自多個來源的使用模型和架構。最上面的是區(qū)域性數據中心，更多的是本地數據中心(可能在工廠或農場)，以及聚合/網關。每個都具有自己的性能和功率配置文件。

而區(qū)域數據中心是縮小了的云，具有相同的功能，但的容量和功率需求較低。對于本地服務器，他舉了一個Chick-Fil-A的例子，他們在快餐店有這樣的服務器，來收集和處理數據，以優(yōu)化當地廚房的運營。

不過快餐店里的聚合器/網關的功能相當有限。在這個架構中，有一些更高層次的步驟;這種層次結構進一步發(fā)展，一直延伸到邊緣設備，甚至是電池驅動設備。據了解，在遙控器中，語音激活和觸發(fā)單詞識別是在遙控器內部進行。而且網關可能會做一些更繁重的工作(例如命令識別)。

最后，他討論了對SoC架構的影響，以及進入服務器SoCs和AI加速器的IP。本人同意他的觀點，即x86向量神經網絡擴展可能不會產生太大影響。畢竟，英特爾開發(fā)Nervana(現在是Habana)是有原因的。更普遍的是，AI加速器架構正在爆炸。支持垂直應用，從極限邊緣到5G基礎設施再到云。AI正在每一種形式的邊緣和非邊緣計算在尋找它的位置。