英飛凌 PSoC Edge 引領邊緣運算的未來

前言

隨著人工智慧（AI）逐漸從雲端走向裝置端，邊緣運算成為科技產業的新焦點。在邊緣設備上直接運行機器學習，不僅能降低延遲、保障隱私，還能提升系統穩定性。英飛凌推出的PSoC™ Edge 系列微控制器正是針對這一趨勢的創新產品。本文將介紹 PSoC Edge 如何透過硬體加速的機器學習來提升設備智能與計算效率，並探討其在智慧家庭、穿戴式裝置、工業自動化等邊緣應用中的優勢與創新場景。此外，我這邊也會說明一下英飛凌與Imagimob（現為深度工藝後續的技術整合狀況，說明PSoC Edge如何塑造邊緣運算的未來。

硬體加速 ML：裝置的智慧型 AI 引擎

PSoC Edge 是英飛凌最新一代的高性能微控制器，專為機器學習為任務而生。在硬體設計上，PSoC Edge 結合Arm Cortex-M55高效能核心與Cortex-M33超低功耗核心，並內建氦氣DSP技術、ArmEthos-U55微型神經網路處理器，以及英飛凌自行研發的NNLite 神經網路加速器這種異構多核心架構使裝置能夠在需要時提供強大的機器學習（ML）計算能力，同時在待機時保持超低功耗，支援隨時在線的感測需求。透過硬體加速，PSoC Edge能夠以更低的能耗執行複雜的神經網路推理，使終端產品更加智能並具備情境感知能力。例如，與傳統微控制器相比，它可以更快速地進行語音識別或影像分析，同時保持電池的長時間續航。英飛凌表示，PSoC Edge的硬體ML加速可為終端用戶帶來全新的體驗，使產品更加智能直觀。在PSoC Edge的加持下，裝置不僅反應更靈敏，也更加安全可靠，真正實現智能裝置的升級。

ModusToolbox 與 Machine Learning Configurator：開發者的智慧工具

英飛凌為了支援 PSoC Edge 系列 MCU 的開發，提供了全面的開發工具環境。ModusToolbox™該工具是基於 Eclipse IDE 開發的，整合了許多開發模組，包括 SDK、BSP 範例、系統模擬器與自動化工具。尤其是其中的機器學習配置器（MLC），是開發邊緣AI最有力的助手。

ML Configurator 可以幫助開發者簡單配置，將預訓練好的 TensorFlow Lite 模型方便地量化並自動生成對應的 C 文件以及參數值。該工具具有圖形化介面，支援高度自訂，也可以與 Infineon 許多預先建構的 AI 模型相對應。特別是結合 ModusToolbox 的專案管理與編譯環境，開發者可以在 ModusToolbox 上快速啟動專案、確認電路配置、編譯程式碼或連接驗證設備。

ModusToolbox + MLC 是用於查看、展示和擴展 AI 應用的基礎工具。開發者只需結合英飛凌提供的模型，參考範例程式後進行封裝處理，即可將工業模型、行為預測或體感變化模型快速部署到設備端。

邊緣應用場景：智慧家庭、穿戴裝置與工業自動化

硬體加速 AI 為各種邊緣應用帶來了豐富的可能性。在智慧家庭方面，PSoC Edge 微控制器能夠以極低功耗運行隨時待命的語音助理或觸控喚醒功能。例如，智慧音箱或家用電器可以利用PSoC Edge的感測器隨時監聽使用者的語音指令或偵測觸碰，而不會過度耗電。當使用者說出喚醒詞時，設備即可立即在本地識別並作出反應，無需將資料傳送到雲端分析，從而確保了即時性與隱私。同時，PSoC Edge的安全隔離機制可以保障家庭物聯網設備的資訊安全，防止惡意入侵。

穿戴式裝置則更加受益於PSoC Edge的低功耗AI運算能力。以智慧手錶或健康手環為例，這些裝置可以在本地執行AI模型來監測使用者的生理信號或行為模式。透過硬體加速的神經網路，手環可以即時偵測佩戴者是否發生跌倒應對緊急狀況，同時將電池消耗降至更低，延長設備續航時間。事實上，英飛凌提供的現成AI模型之一就是跌倒偵測模型利用加速度感測數據來識別老年人跌倒事件，在保障使用者安全的同時不影響裝置的電池壽命。類似地，智慧耳機也能內建PSoC Edge來隨時監測使用者健康或環境聲音，並在本地執行降噪和語音助理等AI功能。

在工業自動化領域，引入 AI 到邊緣同樣具有革命性的影響。PSoC Edge 可用於機器設備的狀態監控與預知維護透過本地的機器學習模型來分析感測器數據，及早發現異常震動或噪音，預防設備故障。由於計算是在現場設備內部進行，工廠系統可以即時做出反應，而不需要等待雲端返回結果。此外，英飛凌的解決方案還包含專為工業環境設計的人工智慧模型。例如，其中一款。DEEPCRAFT 工廠警報檢測模型可在嘈雜的生產現場識別警報聲音，及時提醒佩戴降噪設備的工人避險。這類本地執行的AI功能為工業安全增添了一道保護網，也體現了邊緣運算在工業自動化中的價值。總體來說，從智慧家庭的語音互動、穿戴設備的健康監控，到工廠生產線的智慧監測，PSoC Edge 所帶來的硬體加速AI正全面提升各領域設備的智慧化水平。

Infineon與Deepcraft實現AI軟硬體生態整合

英飛凌深知，硬體只是解決方案的一部分；要充分釋放邊緣AI的潛力，還需要完善的軟體生態系統。為了加速這方面的布局，英飛凌在2023年5月收購了瑞典的邊緣AI初創公司。Imagimob隨後，英飛凌將 Imagimob 的技術整合並推出了全新的深度工藝™軟體品牌，統一旗下所有邊緣AI與機器學習相關解決方案。在這個品牌下，Imagimob原有的開發平台更名為深匠工作室預先訓練的 AI 模型套件則更名為DEEPCRAFT 已準備好的模型透過建立 DEEPCRAFT 品牌，Infineon 為客戶提供了一套完整的軟硬體協同方案，涵蓋從資料獲取、模型開發訓練，到部署於設備端的端到端流程。英飛凌強調，其 Edge AI 軟體與硬體能夠...無縫協作為客戶帶來創新、可靠且便利的 AI 解決方案。這意味著開發者可以藉助 DEEPCRAFT Studio 平台快速地將機器學習模型部署到 PSoC Edge 微控制器上，免除繁瑣的相容性問題，同時利用 Infineon ModusToolbox 等工具和豐富的文件資源，加速產品開發進程。

英飛凌已經開始提供一系列的邊緣AI模型來展示硬體與軟體生態的威力。Imagimob 團隊推出了多個全新的 DEEPCRAFT Ready 模型，包括以雷達實現的手勢與表面檢測、基於加速度計人體跌倒檢測，以及面向工業環境的聲音事件檢測等。例如，其中的手勢辨識模型可透過雷達感測器識別多種手部動作，使智慧家庭和消費類電子產品具備更加直覺的免觸控操作介面。同時還擁有電源優化管理功能，以延長設備電池壽命。這些現成模型降低了將AI功能融入產品的門檻，開發者無需從零開始訓練模型，只需選擇合適的模型並進行調校，就能快速為產品添加AI功能。這些新模型的推出為各行業打造智慧、安全和可持續的解決方案帶來了新的可能性，同時也為英飛凌後續擴展DEEPCRAFT邊緣AI方案奠定了堅實基礎。

Deepcraft 整合式 AI 解決方案

為了掌握 AI 的底層設計並縮短 AI 開發週期，深度工藝的邊緣AI初創公司，常用於開發健康穿戴設備、工業狀態監測、動作變化等項目。

深匠工作室是開發者接觸主要工具的入口，支援從資料優化、模型訓練、驗證到部署的全流程。同時，DEEPCRAFT 已準備好的模型包括人體行為檢測、聲音事件、雷達操作等，可將其接入 MLC 中作為底層基礎。

Infineon 將 DEEPCRAFT 與 ModusToolbox 完整整合，為開發者提供從研發到製造的一體化開發元件社群與工具理念，幫助業界更高效地採用 AIoT 技術。

攜手 NVIDIA TAO：強化 AI 模型的開發與部署

為了進一步推動邊緣 AI 的普及應用，英飛凌宣布其 PSoC™ Edge 系列微控制器正式整合 NVIDIA TAO 工具套件，讓開發者能更快速地在低功耗設備上構建並部署高精度的 AI 模型。PSoC Edge 本身內建 Arm Cortex-M55 處理器與 Ethos-U55 微型神經網路加速器，此次整合進一步簡化了從模型訓練、優化到部署的完整流程。開發者可直接透過 TAO 平台匯入經優化的電腦視覺模型，強化如影像識別、異常檢測、語音互動等應用，廣泛應用於工業自動化、智慧醫療、車載系統與 AIoT 設備。此舉不僅大幅縮短產品開發週期，也有助於提升系統即時性與資料隱私安全。英飛凌也同步提供完善的軟體支援生態，包括 ModusToolbox 開發平台與相關函式庫，協助開發者以更高效率將 AI 能力部署至終端設備，打造真正具備智慧與敏捷反應的邊緣設備。

結語

在邊緣運算的浪潮中，Infineon PSoC Edge 系列微控制器結合專用硬體加速與完整軟體生態，為智慧裝置帶來前所未有的效能與效率提升。透過硬體層面的 ML 加速，裝置能夠在本地即時執行 AI 任務，實現更快速的回應、更低的能耗以及更好的資料隱私保護。從智慧家庭的語音助理、手勢控制，到穿戴裝置的健康監測，再到工業自動化的智慧感測與維護，PSoC Edge 展現出廣泛的應用潛力。而英飛凌與 Deepcraft 整合軟體工具與預訓練模型的策略，更是加速了這些潛能的落地實現。硬體與軟體的緊密協作讓開發 AIoT 裝置變得前所未有地高效與簡單。展望未來，英飛凌正透過 PSoC Edge 與 DEEPCRAFT 等技術組合，引領邊緣運算進入下一個世代。在這樣強大的解決方案支持下，新一代的智慧裝置將更加貼近我們的生活，真正將人工智慧無所不在地融入現實世界，塑造更便利、安全且智慧的未來。

參考資料：

• 英飛凌透過 PSOC™ Edge 與 NVIDIA® TAO 套件的整合，推動邊緣人工智慧運算的發展