Arm架構強化物聯網感測優勢 完整產品線助力客戶掌握智慧商機

Arm首席應用工程師張維良。

數據在各種智慧化系統中扮演了重要角色，完整而可靠的數據方能讓系統後續環節隨之啟動。Arm首席應用工程師張維良指出，感測技術發展多年，數據擷取機制漸臻成熟，然現在市面上的感測器未必能符合智慧化系統所需，他在「Transforming IoT Endpoints with Arm Technology」演講中就深入介紹感測技術近年的發展趨勢與Arm架構在此領域的佈局。

張維良以寒武紀時代的三葉蟲演進為例，點出感測器的進化。他表示當時三葉蟲是地球首先發展出視力系統的生物，憑藉此點優勢，三葉蟲在當時成為最具優勢的掠食者，而目前物聯網裝置爆發基本概念與寒武紀物種數量爆發雷同，但未來可與智慧化系統整合的感測器，才能存活於市場。

至於未來感測器將會有何不同，張維良表示，新世代的感測器將從類比轉為數位、固定功能變成可編程、原始數據轉化為已分析數據...等，在這所有變化中，他認為3V—Voice、Vision、Vibration三種感測器可將智慧化功能內嵌於小型裝置中，為裝置、系統的演化定下基礎。

張維良進一步指出，現在各廠商類型晶片已著手強化上述感測器的開發，例如已有業者透過DSP與機器學習演算法進行語音處理，並將之應用於運算資源有限的裝置上，為了滿足業界需求，Arm積極建置產業生態系統，並提供對應的開發工具，協助業者在最小功率下，盡可能增強效能。

在振動感測器部分，張維良表示，振動擷取類似於聲音，其不同之處在於不正常的訊號改變，此類應用一般可使用DSP，他建議可選用Arm Cortex-M23架構，如果要機器學習，則可採用Arm Cortex-M55，進一步分析異常訊號。

視覺感測器目前的主要應用分為物件偵測、物件分類與物件識別等三種，這三種應用的數據處理難度不一，所使用的Arm架構也不盡相同，物件偵測使用Cortex-M23已然足夠，物件分類可用Arm Cortex-M55加上Arm Ethos-U55神經網路處理器，物件識別由於需要精準辨識特徵，則需用到較高階的Arm Cortex-A53搭配Ethos-N57架構。除了上述解決方案之外，張維良表示，Arm下一世代的系統在功能上將會有更複雜的分析運算鏈(Analysis Processing Chain)，藉由Mali系列ISP+Cortex-A+NPU架構，大幅提升運算能力與功耗效率。

除了三種感測器之外，張維良在會場上也探討了感測器融合概念，他指出此概念是結合多個感測器，將數據融合出一個更有價值的資料，以提供系統分析與運算。在此概念中，工程師可結合多種感測器來源，建造更完整更可信的系統，藉此了解環境變化。

此類系統可獨立管理分散資料並進行分析，除此之外工程師也可將不同感測器匯集於單一裝置上，並以DSP運算進行資料融合，最後若有其他需求，可將融合的資料以機器學習演算法識別判斷，再視狀況對應處理分析結果。

演講最後，張維良為與會者提出Arm解決方案在物聯網終端裝置的配置與轉換建議，他指出，現在Arm解決方案在功耗、效能與價格方面都具有高度競爭優勢，其產品線從應用於可攜式裝置的Cortex-M到高效能的Cortex-A一應俱全，除了齊全的產品線外，Arm近幾年也全力打造產業生態系統，接下來Arm將持續延伸強化此一策略佈局，協助客戶縮短開發時程、降低成本。