在人工智能驅動的今天，人工智能 (AI) 和機器學習 (ML) 正朝著網絡的邊緣發展 - 即使是最小的物聯網設備也將很快運行 AI/ML 算法。這種持續的演變也被稱為人工智能物聯網 (AIoT)。在這篇博客中，Silicon Labs 的產品營銷總監 Ravi Subramanian 闡述了人工智能物聯網 (AIoT)，以及經過 AI/ML 加速的 SiWx917 Wi-Fi SoC 如何為物聯網設備制造商簡化邊緣人工智能。

近 10 年甚至更長時期以來，世界一直被數據和物聯網所驅動 - 大多數工業過程、各種類型的電器、智能家居和智能建筑都已通過物聯網進行控制和監控，在邊緣和云之間傳輸數據。不同于早期的 M2M（其中微小的數據包通過窄帶寬無線電周期性地發送），當今的云和生態系統連接的物聯網設備可通過 Wi-Fi 傳輸大量數據和流媒體視頻。然而，如今生成了海量數據，需要快速做出決策，使得云計算對于最終用戶而言效率低下 - 在云中處理數據的延遲過長，集中移動和存儲數據的成本也變得過高。

?

AIoT 挑戰

AIoT 是一種全行業的發展，物聯網設備制造商現在正在利用其來避免云計算的兩個普遍已知的最終用戶劣勢 - 延遲和成本。

在物聯網的早期，傳感器等設備可以在源頭附近收集數據，并在設備的微處理器上本地執行簡單的計算，以避免在云中處理所有讀數。然而，在當時，缺乏純粹的計算能力和超低功耗 Wi-Fi 連接限制了資源受限設備的用例和現場操作時間。

對于設備制造商而言，面臨的 AIoT 挑戰是打造高性能、始終在線的云連接 Wi-Fi 物聯網設備，這些設備具有充足的計算和 AI/ML 處理能力，但在保持設計和 BoM 成本的同時，需要使用電池運行數月甚至數年。

幸運的是，摩爾定律仍然有效，幫助了 Silicon Labs 的工程師在單個半導體芯片上加入更多功能。今年晚些時候發布的 SiWx917，將成為功耗最低的 Wi-Fi 6 SoC，其在單一封裝中具有集成 AI/ML 加速器、應用專用微處理器內核和大量內存，即使在小型電池供電的物聯網設備上也能實現強大的計算和快速的 AI/ML 處理。

?

集成超低功耗 Wi-Fi 和 AI/ML 加速??

SiWx917 支持的無線物聯網設備可以處理數據、音頻或圖像，并應用先進的 AI 算法和快速 ML 推理，在邊緣本地做出更復雜的決策。如往常一樣，超低功耗邊緣 AI 計算的優勢與時間和資金有關。物聯網傳感器現在可以快速地在本地處理高要求的計算，而無需啟動 Wi-Fi 連接、傳輸數據和等待響應，避免了回到云端進行處理。

如果需要云計算，SiWx917 可提供超低功耗、始終在線的 Wi-Fi 6 連接，與競爭對手的 SoC 相比，電池壽命延長了一倍。即使傳感器處于休眠狀態，它也可以在接入點（WLAN 關聯模式）上保持 Wi-Fi 上下文活動狀態，從而實現快速連接自舉和高通量傳輸，從而減少云計算的延遲和能耗。

由于 SiWx917 SoC 上集成了 AI/ML 加速器（矩陣矢量處理器），終端設備（例如傳感器）可以直接在其 Wi-Fi 無線電單元（即 SiWx917）上處理數據，而無需喚醒和占用其中央微處理器，從而降低了終端設備的功耗，并進一步延長了電池壽命和充電時間間隔。

總之，超低功耗 Wi-Fi 和 AI/ML 確實是 AIoT 的完美組合，并且 SiWx917 為設備制造商提供單一封裝、配備了先進的傳感器集線器、一流的安全性等。

?

Wi-Fi 和 AI/ML - 云端的天作之合?

隨著世界越來越多地由 AI 所驅動，即使是最小的物聯網設備也將啟用 AI/ML 功能。作為設備制造商，您必須找到快速、經濟高效、可靠的解決方案來加速您的 AIoT 開發。

Silicon Labs 的 SiWx917 Wi-Fi 6 SoC 是一款針對電池供電物聯網設備優化的完整邊緣計算解決方案。與競爭對手的 SoC 相比，可使 Wi-Fi 6 電池壽命延長一倍，而不影響無線性能和 AI/ML 計算能力。對于設備制造商而言，這降低了物料表和開發成本，簡化了設計，并提高了工業物聯網、樓宇自動化、智能家居、智能攝像頭和其他應用的可靠性。

詳細了解 Silicon Labs SiWx917 和 AI/ML 解決方案。