十个问题，带你了解瑞萨电子在AI/ML上的决心

人工智能 (AI) 和机器学习（ML）对于提高系统的计算能力，以解决自动化和以数据为中心的世界的新兴需求至关重要。随着对效率、延迟以及成本的考虑，市场开始尝试采用越来越多的边缘计算（Edge Computing）作为嵌入式系统AI/ML的首选方案。

作为全球主要的MCU和MPU供应商，瑞萨电子的 AI 解决方案通过使用在终端具有智能数据处理能力的嵌入式 AI 技术，来增强以信息和操作技术 (IT/OT) 为基础的系统和产品。 

日前，EEWORLD专访了瑞萨电子物联网及基础设施事业本部MCU事业发展部高级总监Mohammed Dogar，就瑞萨在AI/ML上的进展，以及工业和物联网产业引入AI的痛点和难点进行了探讨。

瑞萨电子物联网及基础设施事业本部MCU事业发展部高级总监Mohammed Dogar

以下是文章详情：

EEWORLD：请简要总结一下瑞萨2021年在嵌入式AI市场上的里程碑事件，有哪些合作伙伴或客户的成功案例可以分享?

Mohammed Dogar：2021年，瑞萨成功推出面向AI的领先MPU产品。入门级RZ/V2L系列具备同类最理想的电源效率和高精度AI加速器DRP-AI，可进行AI推理和图像处理，以实施更具成本效益的视觉AI应用。此外，新的通用64位RZ/G2L产品群采用最新Arm Cortex-A55核心，用于改进AI处理。

瑞萨DRP技术应用在图像处理上，比CPU性能提高14倍

RZ/G2L框图

另外，瑞萨宣布了“Renesas Ready合作伙伴网络”。这一精心构建的庞大网络由值得信赖的技术合作伙伴组成。他们带来性能优化的商业级组件，与瑞萨产品相兼容并开箱即用。该网络拥有超过15家合作伙伴，提供AI/ML和语音用户界面技术的组件解决方案。

Renesas Ready中的人工智能与机器学习合作伙伴

此外，瑞萨还作为白金赞助商加入了TinyML基金会，帮助推进生态系统，并为TinyML做出贡献。

EEWORLD：能否分享下，2022年瑞萨在AIoT市场上的规划？

Mohammed Dogar：在2022年，瑞萨将继续加强其MCU和MPU产品组合，推出具有增强AI加速能力的产品。随着我们在蓬勃发展的AI/ML领域不断增加新的合作伙伴，“Renesas Ready合作伙伴网络”将继续成长。

此外，针对众多现实世界的AI/ML用例，瑞萨还计划发布一系列高度优化的概念验证解决方案组合。

EEWORLD：瑞萨本身更关注消费级的AI还是工业级的AI？相比而言，二者的主要区别都有什么？

Mohammed Dogar：瑞萨在这两个领域都是强大的参与者。凭借在工业物联网领域的巨大影响力，瑞萨的产品遍布从工厂到智能电网，再到建筑和办公自动化的各种工业应用。在消费领域，瑞萨也是白色家电、电器和个人连接设备市场的领导者。

《MIT科技评论》认为，工业AI将特定领域的知识与最前沿的AI和机器学习能力嵌入至用途适合的AI应用中。这使得运行这些操作的自主和半自主流程得以实现——由此达成了自我优化工厂的愿景。

一般来说，工业应用本质上通常需要处理关键任务，安全性至关重要。任何机器学习应用都需要与系统的整体安全和功能安全紧密结合。虽然在许多情况下，能够独立于云端进行实时推理是关键，但系统也应该具备融合边缘和云端的能力，以提升效率和适应性。严格专注于AI/ML部署后生命周期管理的MLOps也十分重要。

瑞萨针对不同领域的AI/ML落地项目

EEWORLD：目前，AI主要是对于视频、图像以及语音的边缘处理，您认为市场的主要痛点是哪里？

Mohammed Dogar：视频、图像和语音领域应用继续呈现强劲增长。我们看到，基于语音的应用程序作为非接触式人机界面的技术选项大量增加——COVID疫情的爆发加速了更多行业的采用。

我们还看到，结合了视觉、语音及其它感测数据的多模式技术被越来越多地采用，以开发更智能的推理/分类应用。随着工业级AI的发展，利用特定领域知识的时间序列应用愈发重要。其中比较流行的用例包括：预测性维护、异常检测、空气质量监测、高价值资产跟踪等。

以下是我们经常遇到的一些痛点：

1、数据科学、建模等关键技能的差距

2、AI/ ML开发和嵌入式开发的衔接（通常为2个独立的人才库）

3、工具、框架和架构的高度“碎片化”

4、MLOps的成熟度、ML生命周期管理流程等

EEWORLD：瑞萨是如何面对如上这些痛点的，包括软件、硬件等？

Mohammed Dogar：

1、面向真实世界高度优化且易于定制的概念验证组合

2、强大的支持机构，从而通过咨询和定制来帮助客户

3、强大的生态系统，以及与技术供应商的合作伙伴关系

4、确保在采用AI/ML时，系统的整体安全和功能安全要求不受影响

5、嵌入式AI硬件加速技术的持续创新

运用人工智能技术实现智能制造机器的Demo

EEWORLD：如何看待如今为了AI而引入AI，对于有些市场而言AI可以极大的促进生产力，然而，对于某些市场来说，AI的不确定性让人们变得恐惧及保守。

Mohammed Dogar：我们坚信，AI针对所有行业的影响通常都是利大于弊的。人们可能对AI“争夺”工作岗位或成为“超人”感到焦虑——在一定意义上这确实如此。然而，相比其“消灭”的工作岗位，自动化和受控智能往往会创造更多的机会——一般来说，它带来更高的效率和规模经济。此外，在许多关键的应用中，人类的参与将始终是关键，AI将继续发挥辅助性作用。虽然我们可能会在未来的某个时候实现超级AI，但我们坚信这一技术将针对正当的用途，并将受到适当的监管控制。AI将继续提供辅助性功能，并将提高生产力。对AI技术的采用也将始终必须根据最终应用的关键性来仔细权衡。

EEWORLD：目前有很多NPU或者所谓DSA已经开始进入边缘应用，您如何看待如今ASSP与MCU在边缘AI上的竞合关系？

Mohammed Dogar：

1、MCU与MPU的计算效率和实时处理AI/ML模型的能力不断提高

2、随着各类应用对AI/ML技术的普遍采用，MCU和MPU将继续增加AI加速结构和NPU

3、计算和AI加速的紧密融合，将为MCU/MPU和ASSP方式创造全新的机会及更高层次的合作

EEWORLD：不得不说的是，包括树莓派、Arduino以及STM32，各自都有基于自身的AI开发平台，并且也受益于生态系统，广受工程师好评。对于瑞萨而言，在嵌入式AIoT市场的差异化的发展策略是什么？ 

Mohammed Dogar：

1、瑞萨不会重点在重复的工作上——在硬件和软件层面的技术供应商间建立密切、健康的合作伙伴关系，才是为客户提供完整端到端开发体验的关键

2、我们继续以有针对性的方式发展并壮大我们的生态系统，瑞萨和合作伙伴可以将客户的设计从概念带至商用

3、我们继续通过高度优化的方法，加强我们实际用例的概念验证组合

EEWORLD：相对于MCU而言，MPU的复杂度可能已经相当于SoC，如何才能加速产品的开发周期？

Mohammed Dogar：假设这个问题是关于在终端系统中采用我们产品的复杂性。如今，硬件的复杂性很少成为重要的问题。相比之下，复杂性来自于软件、工具，而且往往源自系统级的考虑。

就AI/ML而言，我们正在努力通过组件、服务、端到端支持和工具的打造，来方便客户的采用。我们的专业知识和合作伙伴生态系统力量的结合，将发挥关键作用。

EEWORLD：在九月份时候，您曾表示，现在是嵌入式 AIoT 突破的时候，为了迎接突破，您建议工程师和相关企业应做好哪些准备工作？

Mohammed Dogar：

1、AI和物联网的融合正在迅速发生，尤其在边缘以及一直到端点设备的整个路径。从AI的角度来看，边缘和端点的技术正变得更加友好、高效和可扩展

2、基于我们从各个行业获得的广泛见解，我们的建议非常简单：AI/ML不单纯是一项功能。培养AI/ML思维、解决系统级问题并思考 AI 如何比标准嵌入式方法更有效地解决问题是关键

3、将AI视为核心系统级能力，并以与嵌入式物联网领域其它核心技术相同的视角来看待它

4、开始培养数据驱动的思维方式。我们都知道，AI的效能依靠数据