边缘AI让MEMS传感器更快、更个性化、更聪明
2019-11-23 16:52:00 来源：麦姆斯咨询 评论：0 点击：
据麦姆斯咨询展望未来，核心芯片特别是MEMS传感器，仍将是终端设备不可或缺的组成部分，不过，软件在为用户带来价值方面也同样重要。Bosch Sensortec公司相信传感器软件将变得越来越智能化，将MEMS传感器转变为更准确和个性化的系统，可以帮助用户应对任何情况。
据麦姆斯咨询展望未来，核心芯片特别是MEMS传感器，仍将是终端设备不可或缺的组成部分，不过，软件在为用户带来价值方面也同样重要。Bosch Sensortec公司相信传感器软件将变得越来越智能化，将MEMS传感器转变为更准确和个性化的系统，可以帮助用户应对任何情况。
Bosch Sensortec（罗伯特·博世有限公司的全资子公司）首席技术官Markus Ulm介绍：“软件将赋予传统传感器组件更多的功能，我深信这将对我们的行业产生重大影响，将进一步促进MEMS传感器在当前和新应用中的使用。”
艰难的MEMS标准化之路
“一种产品，一套工艺”是MEMS行业内众所周知的规则。为满足用户在功耗、延迟、稳定性和存储等方面的特殊要求，MEMS器件需要高度定制。例如，VR头戴设备需要最短的延时，而机器人吸尘器则需要在不同温度下具有较高的稳定性，可穿戴设备则需要以超低功耗进行自我学习和定向跟踪。Ulm说：“开发一种既适用所有的情况，又具有足够的覆盖范围，并且真正商业可行的产品，这是非常困难的。”
而且，MEMS工艺朝着标准化方向发展并不明显，这是其与常规半导体工艺的显著差异。法国咨询公司Yole技术市场分析师Damianos Dimitrios表示：“尽管过去二十到三十年来，人们一直都在谈论标准化，然而MEMS在标准化方面几乎没有任何改进和进步。这就是为什么MEMS代工厂和CMOS代工厂的商业模式有所不同的原因。”
Ulm认为，软件将是打破这种僵局并创造商业意义的重要推动力。
边缘人工智能（AI）让MEMS传感器越来越聪明
从读取传感器数据、评估数据，到最终能根据数据学习并做出本地决策，软件已经走过了漫长的道路。
Ulm说：“软件和硬件的结合将为传感器带来新的制造方法和传感方式。”
如果硬件组件中包含多种传感器，则软件可以将各种原始的测量数据汇总在一起，并转化出更有价值的信息。Ulm继续说道：“因此，相比传感器组件的原始数据，整个系统能够生成更高级别的信息。例如，Bosch Sensortec的BME680气体传感器，其内集成气体、气压、湿度和温度四种传感功能，如果仅使用传感器的原始数据，我们无法区分不同的气体。但是通过软件，可以在气体传感器中实现温度光谱分析。”
传感器融合是将来自多个传感器的数据进行智能组合、评估的软件，以完善应用或提升系统性能。但是，实际上，让多个传感器协同工作并收集有用的数据并不是那么简单和直接。
Ulm解释说：“要简化传感器融合过程，你要么需要提高计算能力，要么需要创建一些机器学习算法来处理所有这些数据，进行分类，然后才能知道这些数据来自哪个传感器以及这些数据能告诉我们什么。”
同样具有挑战性的还有处理能力，Damianos补充道：“你需要更强的数据处理能力，但最终，你又必须降低功耗让设备可以更长时间使用，在消费类应用中尤其如此。”
Ulm指出：“传感器融合技术并没有达到极限，需要进一步的研究和开发。博世的方法包括利用人工智能（AI）与软件综合来使消费电子设备更智能。软件综合是指基于领域知识和特定产品版本的约束条件自动生成代码的方法。”Ulm继续评论道：“传感器融合技术实现了一定程度的自动化，为更复杂的传感器融合创造了新的机会，比如大数据和大量潜在的数据源的融合，这是以前使用传统方法无法实现的。”
软件不仅增加传感器自身的价值，而且为整个系统增加了价值。软件将变得越来越智能，它可以在MEMS传感器本身内部实现AI。Ulm说：“我们已经听到了很多有关AI的信息，但我想倡导边缘AI作为推动我们行业发展和有益于用例推广的解决方案。”让MEMS器件直接自带AI功能，不仅有助于开发新的应用，还有利于用户。
在边缘设备中运行AI算法确实会为用户带来了很多好处。第一个是个性化，设备在本地运行计算，并可根据用户的个人行为进行优化。其次是用户数据的隐私保护，由于数据处理仅在边缘而无需上传到云，因此数据是私有的。第三个好处是实时反馈。Ulm解释道：“如果将数据内容传送到云处理再取回它，在许多情况下你会遇到不想要的延迟，但是在边缘执行就可避免数据传输带来的延迟。”第四是本地处理可以延长电池寿命。
Bosch Sensortec首席技术官Markus Ulm
但是，仍然存在一些限制边缘AI成功的关键因素。Ulm说：“对于边缘AI而言，不仅需要理解和控制数据，而且还需要理解和控制算法，两者都至关重要。”他接着解释道：“要使边缘AI成功，我们需要三件事：首先是算法，在约束条件下能够在边缘设备上运行。了解这些算法并开发能够在这些条件下运行的新算法非常关键。第二是数据，这些数据实时生成，也必须实时处理。第三个是理解情境，这意味着数据的解释需要根据特定用例理解意义，根据特殊情况评估价值。例如，该价值可以是关于如何根据情况以不同方式处理的实时反馈。”
边缘AI尚处于发展初期。Ulm表示，由于目前机器学习界主要致力于基于云的大数据处理和大规模问题的解决方案，因此边缘AI的各种挑战尚未克服。
Damianos认为，边缘AI的主要挑战来自功耗和摩尔定律的限制。“我们都知道摩尔定律正在走向尽头。我们不确定它是否会消亡，但至少会放慢速度，处理器单元中的晶体管数量受到了一定的物理界限。另一个确定的挑战是数据隐私法规。在欧洲，我们拥有GDPR（通用数据保护条例），但其他大洲的情况暂时还不明确。”
当问及MEMS传感器公司如何让边缘AI有所不同，并证明其比云提供商更具合法性时，Ulm列举了许多用例，说明了靠近传感器端的边缘AI给用户带来价值的可能性和好处。Ulm表示：“MEMS传感器公司可以利用他们的专业技能处理边缘的约束，从而实现本地机器学习的解决方案。最重要的是，我们了解传感器的工作原理。”
延伸阅读：
上一篇：利用激光测振技术提升MEMS器件仿真精度
下一篇：最后一页