日前，Gartner将边缘计算列为了2020年十大战略技术。边缘计算的信息处理以及内容收集和传递被放置在离信息源更近的位置，其核心逻辑是保持流量本地化和分布式以减少延迟，使关键应用和服务更加接近使用它们的人员和设备。到2023年，网络边缘的智能设备数量可能是传统IT领域的20倍以上。

　　简单概括，边缘计算兴起的主要原因包括以下三点：一，它能够降低总体拥有成本，不用总是进行云接入，从而降低本地成本；二，它可以保护数字隐私，提高安全性；三，它能够减少应用延迟，更加支持实时应用，增强本地体验质量。

　　基于此，传统数据中心中很多算力都在向边缘侧转移，传统的MPU是否能够满足新兴的生态应用特点？在优化提升和改善性能方面是否有一些新的要求呢？

　　对此，恩智浦高级副总裁兼边缘处理事业部总经理Ron Martino先生认为，边缘计算有非常广泛的可能性，无论是其性能还是能力，其能力来自工业互联、TSN或者是扩展计算以满足标准的工作负载。可扩展的解决方案具有更高的价值，因为它能够充分地挖掘边缘计算的能力，从终端一直到高度集成端，比如把数据和接口都上传至云，如果需要更多本地的能力，例如在本地进行AI学习，即在边缘侧完成学习动作且不需要用到云，这个容量就需要得到提升和非常广泛的器件，在满足软件方面容量要求的同时又能够兼顾平台的效率，通过这样的方式来提供解决方案，这也是为什么很多客户希望能跟恩智浦合作的原因。

　　另外，安全是一个非常重要的考量因素，尽管此前安全在很多应用当中都相当重要，但从来都不是产生购买行为的决定性因素。现在随着边缘侧接入点的增多，产生了非常多的关键数据且其价值也越来越高，安全性和不断集成的功能已经成为大家考虑的极为重要的因素，而这也是嵌入式计算不断演进的关键性原因。所以，越来越多的业务模式在评估长期可靠性时，将如何提高安全性列为非常重要的考虑因素。

　　许多行业的数据泄露事件会影响到客户的品牌声誉，包括隐私的入侵、关键数据的窃取及非法入侵和访问情况。因此，政府监管部门以及行业安全认证发挥着非常重要的作用。

　　Ron Martino表示：“恩智浦在安全方面拥有非常悠久的历史，在银行业、电子政务以及金融交易方面拥有出色的安全性。此外，我们充分利用自身能力提供边缘可扩展的各种安全产品，同时提供分立式和集成的产品。此外，我们现在推出了认证的EDGELOCK ASSURNACE，为安全标准非常高的器件及恩智浦的合作伙伴进行高水平的安全认证和服务。恩智浦的安全性能现已达到PSA Level2、CC等高水准。

　　近些年，恩智浦一直在大力推广EdgeVerse，主要用于边缘计算，特别是面向中国市场。据Ron Martino介绍，该产品能够满足中国提出的数字化网络建设的七个重点领域中的六个：一是人工智能，可提供易用的机器学习部署AI解决方案；二是工业互联网，能够提供非常低时延的工业化协议支持；三是城际交通，能够在此领域提供全新的人机交互功能；四是5G网络，能够提供Layerscape软件定义的基带以及可扩展的处理器和控制器；五是数据中心，针对数据中心中的IoT工作提供功耗表现卓越的数据分流；六是新能源汽车充电，这个领域使用的是恩智浦的i.MX人机交互能力和跨界MCU。

　　另外，恩智浦拥有全套软件支持边缘计算，包括网络、工业和物联网边缘计算的垂直优化，支持多系统处理，包括工具和分布式BSP，该公司还开发了许多中间件，以帮助客户迅速将产品推向市场。

　　2019年底，恩智浦完成了对Marvell Wi-Fi业务的并购，使得该公司在无线连接领域拥有了更好的产品组合，如可以支持窄带的BLE、Zigbee及Thread，这样就可以提供更好的边缘计算方案。此外，该公司的MCU Xpresso SDK与平台有更好的连接，很多固件和驱动更加易于使用。

　　从应用领域角度看，恩智浦的边缘处理应用主要分为三类：一是支持5G本地网络及数据集成；二是工业边缘，包括工厂自动化、基础设施、交通运输、医疗等；三是物联网边缘，包括智能家居、消费及可穿戴领域。

　　物联网和智能家居

　　最早的物联网设备是1990年展出的一台烤面包机，当时这台面包机与计算机相连，可以通过计算机对它进行远程控制，但物联网这个概念是在1999年时才被提出的。

　　尽管不同的IoT设备会存在一些共同点，比如，IoT设备都是通过一些技术实现电子和电气元器件的监测和控制，但不同的IoT应用有不同的要求，所以需要不同数量的、多样化的MCU和MPU进行控制和支持，不存在统一的解决方案。恩智浦边缘处理事业部副总裁兼IoT业务线总经理于修杰先生表示：”无论是GPU，还是FPGA，基于这些技术都能找到自己适用和擅长的领域，同时也取决于市场对于应用功耗的容忍度。有时候需要优化的内容也是不同的，具体要看是语音还是视频，是要在边缘还是云上做学习或做推断。因此，有很多的考虑因素，而且也不仅仅是从TOPS的角度来考虑，因为市场对成本的容忍度不同。“

　　”现在，已经有客户在问有没有可能做免费的AI和机器学习，其实指的就是使用CPU来做机器学习。现在我们的eIQ工具可以部署类似这种模式，例如在家居场景中，由于人是交互对象，因此在推测方面需求不高，在机器学习方面就无需购买加速产品，以求降低成本。我们正在与合作伙伴和客户不断地做这种微调，特别是在发展早期，会有很多迭代和战略微调。我相信市场还是会继续存在很多创新的空间“，于修杰说。

　　恩智浦的产品组合非常丰富，既有基于Arm架构的MCU，也有具备连接性、高集成且高性能低功耗的MCU，甚至还有非常大型的、高性能的MPU。

　　在家居环境中，恩智浦的产品可以支持很多部件更好的结合，让设备的使用变得更加简单。以洗衣机为例，它集合了恩智浦的多种技术，包括MCU、MPU、NFC、Wi-Fi等。该公司能够提供参考平台，帮助客户推出新的产品。以i.MX RT106跨界MCU为例，恩智浦进一步加强了本地语音控制、人脸识别以及Alexa语音服务。该公司可以分享更多的软件和数据，帮助IoT客户快速启动产品研发。

　　5G和数据中心

　　如果要满足从云端到边缘的多应用需求，就需要高带宽、低延迟和大范围覆盖的能力。恩智浦从天线到处理器都有相应产品提供给客户。

　　该公司的Layerscape Access可以支持4种应用，有固定无线接入平台、分布式单元、无线电单元和一体化的小基站，这四个平台可以满足客户对覆盖的需求。恩智浦产品管理高级总监Nikolay Guenov先生表示：”在这些应用上，我们在软硬件方面都非常注重与伙伴的合作。恩智浦的产品线可以满足从单核到4核再到16核的处理器需求，Layerscape Access满足可编程基带的需求，结合合作伙伴的射频芯片，我们能够全面支持客户所需。此外，我们的产品线同时支持sub-6G和毫米波天线标准。“

　　从满足市场需求的角度来看，该公司支持5G开放式生态系统。在射频方面，为了满足小基站或CPE的需求，恩智浦提供给合作伙伴基带的接口。

　　工业

　　在工业边缘领域，对安全性和可靠性要求很高，特别是低延时。恩智浦已经把TSN技术融入到三款产品当中，包括i.MX RT1170跨界MCU，i.MX 8M Plus，以及LS1028A处理器。

　　在电动汽车充电领域，恩智浦用于计量的Kinetis MCU可以获得非常高精度的结果。另外，还有应用于主机处理器的i.MX RT。在安全性方面，提供SE050安全元件以及在MPU和MCU中的篡改检测功能，而且其Wi-Fi、蓝牙以及NFC可以支持包括无线充电、支付等无线连接。

　　生态建设

　　目前，机器学习在边缘计算领域已非常普遍。恩智浦在这方面已经有许多合作伙伴，如与加拿大的Au-zone一起开发机器学习的工具包，并与Arm进行合作，使Arm Ethos-U65 microNPU提供可扩展、高性能的机器学习用例。

　　此外，恩智浦还在推进开放标准，如很多器件和无线的交互、可操作性、以及CHIP计划（用于开发和实施新的统一连接协议的开源方法），与很多伙伴一起合作来支持多样性器件之间更好地交互。

　　恩智浦不断在中国投资，建立更多的本地合作伙伴关系，并在中国生产为中国服务的产品。该公司与天津大学、苏州大学、上海交通大学等建立了良好的合作伙伴关系。此外，还与中国政府进行合作，包括在天津建立AIoT实验室。