智能工業物聯網邊緣 (Edge)平台的關鍵屬性（下）

4 軟體定義的硬體

「網路安全：硬化的和適應未來威脅的能力」一節中曾提到，硬體卸載獲得的不只是 All Programmable SoC 可編程硬體的支持。實現整個願景需要能優化這一技術的軟體自動化功能。像 SDSoC? 開發環境這樣的工具能讓用戶編寫 C/C++/OpenCL 及其它日益增多的語言，將功能的全部或部分分區到可編程硬體或軟體中。SDSoC 開發環境還能在處理器和可編程硬體間生成數據移動引擎和基礎架構。2015 年，SDSoC 工具

結合使用高級加密標準 (AES)-256 演算法，在將演算法部分移到可編程硬體時，顯示性能提升高達 4 倍提升。《Xcell 軟體刊》中的「使用 SDSoC 加速 AES 加密」一文。

該基準測試的重點是探索軟體智能與可編程硬體優化的最佳平衡。不過這個工具也能將該功能完整地卸載到可編程硬體。與此相似，通過硬體加速引擎，馬達控制環路收斂時間與純軟體實現方案相比，能將性能提升 30-40 倍。見圖 4。

圖4 SDSoC 設計環境 設計流程

5 邊緣計算：可擴展、低成本與實時

如同通信和安全，邊緣計算正朝向超多個方向演進。雲的計算能力運行在之前無法訪問的系統所釋放的數據流上，為用戶提供了前所未有或無法理解的可執行的洞察力。這就建立起一套可用作新基線的預期或桌面籌碼。正如依靠 GPS 實時導航系統會讓大部分高速公路地圖過時，工業設備的購買者和使用者對來自他們的 IIoT 系統的反饋有著不同的期望。目前在下列三大因素的推動下，趨勢是把這些洞察的生成從雲端推向邊緣：

· 在從邊緣到雲端的往返環路中以盡量快的速度應用洞察

· 發送(在許多情況下)大數量數據到雲端的成本

· 發送數據到雲端的安全、可靠性和隱私問題

有些行業趨勢不應該看得那麼絕對。對解決部分此類安全和隱私問題，即便只是在本地預處理數據，然後把優化後的混淆數據發送到雲端，也能帶來巨大的好處。最簡單的例子是把低通或平均濾波器應用到負責控制機器的控制器上的時間序列數據。結果是既減少發送到雲端的數據點數量，也抑制了離群數據。通過可編程硬體，您能將這些優化功能

在數據流出機器時應用到數據上。與使用複雜內存事務相比，能實現最高效的數據處理。這是因為內存事務會影響根據數據制定任何可能決策的響應時間。這個例子可以表達為來自單個感測器的單數據流，但實際上許多工業系統是由數百個乃至數千個並行數據流組成的。連接的數量放大了問題，以及可編程硬體通過各種感測器融合技術和片上分析提供的解的值。

在這裡描述的示例中，智能嵌入在控制器中，對時間敏感反饋項進行本地調整，將時間關鍵性較低的數據

以壓縮格式推送到雲端。這是邊緣和雲端相互補充的最好例證。這種對嵌入式智能和邊緣-雲端協作的描述也能適用於邊緣上的機器學習，這是 IIoT 領域重要性不斷上升的一個課題。機器學習 — 其中包括基於神經網路的機器學習推斷和部署，以及回歸和其它經典方法，極其適合可編程硬體構成的高能效、可定製和大規模並行計算架構。出於這個原因，基於可編程硬體的加速卡在雲中得到廣泛使用。同一 All Programmable 技術可供在邊緣使用，為多感測器機器學習應用提供最低時延、功耗與成本。由於 All Programmable 技術既能高效支持IT-OT 融合的所有基本方面，同時又能為新興領域提供一流功能，該技術單個器件可以覆蓋最廣泛的 IIoT 應用。比如將馬達控制、機器視覺、網路通信、功能安全、網路安全等應用與邊緣分析和機器學習相結合，是 All Programmable 技術在 IIoT 中的預期用例。通過使用附帶支持庫的 SDSoC 開發環境等工具，用戶只需佔用最小型 All Programmable 器件的一部分資源，就能把大量演算法實現在器件中。見圖 5。

圖5 Zynq-7000 和 Zynq UltraScale+ SoC 的機器學習推斷流程

6 傳統處理器的輔助 FPGA

要實現寬泛的 IT-OT 功能，IIoT 邊緣平台首選 All Programmable SoC。這些器件可提供前面描述的集成優勢，同時還可降低功耗和成本。在已經有之前的架構存在的現實環境中，比如說存在專門用於傳統嵌入式處理器的傳統代碼的情況，此時還有另一個選擇。在這種情況下，通過使用稱為 FPGA 的純可編程硬體器件，仍可發揮上文介紹的部分優勢。FPGA 作為能與主嵌入式處理器方便介面的輔助器件運行。這些 FPGA 發揮主嵌入式處理器的協處理器的作用，提供實現緊湊的微處理器

或微協處理器(例如賽靈思 MicroBlaze?)的選項。這些軟處理器(用可編程硬體構建)支持多種操作系統和實時操作系統。使用這些選項，在傳統系統環境中也能卸載不斷演進的或時間關鍵的功能。FPGA 和 SoC 等賽靈思 All Programmable 產品組合不僅能實現可在更大溫度範圍內使用的生命周期長、可用性高的晶元，而且還能夠對整個或部分器件進行重配置，即便在運行中也能如此。同時在共享封裝兼容的情況下提供多 FPGA 選項，便於採取平台化措施。雙晶元方法與 All Programmable SoC 相比，處理器與 FPGA 之間缺乏高帶寬。這種高帶寬和單晶元 SoC 內的連接數量，有助於軟硬軟體之間的動態勞動分工(即之前的示例的前提條件)，這種特性是雙晶元解決方案無法媲美的。即便有這些局限性，可編程硬體的價值也大到足以讓越來越多的嵌入式處理器在它們的數據集中推廣專用 FPGA 介面(一般根據 PCIe、SPI、QSPI 等標準構建)。

7 新工業時代針對壽命的軟硬體可編程性

採用電氣化工業控制系統問世已有百餘年時間。正如有些人將 IIoT 稱為第四次工業革命一樣，不僅可用的技術和所需完成的任務發生了改變，整個行業的發展速度也隨著變革的速度加快。目前，IT-OT 任務隨著時間不斷深化和擴展， IIoT 邊緣平台的構建塊新技術應運而生，使其基本上能夠很好處理這些任務。與前二三十年使用的傳統嵌入式架構構建塊相比，Zynq-7000 和 Zynq UltraScale+器件等 All Programmable SoC 運用軟體和硬體可編程性保持資產長期有用。那種針對每個端點產品使用不同嵌入式處理器，而毫不考慮其連接的是同一雲基礎設施的方法，是一種行將失敗的方法，因為 IIoT 系統開發中大約 75% 的成本都與雲和嵌入式軟體開發息息相關。對系統供應商來說，最重要的是通過軟體服務讓他們投入的研發時間和資金創造價值，而不是再開發通信介面、安全基礎架構、控制環路時序、數據分析演算法等。FPGA 方法為那些必須處理傳統處理器的供應商提供了眾多這種優勢。All-Programmable SoC 方法有助於最大化可用選項，是面向工業系統供應商及其客戶增加投資回報的關鍵。

8 結論

總之，本白皮書重點介紹賽靈思 All Programmable SoC 和 FPGA 如何通過以下優勢為系統供應商及其客戶帶來最大投資回報 (ROI)：

· 賽靈思 All Programmable SoC 和 FPGA 的更長生命周期它們特有的軟硬體可編程特性相結合結合，既能實現實時的現場更新，又能避免不能遵循 IIoT 新標準和趨勢的風險;

· 面向系統供應商平台的擴月多個賽靈思器件系列的可擴展特性,可在整個產品線中降低總擁有成本;

· 集成來自 IT 域和 OT 域的多重 IIoT 功能到單個高靈活性、低時延、高能效器件中。

作者：Chetan Khona 賽靈思公司工業IoT戰略與商務經理

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！