Przetwarzanie brzegowe, konwergencja urządzeń IoT i standard Matter to trzy czynniki, które przyspieszają trwającą transformację Internetu Rzeczy. Z mieszanki niestandardowych rozwiązań wyłania się obraz branży zbudowanej na platformach, które w większym zakresie obsługują funkcję „podłącz i używaj”.

Począwszy od roku 2000, platformy plug-and-play defragmentowały rynek komputerów PC i smartfonów. To samo dzieje się z platformami IoT, ale proces ten jest wolniejszy i bardziej skomplikowany ze względu na ekstremalną różnorodność urządzeń.

Inteligencja brzegowa

Typowe urządzenia IoT mają małą moc obliczeniową, ponieważ działają jako „peryferia” dla usług działających w chmurze lub lokalnie. Usługi te zbierają i analizują dane z czujników, uruchamiają odpowiednie działania, wysyłają polecenia z powrotem do urządzeń i łączą się z innymi usługami. Nowa generacja inteligentnych platform brzegowych, które mogą autonomicznie uruchamiać złożone oprogramowanie aplikacyjne, burzy obecny model, który jest normą od ponad 20 lat.

Autonomiczna analiza na urządzeniu skraca czas reakcji, poprawiając jednocześnie niezawodność i poziom prywatności w zastosowaniach takich jak wykrywanie anomalii, konserwacja predykcyjna, rozpoznawanie słów wybudzających, klasyfikacja obrazów i sterowanie gestami. Inteligentniejsze urządzenia upraszczają również programowanie, skracają czas TTM (ang. time to market) i obniżają koszty operacyjne, umożliwiając stosowanie popularnych metod tworzenia oprogramowania.

Obecnie cztery technologie łączą się, aby przyspieszyć trend inteligencji brzegowej.

1.  Mocniejsze procesory umożliwiają aplikacjom na urządzeniu lokalną analizę danych z czujników i działanie na nich zamiast wysyłania ich do chmury w celu przetworzenia. Wydajne chipy zmniejszają również koszty opracowywania urządzeń i TTM, obsługując zaawansowane metody i narzędzia programowania, takie jak programowanie natywne dla chmury i oprogramowanie kontenerowe.
2. Procesory i akceleratory neuronowe (NPU) umożliwiają urządzeniom brzegowym obsługę zaskakująco dużych aplikacji. Nowe chipy z akceleracją ML pozwalają małym urządzeniom IoT, w tym zasilanym bateryjnie, na uruchamianie aplikacji uczenia maszynowego lokalnie, bez uzależnienia od usług w chmurze.
3. Rozwój ML na małych urządzeniach zawsze był wyzwaniem, ponieważ główny kod, modele i narzędzia uczenia maszynowego, natywnego dla chmury, nie są zoptymalizowane pod kątem małych platform. W 2019 r. fundacja tinyML rozpoczęła nowy sposób myślenia o ML, dzieląc się pomysłami i doświadczeniami dotyczącymi aplikacji na urządzeniach o niskim poborze mocy. Deweloperzy znaleźli sposoby na przeniesienie na małe (100 kB i mniej) urządzenia o niskim poborze mocy (miliwatowe) narzędzi, bibliotek i przepływów pracy przy użyciu znanych języków. Wykorzystując te koncepcje, Edge Impulse i inne startupy zapewniają środowiska programistyczne oparte na chmurze i biblioteki wykonawcze, które bezpośrednio obsługują wiele małych platform IoT, z jednostkami NPU lub bez nich. Wdrażanie ML natywnego dla chmury pozwala na korzystanie z funkcji SI na energooszczędnych, zawsze włączonych urządzeniach na obrzeżach sieci.
4. SoC przeznaczone do IoT, które integrują wiele bloków funkcyjnych, potrzebnych do zbudowania kompletnych urządzeń IoT, są już dostępne. Rośnie liczba zintegrowanych chipów ze wszystkimi funkcjami, zwykle potrzebnymi wielu urządzeniom IoT, w tym podsystemy łączności bezprzewodowej (Wi-Fi, 802.15.4, Bluetooth), akceleratory matematyczne, I/O, więcej pamięci RAM, więcej flash i wbudowane zabezpieczenia. Dobrymi przykładami są nowe SoC, takie jak Silicon Labs MG24 i NXP IW612. Firma Arm stosuje podejście wyższego poziomu, dostarczając swoim partnerom ekosystemu wskazówek dotyczących projektowania układów poprzez inicjatywy takie jak Arm Total Solutions for IoT, Arm System Ready i Corstone. Project Cassini i Project Centauri firmy Arm oferują spójne oprogramowanie systemowe i zabezpieczające, co jeszcze bardziej przyspiesza rozwój chipów.

Konwergencja platformy urządzeń IoT

Tworzenie kodu na małych urządzeniach IoT często przypomina powrót do lat 90., a nawet 80. XX wieku. Systemy operacyjne urządzeń wbudowanych i techniki programowania ewoluowały na małych, mocno ograniczonych chipach, zaprojektowanych do konkretnych celów.

Obecnie Agile DevOps, standardowe dystrybucje Linuksa, oprogramowanie natywne dla chmury, mikrousługi, kontenery i kod bezserwerowy są już dostępne na większych platformach brzegowych z potężnymi procesorami, które mogą uruchamiać gotowe dystrybucje systemu operacyjnego ogólnego przeznaczenia. Te nowoczesne narzędzia i radykalnie poprawiają produktywność programistów i jakość rozwiązań, jednocześnie redukując koszty i ryzyko rozwoju. Korzyści biznesowe są przewidywalne, ponieważ podobne scenariusze miały już miejsce.

[...]