2020:新时代元年,我们期待这些技术的到来

2020-02-03来源: EEWORLD关键字:边缘机器学习  5G  数据安全  ST

2020年CES展(消费电子展)已于1月10日闭幕。消费电子展不仅展出了大量的概念验证和原型设计,还是一个寻找创新驱动力,了解是什么让企业发展成为未来科技巨头的好去处。此外,2020是一个新十年的开端,对于未来十年改变我们生活的产品和技术来说,今年将是影响深远的一年。因此,让我们看看在意法半导体 (ST) 眼中,未来有哪些新趋势。

 

10. 现实世界中的预测性维护应用

 

 

过去十年见证了预测性维护的兴起。因为机器学习的出现,预测性维护能够预测故障并推荐更好的维护计划。不过,2020年对于预测性维护应该是具有象征意义的一年,因为开发预测性维护解决方案变得越来越容易。例如,工程师可以买到开发板,几分钟后就可以开始写配套应用,而无需担心云端安全问题、服务器农场或计算吞吐量。关于预测性维护,制造业者不再只是考虑,而是在积极地实现。

 

9. 边缘机器学习

 

 

过去十年,机器学习需要大型服务器、复杂模型、稀缺人才,需要投入大量的时间和资源。如今,机器学习可以内置于运动传感器中,并且我们将会在边缘设备中看到更多的智能功能。边缘计算永远不会取代云计算,却可以快速完善云计算的功能。通过在传感器内创建决策系统,工程师可以优化资源,节省大量能源和时间。

 

8. 数据学无处不在

 

 

数据缺乏和数据科学家稀缺是阻挠机器学习广泛应用的主要障碍之一。建立神经网络需要干净、准确和海量的数据,这意味着有大量的可自由使用的数据是机器学习普及的前提。 然而,ST合作厂商,例如Cartesiam,正从另一个角度解决这个问题,用一种能够在同一嵌入式系统上执行训练和推理运算的系统来代替数据科学家。

 

7. Sub-Gigahertz网络和5G的重要应用

 

 

随着Sub-Gigahertz网络的普及以及5G的到来,嵌入式设备接入互联网变得越来越容易。我们将会看到更多的基础设施,以及更好用、更经济的联网方案。现在,开发这些解决方案变得更加切实可行,不用花太多的钱,即使是初创企业也能计划使用LoRa、Sigfox或其它的Sub-Gigahertz网络。所以,2020年伊始,意法半导体推出了STM32WL。

 

6. 数据安全要求更严格

 

 

过去曾有批评家戏称IoT为“威胁之网”。但是,在走完一段很长的路后,企业更加明白保护嵌入式系统、数据信息及更新机制的重要性。随着消费者提出更严格的网络攻击防护要求,ST预计企业将会对发力更高要求的产品数据安全保护。几年前,数据外泄还仅仅被视为没有太大负面影响的教育案例,今天,它已演变成一场公关的噩梦,可能危害公司利益,甚至危及生命安全。对此,意法半导体推出了STM32Trust ,作为一项帮助合作伙伴保护嵌入式系统的有效措施。

 

5. 加密技术可提高数据传输速率和IoT安全?

 

区块链是过去十年出现的有重大意义的热点技术之一。不过,企业现在开始意识到,这些系统的用途远不止于货币。通过IOTA和X-CUBE-IOTA1等项目,我们看到整个科技界都在利用分布式帐本技术来促进机器间的通信,尤其是IoT节点间的通信。目前该项目本身进展顺利,2020年,我们预计信息传播方式可能会发生变化。

 

4. 嵌入式系统的GUI

 

 

在很长的一段时间里,嵌入式系统还只是带有几个按钮和常规操作流程的黑匣子,如今,它已变成了征服新行业和新应用的人机交互式系统。其结果是越是一款成功的产品,越是对易用性的依赖程度更高,因而开发人员往往需要在图形用户界面上花费很多时间。意法半导体TouchGFX等解决方案的出现,使用户界面设计比以前要简单很多,同时最新的优化设计使低功耗MCU也能支持60 FPS的动画,以及多种颜色和细节显示。

 

3. 充电桩推进电动汽车普及

 

 

电动汽车的售价越来越便宜,这在一定程度上要归功于ST新研制的SiC器件。然而,崛起于2019年的更高效、更实用的充电市场,应该会在2020年全面爆发。假如电动汽车充电设施无处不在,城市街道到处都是充电桩,并且家庭安装也不用花太多的钱,电动汽车续航问题将会成为历史。正如Enel X的展品所展示的,ST最新的IGBT产品有助于创建更高效的充电系统。

 

2. 嵌入式系统教育

 

 

长久以来,意法半导体与重点大学合作,在未来工程师教育方式上发挥作用。例如,为了让学生更快地掌握控制系统知识,加州大学洛杉矶分校(UCLA)的Kaiser教授演示了一个价格适中的每个学生都能买得起的旋转倒立摆实验平台。ST还演示了如何用无人机套件帮助学生更好地了解嵌入式系统。随着教育工作者越来越重视为未来十年的热点应用培养和输送人才, 我们预计2020年将继续上演大规模的教育学术创新。

 

1. 2020年,开启提升生活品质的新十年

 

 

过去十年,嵌入式系统真正触及了人们的生活。从监测心率的智能手表,到跟踪运动量的健身手环,再到看护老人的跌倒监测器,嵌入式技术给我们带来了实实在在的好处。2020年应该会夯实这一趋势,未来十年就是提高生活品质。嵌入式电子产品正在从小工具变为对人们生活有深远影响的智能产品,而且在机器学习的帮助下,人们可以获得有关如何改善健康、减轻压力、安全驾驶,以及如何用心交流的信息和建议。2020年将提炼我们从过去十年学到的知识经验,并开始应用,使其更有意义。 


关键字:边缘机器学习  5G  数据安全  ST 编辑:muyan 引用地址:http://news.pyfle.com/IoT/ic487091.html 本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:京东、亚马逊与沃尔玛的机器人专利技术有何玄机?
下一篇:最后一页

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

将机器学习推向边缘端,i.MX 8M Plus深度解析
一些令人惊叹的新功能,这些功能对于智能家居、智能零售、智能工厂和智慧城市等应用领域而言必不可少,也被广泛运用于当今众多行业。比如,云服务提供商提供的机器学习云服务(如Amazon AWS SageMaker、Microsoft Azure ML和Google Cloud ML Engine)显著增长就是一个明显的例子。 向边缘推进 此前,由于有大量计算和存储资源可供使用,机器学习的部署在于运行大型集中式计算机中心的云端。现在,在多种原因的驱使下,正在迅速地转向边缘,例如: 云处理、存储和带宽的成本高昂,阻碍将数据发送到云端以做出由人工智能推动的决策更好的用户体验需要在边缘快速做出由人工智能推动
发表于 2020-02-07
将机器学习推向边缘端,i.MX 8M Plus深度解析
NXP专用神经处理引擎i.MX应用处理器,提高边缘机器学习能力
恩智浦半导体宣布推出i.MX 8M Plus应用处理器,进一步丰富其业界领先的EdgeVerse产品组合。这是恩智浦首个集成了专用神经处理引擎(NPU)的i.MX系列处理器,能够在工业和物联网等领域实现边缘端高级机器学习推理。 i.MX 8M Plus提供2.3 TOPS算力(每秒兆级操作)的高性能NPU、主频高达2GHz的四核Arm® Cortex-A53子系统、主频可达800MHz 的基于Cortex-M7的独立实时子系统、用于进行语音和自然语言处理的高性能800 MHz音频DSP、双摄像头图像信号处理器(ISP)和用于丰富图形渲染的3D GPU。通过将高性能的Cortex-A53内核与NPU相结合,边缘设备将在少量
发表于 2020-01-07
NXP专用神经处理引擎i.MX应用处理器,提高边缘机器学习能力
机器学习趋向边缘—性能与成本的平衡带来更广泛的应用
仍需在云端的超级计算机和服务器区上完成。但是现在,技术已经进步到足以将机器学习从云端移动到边缘,这样更实用。 我们为什么要在边缘实施机器学习?主要是为了提升用户体验。人们不希望设备花费太长时间来识别人脸和服从命令。如果在云端完成识别和响应,这很可能出现延迟、降低可靠性,并且更可能出现不合适的响应。 服务型机器人、无人机和自动驾驶车辆等可以移动的机器对边缘端机器学习具有更大的需求,因为它们必须持续收集传感器输入、推理出设备目前的状态并在毫秒内决策下一步行动。物理定律限制了通过无线连接到遥远的云端服务器来进行如此密集的数据收集和实时响应。简而言之,可以移动的自动化机器需要完全独立、可靠的机载学习和决策制定。 
发表于 2019-11-25
机器学习趋向边缘—性能与成本的平衡带来更广泛的应用
恩智浦:引领边缘设备机器学习 推动云上ML的历史性发展
精彩亮点: ● 发布恩智浦边缘智能环境(eIQ),这是一套完整的机器学习(ML)工具包,支持TensorFlow Lite、Caffe2和其他神经网络框架,以及非神经ML算法。●面向语音、视觉和异常检测应用推出一键式集成ML解决方案,包括数据采集、训练模型,并具备用户自定义功能。●恩智浦EdgeScale扩展安全设备板载、配置和容器管理功能,适合针对i.MX和Layerscape应用处理器的ML应用。圣何塞和巴塞罗那(巴塞罗那全球ARMTECHCON和物联网大会)– 2018年10月16日 – 借助恩智浦面向重点应用领域推出的eIQ边缘智能软件环境和可自定义的系统级解决方案,边缘节点开发人员如今可利用
发表于 2018-10-19
恩智浦透过AWS展示安全边缘处理与机器学习实力
推论实现持续基于机器学习的脸部辨识,边缘装置与AWS IoT和AWS Greengrass服务的无缝整合, 安全装置配置和容器软件认证,恩智浦工业Linux平台OpenIL,支持时效性网络(Time-Sensitive Networking, TSN)和架构于AWS Greengrass的处理,物联网边缘网关, 支持数以千计的无线连接传感器节点与云端连接。恩智浦半导体资深副总裁Tareq Bustami表示:「恩智浦为建构物联网解决方案提供广泛的MCU和MPU产品组合,与包含AWS Greengrass在内的AWS IoT服务链接,为建构强大、灵活且安全高效的系统提供有力保障。 」
发表于 2017-12-06
MSP430G2553 WDT的看门狗模式例子
#include "io430.h"int main( void ){  int i;  // Stop watchdog timer to prevent time out reset  WDTCTL = WDTPW + WDTHOLD;  P1DIR |= BIT0;  P1OUT &= ~BIT0;               //暗  for(i=0;i<16000;i++);  P1OUT |= BIT0;    &nbs
发表于 2020-01-28
小广播
电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2020 EEWORLD。com。cn, Inc。 All rights reserved
盛通彩票 快乐飞艇免费计划app 快乐飞艇怎么样倍投 快乐飞艇怎么样充值 快乐赛车开奖记录 快乐赛车作弊器 快乐赛车代理怎么弄 快赢彩票 快乐飞艇是合法的吗 快乐飞艇预测软件