超低功耗 Wi-Fi 和 AI/ML - AIoT 在云端的天作之合

在人工智能驱动的今天，人工智能 (AI) 和机器学习 (ML) 正朝着网络的边缘发展 - 即使是最小的物联网设备也将很快运行 AI/ML 算法。这种持续的演变也被称为人工智能物联网 (AIoT)。在本篇博客中，Silicon Labs 的产品营销总监 Ravi Subramanian 讲解了 AIoT 以及 AI/ML 加速的 SiWx917 Wi-Fi SoC 如何为物联网设备制造商简化边缘 AI。

近 10 年甚至更长时期以来，世界一直被数据和物联网所驱动 - 大多数工业过程、各种类型的电器、智能家居和智能建筑都已通过物联网进行控制和监控，在边缘和云之间传输数据。不同于早期的 M2M（其中微小的数据包通过窄带宽无线电周期性地发送），当今的云和生态系统连接的物联网设备可通过 Wi-Fi 传输大量数据和流媒体视频。然而，如今生成了海量数据，需要快速做出决策，使得云计算对于最终用户而言效率低下 - 在云中处理数据的延迟过长，集中移动和存储数据的成本也变得过高。

AIoT 挑战

AIoT 是一种全行业的发展，物联网设备制造商现在正在利用其来避免云计算的两个普遍已知的最终用户劣势 - 延迟和成本。

在物联网的早期，传感器等设备可以在源头附近收集数据，并在设备的微处理器上本地执行简单的计算，以避免在云中处理所有读数。然而，在当时，缺乏纯粹的计算能力和超低功耗 Wi-Fi 连接限制了资源受限设备的用例和现场操作时间。

对于设备制造商而言，面临的 AIoT 挑战是打造高性能、始终在线的云连接 Wi-Fi 物联网设备，这些设备具有充足的计算和 AI/ML 处理能力，但在保持设计和 BoM 成本的同时，需要使用电池运行数月甚至数年。

幸运的是，摩尔定律仍然有效，帮助了 Silicon Labs 的工程师在单个半导体芯片上加入更多功能。今年晚些时候发布的 SiWx917，将成为功耗最低的 Wi-Fi 6 SoC，其在单一封装中具有集成 AI/ML 加速器、应用专用微处理器内核和大量内存，即使在小型电池供电的物联网设备上也能实现强大的计算和快速的 AI/ML 处理。

集成超低功耗 Wi-Fi 和 AI/ML 加速  

SiWx917 支持的无线物联网设备可以处理数据、音频或图像，并应用先进的 AI 算法和快速 ML 推理，在边缘本地做出更复杂的决策。如往常一样，超低功耗边缘 AI 计算的优势与时间和资金有关。物联网传感器现在可以快速地在本地处理高要求的计算，而无需启动 Wi-Fi 连接、传输数据和等待响应，避免了回到云端进行处理。

如果需要云计算，SiWx917 可提供超低功耗、始终在线的 Wi-Fi 6 连接，与竞争对手的 SoC 相比，电池寿命延长了一倍。即使传感器处于休眠状态，它也可以在接入点（WLAN 关联模式）上保持 Wi-Fi 上下文活动状态，从而实现快速连接自举和高通量传输，从而减少云计算的延迟和能耗。

由于 SiWx917 SoC 上集成了 AI/ML 加速器（矩阵矢量处理器），终端设备（例如传感器）可以直接在其 Wi-Fi 无线电单元（即 SiWx917）上处理数据，而无需唤醒和占用其中央微处理器，从而降低了终端设备的功耗，并进一步延长了电池寿命和充电时间间隔。

总之，超低功耗 Wi-Fi 和 AI/ML 确实是 AIoT 的完美组合，并且 SiWx917 为设备制造商提供单一封装、配备了先进的传感器集线器、一流的安全性等。

Wi-Fi 和 AI/ML - 云端的天作之合 

随着世界越来越多地由 AI 所驱动，即使是最小的物联网设备也将启用 AI/ML 功能。作为设备制造商，您必须找到快速、经济高效、可靠的解决方案来加速您的 AIoT 开发。

Silicon Labs 的 SiWx917 Wi-Fi 6 SoC 是一款针对电池供电物联网设备优化的完整边缘计算解决方案。与竞争对手的 SoC 相比，可使 Wi-Fi 6 电池寿命延长一倍，而不影响无线性能和 AI/ML 计算能力。对于设备制造商而言，这降低了物料表和开发成本，简化了设计，并提高了工业物联网、楼宇自动化、智能家居、智能摄像头和其他应用的可靠性。

详细了解 Silicon Labs SiWx917 和 AI/ML 解决方案。