开发物联网设备最困难的挑战之一是平衡低功耗、小尺寸和计算性能。通常，这种权衡三角形会让带有无线芯片的物联网设备拥有足够的计算能力来执行无线通信任务，但除此之外没有太多其他功能。
然而，对Edge AI计算的需求不能忽视。为了解决这个问题，工程师追求一个解决方案“Tinyml”的解决方案，因为它的名字表明，需要缩小深度学习网络以适应小硬件设备．
现在，北欧半导体宣布与TinyML专家Edge Impulse建立了战略合作伙伴关系为北欧的蓝牙SoCs带来智能．
对TinyML的需求
对于许多资源受限的物联网设备来说，运行人工智能应用程序的方式是使用云计算。然而，这个解决方案远非完美。
首先，许多物联网设备可能需要对其环境的实时响应，而云计算没有提供足够低的延迟来促进这一点。在云计算方案中，物联网设备必须将数据上传到云，等待数据被处理和重传，接收数据，然后执行操作。
物联网的边缘计算。图片由IEEE创新
此外，云计算可能会带来更多的安全漏洞——例如，在向云传输数据的过程中，伴随着服务器本身出现的安全威胁。
另一种解决方案是将机器学习带到边缘，对于许多设备开发人员来说，TinyML可能是解决方案。
将Tinyml带到蓝牙设备
通过与TinyML工具的领导者Edge Impulse的合作，Nordic Semiconductor宣布他们现在能够将TinyML带到他们的产品中nRF52和RF53.BLE系列芯片。
在Tensorflow中用于Arduino的神经网络示例。图片由Digi-Key
从硬件角度来看，这些公司已经能够利用每个北欧nRF52和53系列蓝牙SoC集成一个或多个Arm核心处理器的事实。北欧声称，这些核心的架构设计用于超低功率电池运行，使它们成为支持TinyML的有用候选人。
Nordic NRF52开发套件。图片由北欧半导体
然而，这一合作关系取决于Edge Impulse提供的软件优化。Edge Impulse为Nordic提供Edge Optimized Neural (EON)编译器。根据Edge Impulse的说法，这种优化器可以将TinyML应用程序的计算机处理和内存使用提高50%，而TinyML应用程序是为资源有限的半导体设备设计的。
边缘优化神经编译器。图片由北欧半导体
这些设备现在可以在用于蓝牙通信的soc上运行机器学习应用程序，而不需要额外的计算资源。北欧人说这是行业第一。
Tinyml在边缘野生动物追踪等的可能性
TinyML在物联网设备上的实现已经产生了一些有趣的用例，特别是北欧的蓝牙soc。
例如，北欧半导体最近参与了一个项目，将其nRF52840蓝牙5.2/BLE SoC实现到濒危大象的追踪项圈．这些项圈旨在帮助公园管理员防止“非法象牙偷猎、战利品狩猎、人类冲突和环境退化”。
此TinyML-Bluetooth SoC双解决方案的另一个合理的用例可能是自动车辆，需要边缘计算以进行实时决策。
由于IOT继续增长 - 预测预测的预测到2025年，将有416亿个联网设备- 在边缘融入智力可能成为一个越来越常见的设计特征工程师可能会遇到。
