《瑞萨电子推出面向AI加速与边缘计算的HMI系统MPU》

  • 来源专题:新一代信息技术
  • 编译者: 张嘉璐
  • 发布时间:2025-08-05
  •    瑞萨电子(Renesas Electronics)宣布推出专为高性能人机界面(HMI)应用优化的新型64位RZ/G3E微处理器(MPU)。该处理器采用四核Arm Cortex-A55架构(最高主频1.8GHz)与神经网络处理单元(NPU)的组合设计,旨在实现支持AI推理的高性能边缘计算,提升本地处理速度与效率。

       这款MPU具备全高清图形支持与高速连接能力,主要面向工业及消费领域的HMI系统,包括工厂设备、医疗监护仪、零售终端和楼宇自动化等应用场景。其核心配置包括四核Arm Cortex-A55、Cortex-M33内核以及专用于AI任务的Ethos-U55 NPU,该架构可高效运行图像分类、物体识别、语音识别和异常检测等AI应用,同时最大限度降低CPU负载。

      作为HMI专用解决方案,该处理器支持在两块独立显示屏上以60fps流畅播放全高清(1920x1080)视频,输出接口涵盖LVDS(双链路)、MIPI-DSI和平行RGB,并配备MIPI-CSI摄像头接口以满足视频输入与传感应用需求。瑞萨嵌入式处理事业部副总裁Daryl Khoo表示:"RZ/G3E在RZ/G系列成熟性能基础上集成NPU以支持AI处理,通过采用与近期发布的RA8P1微控制器相同的Ethos-U55 NPU,我们正在扩展AI嵌入式处理器产品线,为AI开发提供可扩展路径。这些创新以强大的AI能力满足下一代HMI应用在视觉、语音和实时分析方面的需求。"

      RZ/G3E配备了边缘设备必备的高速通信接口:包括最高8Gbps的PCI Express 3.0(2通道)、传输速率达10Gbps的USB 3.2 Gen2,以及双通道千兆以太网,可实现与云服务、存储设备和5G模块的无缝连接。从第三代RZ/G3S开始,该系列产品引入先进电源管理功能,待机功耗显著降低。在维持子CPU运行及外设功能的同时,可实现约50mW的低功耗运行,深度待机模式下功耗约1mW,并支持DDR自刷新模式保持内存数据,从而快速从深度待机状态唤醒运行Linux应用。

       瑞萨持续提供基于民用基础设施平台(CIP)的验证Linux软件包(VLP)。针对需要最新版本的用户,公司还推出Linux BSP Plus方案,支持最新LTS Linux内核和Yocto。此外还可选用Canonical的Ubuntu和Debian开源操作系统构建服务器或桌面Linux环境。

      瑞萨同步推出基于RZ/G3E的系统模块(SoM)解决方案,其生态系统合作伙伴也将提供多样化SoM产品,包括Tria的SMARC模块、ARIES Embedded的OSM(Size-M)规格模块以及MXT的OSM(Size-L)规格模块。RZ/G3E微处理器及评估套件现已上市,套件包含SMARC v2.1.1模块板与载板。

  • 原文来源:https://www.newelectronics.co.uk/content/news/renesas-introduces-mpu-for-hmi-systems-requiring-ai-acceleration-and-edge-computing
相关报告
  • 《HMI的新角色: 智能边缘的大脑?》

    • 来源专题:数控机床与工业机器人
    • 编译者:icad
    • 发布时间:2021-05-15
    • 人机界面(HMI)软件可用于从快速增长的海量工业数据中创造价值。根据国际数据公司(IDC)的预测,到2025年,每天产生的数据高达463艾字节(EB)。大部分数据由以下设备产生: ●智能传感器和其他工业物联网(IIoT)设备; ●可编程逻辑控制器(PLC); ●其它专用控制器; ●工业数据收集系统。 各种类型的设备都在持续增加传感器。传感器越多,收集的数据自然也就更多。工业系统产生的数据呈现指数级增长,超过了可用的网络带宽。尽管很多数据仍然保留在机器和流程中,是未进行开发的资源,但是获得此数据的访问权限,对于获取有价值的业务见解至关重要。 最新出现的可能性是使用部署在数据源附近的HMI软件进行数据挖掘。这就要求HMI从基本的可视化工具,向智能边缘数据收集器和机器学习处理器等更强大的角色转变。 HMI软件的新角色 托管在边缘设备上的HMI软件,需要与不断增长的需求保持一致,这些需求与如何获取、解析、挖掘和完善所有类型的数据相关。所收集的数据量巨大,这意味着需要在运营边缘进行高级分析和机器学习,以在总体数字化转型计划中发挥更重要的作用,从而实现智能化运营。 HMI通常与数据源(例如PLC和传感器)协同工作。传统上,HMI一般被用作可视化工具,有时还用作在专用控制面板、移动设备或网页浏览器上查看数据的数据收集器。现代HMI仍然承担着这些角色,但它们还必须实时收集数据,将其存储在本地以进行进一步分析,并使用数据来搜索模式和推断以进行预测(图1)。 图1:传统的机器HMI仅用于可视化,但先进的HMI软件平台可以在运营边缘支持数据存储和分析。图片来源:ADISRA HMI正在成为实时机器学习的数据源。时间序列过程数据必须与报警和事件记录数据相关联,以训练机器学习模型。这使模型可以检测产品的质量或预测关键设备的运行状况。当提供大量高保真数据时,机器学习模型的性能表现最佳。当这些模型检测到日常行为出现偏差,并显示出可能发生故障(或可能导致停机)时,就可以进行预测性维护。 验证工业数据的质量 从原始数据获取见解,需要HMI解析从资产和工业控制系统传入的数据,并以有序的方式将其存储。将历史数据与实时数据相结合,在为预测模型奠定基础方面起着至关重要的作用。 确保用于机器学习模型训练的数据集里面的数据足够多,并具有多样性和代表性,这样就可以尽可能多的覆盖成功和失败案例,例如成功/失败的比率为70/30。 找到经过验证的、质量合格的数据集需要花费大量时间,这意味着要对原始数据进行清洗: ●删除NULL值; ●确保数据对于所需的信号和比例是正确的; ●确保足够的采样率; ●捕获感兴趣的条件。 在进行探索性分析时,可能会丢弃大量数据。而且一般情况下,必须获取最新数据。用户还必须确保训练集没有任何内置偏差。一旦确认数据良好,就可以创建并应用机器学习模型。 如何建立机器学习模型 收集到的实时数据,支持构建和完善机器学习模型。创建机器学习模型以后,是为每个边缘设备配置更改机器学习模型的能力,还是由员工来监督这种更新,存在一定的争议。 如果每个边缘设备能够自主更改模型,那它们就可以以有益的方式进行自适应。但是,动态模型更改的结果是每个边缘设备的机器学习模型可能会有所不同。持续更新的模型更有可能最大程度地减少支持方面的问题。 大多数用户在模型开发过程中都是从监督学习(一种机器学习的方法)开始的,这些算法包括线性回归、逻辑回归和神经网络。大多数实用价值都来自于有监督式学习。 接下来,就可以开始将深度学习技术应用于数据。一旦机器学习模型处于合理状态,就可以将该模型部署在边缘设备上,该设备可以处理实时数据并查找异常工况。当任何异常发生时,HMI可以通过发送报警来通知用户。 现代HMI架构和边缘分析 现代HMI的作用不仅是收集数据,还包括识别不符合预期模式的项目、事件或观察结果。HMI不仅可以根据数据进行推断,并检测到这些异常情况,还可以通过屏幕、文本或电子邮件,向运行人员发送有关实际或潜在问题的报警。 通过更靠近数据源执行检测,HMI可以毫无延迟的进行早期报警,而无需将数据发送到云。HMI可以检测已知模式,从而检测关键设备的故障,并在本地进行分析和处理(图2)。 图2:位于边缘的HMI,定位于分析并快速向用户传递指示和报警。 HMI也可以执行数据预处理。通过在边缘端创建实时分析,HMI可以在将数据发送到云之前对其进行分类、检测和分段。这可以提高上游处理和联网的效率。 不过,边缘设备是否应将原始数据、聚合数据或预测性数据传输到云以进行进一步分析,还存在一定的争议。为了进行优化,在高层或基于云的系统中的机器学习模型,需要尽可能高保真的原始数据。不幸的是,这会给用户带来技术和商业负担。 过滤工业数据的必要性 随着大量数据的产生,工业用户必须根据存储量和网络带宽,谨慎的做出数据传输决策,以确保在需要分析的位置,能够获得更新的数据(图3)。 图3:现代HMI超越了简单的可视化,可帮助OEM和最终用户管理数据传输并执行机器学习分析。 原始数据方法为机器学习模型提供了最佳的基础数据。但是,由于产生的数据量巨大,可能难以进行实时传输。在边缘端对聚合或预测性的实时数据进行预处理以后再传输,数据量就会大大减少。用户必须意识到,这种方法可能会导致过滤或掩盖信息,从而使偏见逐渐扩散到机器学习模型中。 另一种选择是实时发送聚合或预测数据,并设置其它通道以较慢的速度发送原始数据。使用此方法的潜在缺点是,可能会填满通信队列。 购买网络带宽和存储设备的经济成本,必须与可用的技术实用性相平衡,例如确定网络是否表现出足够的稳定性。这些最重要的因素将影响机器学习的部署位置:在边缘、在云端还是两者的结合。 高级分析和异常检测 现代HMI可以进行高级分析。世界上的许多数据都是流数据和时间序列数据,其中的异常数据提供了指示紧急情况的重要信息。有许多异常检测用例,包括预防性和预测性维护、故障检测和监视。 异常通常定义为系统行为异常,且与过去行为完全不同的时间点。异常可能是空间异常,这意味着该值超出了典型范围;也可能是时间异常,尽管该值没有超出典型范围,但发生的顺序却不同。状态标签可以与异常关联,并可将其分类为时间或空间。报警系统还可以根据优先级、重要性和频率分配加权值以预测故障。 任何现代HMI还必须在本地支持以有状态的方式发送和接收消息的机制,并确保远程设备数据是最新且有效的。MQTT和Kafka之类的协议可以确保状态通信,而Sparkplug B规范则处理状态管理。 一旦进入云,就可以将数据聚合并与来自多个数据源的数据合并。该方法的价值在于,用户可以同时考虑多种运营或一整套设备,而不管其物理位置如何。基于云的过滤和分析模型,可用于完善数据以进行深度分析、预测行为和趋势,例如机器的平均故障间隔时间(MTBF)或使用寿命。然后,可以将该信息发送回部署在边缘的HMI中运行的机器学习模型,以改善其运营活动。 让数据实现更多价值 如果IDC的预测准确,则HMI的角色需要扩展以适应更庞大的数据量。 现代HMI可以将大量机器数据连接起来,从而实现: ●实时监控和分析这些数据; ●以连贯和用户友好的方式对其进行可视化; ●帮助用户做出明智的决策; ●以有用的方式存储数据,以便可以随意进行挖掘; ●克服妥协和限制。 由于部署了更多的传感器,并且对机器的依赖持续增加, HMI也将被赋予新的角色。随着这些机器的关键特性和功能不断地扩展,HMI或将成为智能边缘的大脑。    
  • 《英特尔推出全球首个面向AI时代的系统级代工》

    • 来源专题:集成电路
    • 编译者:李衍
    • 发布时间:2024-02-23
    • 据官网2月21日报道,英特尔宣布推出为AI时代打造、更具可持续性的系统级代工——英特尔代工(Intel Foundry),并拓展其路线图,以在接下来的几年内确立并巩固制程技术领先性。英特尔还强调了其代工客户的增长势头及生态系统合作伙伴的更多支持。Synopsys、Cadence、Siemens和Ansys等生态系统合作伙伴,均确认其工具、设计流程和IP组合已完成针对英特尔先进封装和Intel 18A制程技术的验证,将加速英特尔代工客户的芯片设计。 英特尔公司首席执行官帕特·基辛格表示:“AI正在深刻地改变世界以及我们思考技术及其‘芯’动力的方式。这为世界各地富于创新力的芯片设计公司和面向AI时代、业界领先的系统级代工服务——英特尔代工——带来了前所未有的机遇。英特尔代工可以与客户携手开拓全新的市场,改变人们使用技术的方式,让他们的生活变得更美好。” “四年五个节点”之后的制程路线图 英特尔拓展了制程技术路线图,新增了Intel 14A和数个专业节点的演化版本。英特尔还证实,其“四年五个制程节点”路线图仍在稳步推进,并将在业内率先提供背面供电解决方案。英特尔预计将于2025年通过Intel 18A制程节点重获制程领先性。 英特尔全新的制程路线图包括了Intel 3、Intel 18A和Intel 14A技术的演化版本,如Intel 3-T就通过硅通孔技术针对3D先进封装设计进行了优化,很快将生产准备就绪。英特尔还重点介绍了其在成熟制程节点上的进展,如今年1月份宣布与UMC联合开发的全新12纳米节点。英特尔代工计划每两年推出一个新节点,并一路推出节点的演化版本,通过英特尔领先的制程技术帮助客户不断改进产品。 此外,英特尔代工还宣布将FCBGA 2D+ 纳入英特尔代工先进系统封装及测试(Intel Foundry ASAT)的技术组合之中。这一组合将包括FCBGA 2D、FCBGA 2D+、EMIB、Foveros和Foveros Direct技术。 客户里程碑:微软成为Intel 18A新客户 英特尔的客户表示了对英特尔系统级代工的支持。微软董事长兼首席执行官Satya Nadella在Intel Foundry Direct Connect大会发言中宣布,微软计划采用Intel 18A制程节点生产其设计的一款芯片。 Satya Nadella表示:“我们正处在一个非常激动人心的平台转换过程中,这将从根本上改变每个企业和整个行业的生产力。为了实现这一愿景,我们需要先进、高性能和高质量半导体的可靠供应。这就是为什么微软对和英特尔代工合作感到兴奋,计划采用Intel 18A制程节点生产一款我们设计的芯片。” 英特尔代工在各代制程节点(包括Intel 18A、Intel 16和Intel 3)及Intel Foundry ASAT(包括先进封装)上均已拥有大量客户设计案例。 总体而言,在晶圆制造和先进封装领域,英特尔代工的预期交易价值(lifetime deal value)超过150亿美元。 IP和EDA供应商:为基于英特尔制程和封装技术的芯片设计做好准备 IP(知识产权)和EDA(电子设计自动化)合作伙伴Synopsys、Cadence、Siemens、Ansys、Lorentz和Keysight表示,工具和IP已准备就绪,可帮助代工客户加速基于业界首推背面供电方案的Intel 18A制程节点的先进芯片设计。此外,这些合作伙伴还确认,其EDA和IP已在英特尔各制程节点上启用。 同时,针对英特尔EMIB 2.5D封装技术,几家供应商还宣布计划合作开发组装技术和设计流程。这些EDA解决方案将确保英特尔能够更快地为客户开发、交付先进封装解决方案。 英特尔还公布了“新兴企业支持计划”(Emerging Business Initiative),将与Arm合作,为基于Arm架构的系统级芯片(SoCs)提供先进的代工服务。这一计划支持初创企业开发基于Arm架构的技术,并提供必要IP、制造支持和资金援助,为Arm和英特尔提供了促进创新和发展的重要机会。 系统级代工:英特尔代工在AI时代的差异化优势 英特尔的系统级代工模式提供了从工厂网络到软件的全栈式优化。英特尔及其生态系统提供不断改进的技术、参考设计和新标准,让客户能够在整个系统层面进行创新。 全球化、有韧性、更可持续和值得信任的系统级代工 在可持续性方面,英特尔的目标同样是成为代工业界佼佼者。2023年,据初步估算,英特尔全球各地的工厂的可再生电力使用率达到了99%。在Intel Foundry Direct Connect大会上,英特尔重申了其承诺,即在2030年达成100%使用可再生电力,水资源正效益和零垃圾填埋。此外,英特尔还再次强调了其在2040年实现范围1和范围2温室气体(GHG)净零排放,2050年实现范围3温室气体净零上游排放的承诺。 原文链接:https://www.intel.com/content/www/us/en/newsroom/news/foundry-news-roadmaps-updates.html