EDN电子技术设计：
实施智能工厂需要哪些关键技术？ 目前最大的技术挑战是什么？
Alok Sanghavi：
智能工厂是各种新技术协同作用的结果。 近年来，我们已经看到业界在传感器、无线连接、机器对机器（M2M）通信、机器学习和基于云的分析和安全性等领域取得显著成绩。为了进一步实现制造业务的自动化，未来几年我们会看到更多的创新。在通信和连接领域，许多新的标准和通信协议不断涌现，5G也进入工厂车间。因此，需要在包括传统协议和私有协议在内的不同协议和标准之间传输连续的传感器数据。人工智能（AI）技术也被越来越多地部署在工厂网络的边缘中，AI的应用范围已从基于机器视觉的零件检测扩展到传感器融合和预测性维修。
这些技术的广泛应用给传统的ASIC方法带来了新的挑战。一方面，智能工厂中的边缘智能需要硬件加速，以实现低延迟数据处理。另一方面，新设备需要具有可重新编程能力，以应对标准或协议的演变，同时还需要AI和其它嵌入式智能新算法。它们要求为智能工厂和许多其它应用而设计的SoC必须引入新的架构性创新。具有第二层级加速功能的嵌入式FPGA（eFPGA）可以助力解决这些问题，如Achronix的Speedcore Gen 4 eFPGA IP中的机器学习处理器（MLP）。
EDN电子技术设计：
如何确保智能工厂边缘和云上的数据安全性？
Alok Sanghavi：
无论何时，安全性和安全防护能力都是智能工厂的重要方面。任何入侵或数据泄漏都可能导致智能工厂的巨大损失。最近，我们看到一家半导体公司因为其最先进的工厂感染勒索病毒“Wanna Cry”而损失惨重。从庞大的服务器集群场到嵌入式应用，都有各种各样的技术来保护数据和系统，例如防火墙和AES128等。今天的任何安全措施，到明天都可能有风险，而且发起攻击所需的投资越来越低，这使得信息安全在未来更具挑战性。
因此，尽管Zigbee、蓝牙、线程和传输层安全（TLS）等新的无线协议实现了相当好的安全性，并且在开发过程中可以直接使用，但有必要从整个生命周期的角度来考虑安全规划，特别是对于智能工厂中的设备这样的固定资产。设备供应商必须能够在不同客户的工厂中采用任何定制的安全算法，即使他们使用相同的工厂制造设备。智能工厂中的加密、认证或其它安全方法在信息安全方面应具有一定程度的灵活性和可扩展性。
基于这些原因，像FPGA这样的可重编程器件在信息安全方面有着悠久的应用历史。Achronix在该领域支持过许多用户，涵盖不同级别的安全性。因此，对于为智能工厂开发SoC的芯片供应商，他们可以采用像Speedcore这样的eFPGA IP，并使用其中部分ASIC来开发具有灵活性和可扩展性的安全模块。 此外，Speedcore eFPGA IP能够提供自定义块，以加速安全算法，从而实现硬件速度级别的安全性。
EDN电子技术设计：
AI如何促进智能工厂的实施？
Alok Sanghavi：
在为支持智能工厂实施人工智能的过程中，机器学习在现实世界中的应用已经无处不在。许多不需要工人之间建立深厚情感联系的重复性人工任务，以及视觉检查等需要高精度的任务，都正在由智能机器处理。对于智能工厂中的人工智能应用来说，这是一个非常好的开端，这些AI功能的应用将很快在机器人过程自动化（RPA）或其它边缘智能应用中得到快速发展。除了这些一线应用外，AI还在数据分析和ERP增强方面，甚至将工厂和终端客户联系在一起的全灵活制造等方面找到了自己的位置。
但智能工厂中的人工智能仍处于初级阶段，因此像工厂所有者、设备制造商、系统集成商、软件供应商以及与之相关的芯片设计师这样的利益相关者必须对其AI加速基础架构抱有远见。他们应该选择一个具有灵活性和可扩展性的硬件基础架构，并且能够从标准器件迁移或演进到最终的SoC，而无需对其AI计算进行架构更改。
例如，AI解决方案提供商可以一开始选择Achronix的独立FPGA芯片来开发AI算法并快速启动。之后，他们可以从Achronix获得FPGA芯片晶粒和系统级封装（SiP）服务，用于制造他们自己的SiP多晶粒芯片，FPGA器件直接连接到处理器和/或其它器件上。当带有AI功能的设备的需求量越来越大，并且它们需要更多计算能力用于智能工厂的一组功能时，他们可以用Achronix Speedcore Gen 4 eFPGA半导体知识产权（ IP）来开发一款系统级芯片（SoC）。
在基于Gen4架构的Speedcore eFPGA IP中，针对人工智能/机器学习（AI/ML）的新型机器学习处理器（MLP）模块除了具有eFPGA的性价比和更高带宽之外，还是一个完整的AI/ML计算引擎。每个MLP都包含一个循环寄存器文件，该文件利用时间局部性重用存储/缓存的权重或数据，从而通过显著减少用于各种计算的数据移动来提高性能。MLP与其相邻的MLP和更大的内存单元块紧密耦合，最大限度地提高处理性能，并以最低的功率配置提供每秒最多的运算次数。 MLP支持定点和浮点格式（Bfloat16；16位，半精度；和块浮点数）。 用户可以根据每个应用的要求，动态地选择最佳数据精度，从而在精度和性能之间进行权衡。
EDN电子技术设计：
在智能工厂中，机器视觉系统、工业机器人和高端智能设备如何协同工作并共享数据？
Alok Sanghavi：
机器视觉系统、工业机器人和高端智能设备是具有AI功能的不同边缘应用。它们都为各自的任务运行不同的机器，且可能运行在GPU、CPU、GPGPU、FPGA等不同的架构上；并且它们有不同的开发环境和工具。因此，将它们协同在一起共同工作的挑战主要与通信和数据格式有关。 尽管智能工厂应该得到解决这类问题的云的支持，但运行在工厂里的这些系统和设备需要非常低的延迟，以确保智能工厂寻求的效率。
如前所述，FPGA擅长协议和数据格式的转换传输。因此，包括独立FPGA芯片、系统级封装芯片、以及用于智能工厂SoC的eFPGA IP等在内的FPGA产品，对于构建具有无缝协作的智能工厂非常重要。 这是FPGA在现实系统中的典型应用之一。FPGA将在包括智能工厂内部系统和工厂外部世界在内的信息物理系统(CPS)中发挥更重要的作用。
作者：Alok Sanghavi, Achronix 半导体公司高级产品营销经理
最前沿的电子设计资讯
