IBASE 推出两款基于 AMD 锐龙嵌入式 R1000 的解决方案

与任何开发领域一样，嵌入式系统开发就像海洋：深海流在很大程度上保持不变，隐藏在很少有的表面之下。冒着被这个比喻淹没的风险，我的观点是，现在嵌入式开发的基础与工程师必须拨动硬连线微型计算机上的拨动开关以运行机器代码时的基础基本相同。像那些工程师一样，我们仍在努力监控外部事件并做出适当的响应。我们到达那里的方式不断变化。 从表面上看，用于构建嵌入式系统的硬件、软件和方法一直在变得更好——或者至少有所不同。作为衡量这种变化的指标，Embedded 在 1999、2009 和 2019 年的调查提供了嵌入式开发在过去二十年中如何发展的快照。 事实上，每项调查的问题本身都反映了这种变化。 1999

将 AI 放入嵌入式应用程序的吸引力是显而易见的，例如使用 face-id 来授权访问工厂车间的机器控制。人脸识别、语音控制、异常检测，有了人工智能就有很多可能性。我将在本博客中使用 face-id 作为示例。比传统的人机界面和密码更易于使用、更智能、更强大。更不用说其他人都在这样做了。 AI 的工作原理看似神奇，但它可以做的却是迅速成为最低期望。没有人愿意根据昨天的技术透明地评估产品。 （来源：CEVA） 挑战 产品制造商有问题。基于人工智能的开发与标准的嵌入式开发有很大不同。您不是在编写软件，至少不是在编写核心功能。您必须训练神经网络来识别模式（如图像），就像在学校训练孩子一样。

在我之前的博客中，我谈到了对基于 AI 的界面的需求如何变得几乎不可避免——并且添加像 face-id 这样的基于 AI 的界面来授权对机器的访问乍一看似乎是一个巨大的飞跃，但实际上并非如此和你想象的一样困难。有大量可用的 AI 平台、大量训练选项，甚至还有开源应用程序，例如 face-id 示例。您可以使用可在 PC 上运行的原型快速启动和测试。 （来源：CEVA） 约束 将训练有素的网络转移到您的嵌入式应用程序似乎是另一个巨大的障碍。 PC 或云训练的网络不会对内存使用或功率进行太多优化。他们可能会使用浮点或双字进行网络计算，并且在处理图像上的滑动窗口时会严重依赖片外内存访问

9 月 8 日，Wind River 将举办一场探索智能边缘的网络研讨会——具体来说，如何在边缘构建行业特定的嵌入式 Linux 解决方案，以及如何安全地进行。 来自网络研讨会的描述： 智能边缘正在嵌入式开发社区和跨行业中获得动力。根据 Statista 的数据，到 2024 年，全球边缘计算市场预计将达到 2506 亿美元。 Linux 是大多数软件开发人员的默认环境，也是嵌入式解决方案的热门选择。然而，Linux 最大的优势之一——也是它面临的挑战之一——是它有这么多的风格和品种，每一种都适合特定的用例。 企业 Linux 发行版虽然适用于通用 IT 用例，但通常不适合嵌入式使用。专