EO_485

DIGITAL FPGA FOR AI 50 - ELETTRONICA OGGI 485 - APRILE 2020 risorse computazionali si trovano lon- tano dall’utente, nelle seconde sono più vicine. Per esempio, negli approcci basati sull’uso di server, molto diffusi negli anni Settanta e Ottanta, si è uti- lizzata una struttura a elevato grado di centralizzazione per raggruppare la potenza computazionale e le capa- cità di archiviazione. Me questa filoso- fia cessò rapidamente di essere in auge verso la fine degli anni Ottanta e negli anni Novanta, a causa della diffusione dei PC a basso costo e della comparsa di Internet. In questo nuovo modello architetturale, le at- tività computazionali furono delegate sempre di più al singolo PC. L’approccio che faceva leva su un notevole grado di distribuzione, basato sul PC, sembrava avere solide fondamenta fino alla comparsa e diffusione del- la tecnologia mobile sotto forma di smartphone, tablet e laptop. All’improvviso, portare con sé l’hardware di elaborazione e le risorse di archiviazione divenne uno svantaggio. Lentamente, gli sviluppatori di sistemi ini- ziarono a trasferire le attività sul cloud, dove potevano sfruttarne le risorse computazionali e di archiviazione pressoché illimitate, l’elevata affidabilità e il costo con- tenuto. Le aziende usano il cloud per ridurre le spese in conto capitale e gestire con maggiore efficienza i costi di esercizio e manutenzione associati a un’infra- struttura IT. E a mano a mano che adottano tecniche di apprendimento automatico e introducono livelli più alti di intelligenza artificiale, il cloud svolgerà un ruo- lo essenziale. La prossima generazione di fabbriche, città e abitazioni intelligenti ha bisogno del cloud ai fini della gestione efficiente di sistemi di visione arti- ficiale, del coordinamento dei flussi di traffico e della minimizzazione del consumo di potenza. Non tutte le L’ emersione di fabbriche, cit- tà, abitazioni intelligenti e la diffusione della tecnologia mobile 5G stanno causando cambia- menti nelle architetture dei sistemi e lo sviluppo di nuove applicazioni che richiedono funzionalità più avan- zate alla periferia della rete (“edge”). Le soluzioni in silicio da utilizzare nell’ambito dell’intelligenza artificiale/apprendimento automatico sono essenziali per rispondere ai requisiti relativi a questa nuova generazione di applicazioni di edge computing basate sull’IA. I progettisti impegna- ti nello sviluppo di soluzioni per l’elaborazione alla periferia della rete devono far fronte al problema di soddisfare nuovi requisiti riguardanti molteplici fattori – flessibilità, bassi consumi, ridotto fattore di forma e costo contenuto – senza compromettere le prestazioni e in condizioni di mercato molto competitive. I sistemi che integrano risorse di inferenziazione a basso con- sumo in prossimità dell’origine dei dati IoT utilizzando FPGA a densità di potenza inferiore che permettono il funzionamento a basso consumo possono soddisfa- re i severi vincoli, in termini di prestazioni e consumi, imposte dai dispositivi edge garantendo nel contempo una riduzione per quanto riguarda il time-to-market. Cambiamenti nelle architetture e funzionalità più avanzate all’edge Sin dall’invenzione del primo computer, identificare l’architettura ideale di un sistema non è stato un com- pito semplice. Un esame della storia dell’evoluzione del computer mostra che gli sviluppatori di sistemi hanno continuamente scelto fra due alternative: configurazio- ni centralizzate e architetture distribuite; nelle prime le I progettisti impegnati nello sviluppo di soluzioni devono far fronte al problema di soddisfare nuovi requisiti riguardanti molteplici fattori Deepak Boppana Senior Director, Segment and Solutions Marketing Lattice Semiconductor Intelligenza artificiale a basso consumo alla periferia della rete