EO_504

ELETTRONICA OGGI 504 - SETTEMBRE 2022 50 DIGITAL SEMICONDUCTOR TRENDS Wi-Fi IoT. Rispetto a Wi-Fi 5, Wi-Fi 6 fornisce una capaci- tà (throughput) quasi 4 volte più elevata, che permette di aprire le porte ad applicazioni IoT con requisiti di banda più elevati, come gli headset per realtà aumentata. Per quanto riguarda la tecnologia Bluetooth, i chipset Bluetooth IoT sono guidati dal settore audio e intratteni- mento e dai dispositivi dell’area smart home. Intelligenza artificiale, quali semiconduttori IoT Nel contesto di una Internet of Things che produce sem- pre più dati, aumentano anche le applicazioni che ne- cessitano di analisi dei dati più complesse e, soprattutto, eseguite in tempo reale. Per soddisfare questi requisiti real-time, l’elaborazione dati deve avvenire a livello del- la rete edge (edge computing), il più vicino possibile alla fonte che li genera: ma, in tal caso, occorre integrare la potenza computazionale richiesta per l’analisi dei dati direttamente nei dispositivi locali, lasciando al cloud, e trasferendo nella nuvola, solo i dati strettamente ne- cessari. Proprio per questo motivo si sta espandendo la domanda di chip AI (artificial intelligence) embedded, destinati all’elaborazione dati nel cosiddetto IoT edge. In quest’area di mercato, il segmento globale dei chipset AI IoT è previsto crescere con un CAGR del 22% tra il 2019 e il 2025. Questa crescita, secondo IoT Analytics, è guidata dal calcolo parallelo fornito da tre differenti tipologie di chip, ossia GPU (graphics processing unit), ASIC (application specific integrated circuit) ed FPGA (field programmable gate array). Tra questi, i chipset di AI basati su FPGA sono particolarmente importanti per il cloud, come anche per l’era 5G, chiarisce IoT Analytics, perché aiutano a ridurre la latenza, a migliorare l’accesso alla memoria, e perché rendono le comunicazioni tra dispositivi molto più effi- cienti dal punto di vista dei consumi. Tuttavia, come si può constatare analizzando le tecnolo- gie disponibili sul mercato, non sono solo GPU, ASIC ed FPGA a poter eseguire elaborazione dati per applicazioni di AI direttamente nell’infrastruttura IoT edge. Solo per fare un esempio, si può citare l’applicazione sviluppata da Infineon in collaborazione con il fornitore di tool AI SensiML, annunciata lo scorso febbraio, per acquisire dati tramite i sensori Xensiv di Infineon, addestrare mo- delli di machine learning (ML), e implementare modelli inferenziali eseguibili in tempo reale direttamente sui microcontroller “ultra-low power” PSoC 6. Chip IoT per la sicurezza Con la diffusione delle infrastrutture e dei dispositivi IoT aumenta anche fortemente la superficie esposta agli attacchi cyber: di conseguenza, l’incremento delle mi- nacce che possono colpire i device IoT richiede un con- tinuo adeguamento delle misure di sicurezza. In molti casi, specifica IoT Analytics, la sicurezza software tra- dizionale è considerata insufficiente per l’architettura di sicurezza nel suo complesso, e per tale ragione emerge un’esigenza unica di rendere sicuro l’hardware, assieme al flusso di dati che viene trasferito dai dispositivi edge verso il cloud. Da questo punto di vista, sebbene le orga- nizzazioni dispongano di diverse opzioni per implementare la sicu- rezza a livello hardware, sembra che integrare la security a livello di MCU o di SoC (system on a chip) stia rivelandosi la soluzione più consiglia- bile, in quanto consente ai dati di fluire in modo sicuro attraverso il bus interno, conclude la so- cietà di ricerca. Secondo IoT Analytics, la penetrazione dei semiconduttori IoT è prevista crescere, dal 7% del 2019, al 12% entro il 2025 (Fonte: Pixabay)