在科技日新月異的當今社會，人工智慧 (AI) 的研究工作已取得驚人進展，計算機的用途也在不斷拓寬。

機器在執行某些任務時比起人類更快、更精準。最著名的事件莫過於在2016年，AlphaGo透過機器的自主學習能力戰勝了圍棋世界冠軍柯潔。

當然，AI發展的如此迅速，也與人類智慧的不斷進步是密不可分的。

利用機器學習(ML)等方面的技術，開發人員可以建立更豐富多樣的應用，比如工業 機器視覺、影像分類、物件檢測、語音識別、自然語言處理、手勢和情緒檢測等，這些應用改變了我們生活的方式，提高了我們的住宅、辦公室、工廠、城市的安全性、智慧化程度和便利性。 

什麼是機器學習？

機器學習相當於利用計算引擎來處理複雜的人工任務，但是它的速度更快，甚至能夠自主執行，無需人為的直接干預。在執行機器學習應用時，需要執行海量的數學運算，總計可達到每秒數萬億次。

顯然，機器學習能夠提供給人們提供很多便捷功能，而這些功能對於 智慧家居、 智慧零售、智慧工廠和 智慧城市等應用領域而言是必不可少的。以前，機器學習需要成本昂貴而又複雜的雲端計算，也就是“基於雲的人工智慧”。但現在，很多機器學習操作可在網路邊緣進行，在這裡，智慧互連裝置提供更快的執行時響應、更低的延遲，可靠性、私密性和安全性更出色。 

為什麼要基於 邊緣計算？

在利用雲端計算時，使用者需要使用本地網路之外的計算資源。而透過邊緣計算的話，許多處理工作就可以在本地進行了！因此，一些私密性的資料也可以儲存在本地網路中，安全性得到了極大的提升。

邊緣裝置還可執行多種任務。在雲端計算流程中，邊緣裝置通常用於過濾、預處理、儲存或緩衝資料。而現在，新技術進步——如整合神經處理單元(NPU)，它為邊緣裝置的用途開闢了可能性。

憑藉可根據各類資料來源（如攝像頭輸入）做出決策的邊緣裝置，使用者能夠將重要資料儲存在本地網路中。這減少了必須上傳到雲端的資料量，提高了系統的整體可靠性和安全性。還能夠實現更快的實時決策，因為資料傳輸到雲並等待控制響應會增加延遲，導致雲端計算架構無法處理一些應用。飛凌順勢推出了一款基於NXP  i.MX8M Plus處理器所設計的FETMX8MP- C核心板！

i.MX 8M Plus特點

1、高效能NPU 2.3 TOPS算力（每秒兆級操作）

2、主頻高達2GHz的四核Arm  Cortex-A53子系統

3、主頻可達800MHz的基於Cortex-M7的獨立實時子系統

4、用於進行語音和自然語言處理的高效能800MHz音訊 DSP

5、雙攝像頭影像訊號處理器（ISP）

6、用於豐富圖形渲染的3D GPU

FETMX8MP-C核心板的處理器使用的是14nm FinFET工藝技術，因而具有低功耗和高效能，並具備多項新特性，包括支援兩個低成本高畫質影像感測器或一個 4K解析度影像感測器的雙攝像頭ISP，能夠處理人臉、物體物件和手勢識別等機器學習任務。 此外，它還整合了獨立的800MHz Cortex-M7以便處理實時任務並獲得低功耗支援、H.265和H.264的影片編解碼、800MHz HiFi4 DSP和用於語音識別的8通道PDM麥克風輸入。 工業物聯網特性包括支援時間敏感型網路 (TSN) 的千兆乙太網、兩個CAN-FD介面和ECC。人工智慧和機器學習給計算機行業帶來了顛覆性的變化，這一變化將有助於改善我們的生活。相信利用飛凌的FETMX8MP-C核心板，將人工智慧和機器學習移到邊緣，我們可以更快地迎來更美好的明天。