Por qué los procesadores de señal digital (DSP) están ahora en todas partes en dispositivos modernos

Cuando las CPUs ARM ganaron tracción —gracias a primeros adoptantes como Apple— el uso móvil se disparó. El beneficio era claro: un procesador embebido podía convertir cualquier dispositivo en una plataforma versátil y rica en funciones. Además, actualizaciones de software podían extender la vida del hardware, permitiendo que un solo chip alimentara múltiples generaciones de producto.

Mientras las CPUs de propósito general sobresalen en una amplia gama de tareas, luchan con operaciones que exigen procesamiento en tiempo real y bajo consumo —como el módem de un smartphone. El módem debe manejar señales de radio analógicas continuas que han sido digitalizadas, requiriendo computación rápida y eficiente que una CPU típica no puede entregar sin consumo excesivo de energía.

DSPs: Diseñados para streaming de datos

Los DSPs están diseñados para tales tareas. Equipados con soporte nativo de punto flotante y unidades matemáticas optimizadas —especialmente operaciones multiply-accumulate (MAC)— procesan datos en streaming eficientemente, a diferencia de las cargas de trabajo orientadas a lotes típicas de las CPUs.

El procesamiento de audio comparte estos mismos requisitos. Los DSPs impulsan funciones de audio de alta gama —desde ecualización y compresión Dolby hasta avanzados auriculares con cancelación de ruido que te dejan dormir sin interrupciones en vuelos.

IA en el edge: más allá de los centros de datos

La IA se ha expandido más allá de los centros de datos a dispositivos móviles y edge. Hoy, vehículos detectan peatones, colisiones y marcas de carril para conducción autónoma básica. TVs controladas por voz, altavoces inteligentes e incluso GoPros montados en cascos permiten a usuarios realizar acciones manos libres.

Estas funciones dependen de procesamiento en tiempo real de datos en streaming —ya sea voz, imágenes fijas o video. El procesamiento de audio, por ejemplo, requiere captura de alta calidad via beamforming multi-mic, cancelación de eco y supresión de ruido —áreas donde los DSPs tienen décadas de experiencia probada.

El reconocimiento de comandos emplea redes neuronales entrenadas —algoritmos que difieren marcadamente del código centrado en CPU. Mientras las CPUs pueden ejecutarlos, la lentitud resultante drena la batería. Ejecutar la red en una arquitectura altamente paralela, como un DSP, permite operaciones simultáneas y preserva energía.

Programabilidad: similar a CPUs

Algunos pueden sospechar que los DSPs son demasiado especializados para desarrolladores generales. En realidad, la programación sigue siendo similar a CPUs: escribes código C para ambos. La clave es crear código que explote las fortalezas del DSP para máximo rendimiento.

Ubicuos en dispositivos modernos

Los DSPs son ubicuos: cada radio de teléfono —Bluetooth, Wi-Fi y celular— depende de uno o más DSPs. Auriculares Bluetooth, altavoces inteligentes, mandos controlados por voz, cámaras de seguridad domésticas y sensores automotrices emplean DSPs para procesar audio, detectar movimiento y analizar sonido para toma de decisiones en tiempo real.

Las GPUs, aunque potentes para entrenamiento de IA en centros de datos, son inadecuadas para uso en edge debido a tamaño, consumo de energía y coste. A medida que crecen demandas de privacidad y seguridad, la IA debe moverse a hardware de bajo coste y bajo consumo —haciendo a los DSPs la elección práctica para dispositivos embebidos.

En consecuencia, los DSPs embebidos están proliferando. Permiten control por voz de bajo coste y consumo, detección de objetos, mejora de audio y más —todo mientras permanecen totalmente programables. Mientras las CPUs aún manejan gestión general, los DSPs dominan cada vez más el procesamiento inteligente de audio y visión.

Este artículo inaugura una serie explorando DSPs versus aceleradores de hardware. Próximos posts incluyen «Cuando un DSP supera a un acelerador de hardware» y «Decisiones, decisiones: ¿Acelerador de hardware o DSP?».