NXP acelera IA en el edge con toolkit eIQ

El pionero de internet Robert Metcalfe es renombrado por co-inventar Ethernet, fundar 3Com y formular la Ley de Metcalfe, que postula que el valor de una red escala con el cuadrado de sus dispositivos conectados. Mientras críticos advirtieron que la ley ayudó inflar la burbuja dot-com de finales de los 90, sigue siendo marco útil para evaluar el valor de redes IoT, redes sociales y criptomonedas. El propio Metcalfe ha notado la dificultad de cuantificar "conectividad" y el potencial de deseconomías una vez que una red supera una masa crítica.

A medida que el mercado IoT se expande, desbloquear valor depende de compartir datos óptimamente mientras se mitiga el "escape digital". El vicepresidente senior de NXP, Geoff Lees, destaca que el verdadero valor económico de una red se materializa solo cuando cada dispositivo puede intercambiar datos de forma segura. El procesamiento centrado en nube, aunque conveniente, no siempre es factible —especialmente para aplicaciones industriales y automotrices que demandan baja latencia y alta fiabilidad.

Para abordar esto, NXP ha introducido su Edge Intelligence Environment (eIQ), un toolkit de machine learning que soporta TensorFlow Lite, Caffe2 y otros frameworks de redes neuronales. eIQ permite inferencia en dispositivo para casos de uso como reconocimiento de voz, visión por computadora y detección de anomalías, agregando efectivamente conocimiento de red en el edge.

"Al instalar modelos de inferencia localmente, preservamos el valor de datos de la red y reducimos latencia", explica Lees. NXP planea impulsar continuamente poder de procesamiento edge con cada generación de semiconductores mientras enfatiza seguridad, procesamiento de datos y almacenamiento local. El mantra de la compañía —"seguro, consciente y conectado"— refleja esta evolución.

Aplicaciones prácticas de eIQ incluyen sistemas de visión por computadora que detectan si trabajadores industriales usan cascos, identifican operación insegura de maquinaria o señalan otras preocupaciones de seguridad. En escenarios críticos de seguridad, la latencia de enviar datos a la nube es inaceptable.

Markus Levy, Head of AI de NXP, subraya que proporcionar capacidades de edge computing y machine learning debería ser tan sencillo como enchufar un componente. NXP también entrega hardware y software que hacen seguridad plug-and-play, y está desarrollando "recetarios" que guían a clientes en desplegar TensorFlow y otros frameworks ML.

El costo sigue siendo barrera. Gowri Chindalore, estratega líder de soluciones embebidas de NXP, nota que muchos clientes luchan para calcular el costo de sistema necesario para lograr experiencia de usuario deseada. eIQ ofrece camino costo-efectivo permitiendo a clientes especificar metas de rendimiento —como latencia de inferencia— y recibir guía sobre procesador óptimo.

NXP se asocia con firmas de analítica de datos para retrofitear entornos industriales existentes, citando plataformas petrolíferas y minas como ejemplos primarios donde procesamiento edge es esencial para monitorizar gases peligrosos y asegurar seguridad de mineros.

Finalmente, Lees enfatiza que centralizar datos valiosos en la nube expande la superficie de ataque. Almacenes de datos distribuidos con controles de acceso granulares reducen riesgo aún más, reforzando el argumento para mantener datos localmente siempre que sea posible.

[IoT World es el evento que lleva IIoT de inspiración a implementación, potenciando negocio y operaciones. Consiga su entrada ahora.]