NXP sobre inteligencia perimetral: Perspectivas de una entrevista en Embedded World 2021

¿Qué es la Computación Perimetral?

La computación perimetral significa realizar análisis de datos y toma de decisiones cerca de donde se generan los datos. Al mantener el procesamiento local, los dispositivos pueden ofrecer insights más rápidos y reducir dependencia del ancho de banda en la nube. Como señala Ron Martino, VP Senior del Negocio de Procesamiento Perimetral de NXP,

"La computación perimetral equilibra computación local y en la nube, evolucionando de dispositivos inteligentes a verdaderamente inteligentes que interpretan, analizan y actúan sobre datos de sensores in situ".

Habilitando Productividad y Seguridad

En manufactura, wearables perimetrales con visión y capacidades de aprendizaje automático permiten a trabajadores diagnosticar y arreglar problemas en tiempo real. Para seguridad, dispositivos perimetrales pueden detectar alarmas, caídas o rotura de vidrio fusionando datos de radar, visión o sensores de audio y disparar respuestas inmediatas.

Construyendo Inteligencia Perimetral

Componentes clave de hardware incluyen:

• CPUs multi-núcleo para tareas generales
• GPUs para cargas de trabajo de visión en paralelo
• Procesadores de red neuronal (NPU) para inferencia
• DSPs para procesamiento de audio y señal
• Unidades de procesamiento de video (VPU) para codificación/decodificación

La familia RT de NXP ofrece plataformas de referencia que integran estos aceleradores, proporcionan modos de fuga ultra-baja y soportan cargas de trabajo de voz, visión e inferencia. Un kit pre-construido de reconocimiento facial permite a clientes lanzar soluciones sin empezar desde cero.

Casos de Uso Consumo vs Industrial

Despliegues industriales demandan:

• Fiabilidad a largo plazo (15+ años)
• Cumplimiento robusto de seguridad y regulaciones
• Redes deterministas sensibles al tiempo (TSN) para baja latencia

IoT de consumo se enfoca en eficiencia energética extrema, HMI de voz y ciclos de vida de producto cortos, a menudo aprovechando conectividad inalámbrica y modos de ahorro de batería.

Interoperabilidad en Hogares Inteligentes

Estándares fragmentados obstaculizan comunicación entre dispositivos de diferentes proveedores. La participación de NXP en el proyecto CHIP (Connected Home over IP) busca unificar Zigbee, Thread y otros protocolos bajo un estándar abierto y agnóstico al proveedor, simplificando la incorporación de dispositivos y asegurando operación sin fisuras entre ecosistemas.

Equilibrando Costo y Complejidad

Con un pronóstico de que el 90 % de dispositivos perimetrales incorporarán ML o IA para 2025, los fabricantes enfrentan preguntas sobre complejidad y costo. El enfoque de NXP se centra en:

• Despliegue de modelos agnóstico a la nube vía nuevo entorno de desarrollo
• Aceleración de hardware adaptada a casos de uso específicos, manteniendo área de silicio mínima
• Ejecución eficiente energéticamente que puede escalar desde microcontroladores a procesadores de red neuronal de alto rendimiento

Modelos eficientes pueden ejecutarse localmente en un microcontrolador, mientras que cargas de trabajo más pesadas pueden usar un NPU dedicado o integración en la nube, manteniendo bajo el costo total de propiedad.

IA Ética en el Perímetro

Transparencia, seguridad y mitigación de sesgos son el núcleo de la iniciativa de ética de IA de NXP. Principios clave incluyen:

• Divulgación clara de recolección de datos y lógica de decisión
• Seguridad robusta para eliminar puertas traseras y proteger información sensible
• Auditorías de sesgo para asegurar resultados justos y equitativos

Desafíos Futuros

Investigación en curso apunta a:

• Operación near-threshold y energy-harvesting para ultra-bajo consumo
• Cifrado homomórfico para computación segura en dispositivo
• Aceleradores de red neuronal avanzados (spiking, quantum-inspired) para mayor eficiencia
• Mejoras en TSN y conectividad para redes industriales deterministas de alto rendimiento

Para el podcast completo de 27 minutos, «Empowering the Edge Everywhere», escucha aquí.