您知道嗎，全球數據傳輸網絡耗電量高達數百太瓦時（TWH），占全球總用電量的1-2%。移動數據傳輸需求不斷飆升，全球各地數據傳輸網絡所消耗的能源也隨之增加。因此，移動網絡的性能需要優化，吞吐量要求也需要降低。

　　我們往往會忽略與數據傳輸到集中（云端）位置相關的“隱藏”成本及數據存儲成本。為了降低能耗，我們可以考慮在本地處理數據，而不是通過云網絡進行數據存儲和/或通信。這樣就可以在不同的物理位置處理數據，無論是邊緣（傳感器）、云端，還是中間的各個位置。基站本地數據之間、之外，還將進行多個過程吸收來自物聯網網關、本地數據中心、小區站點等來源的數據。

　　圖1：2018-2028年全球月移動數據流量（信息來源）

　　圖1展示了數據傳輸（消耗的電力占全球總耗電量的1-2%）在未來幾年的上升。這意味著，除非用電量大幅降低，通信和計算將占據全球用電量的更大份額。這就為增加數據本地化處理提供了動力。將數據處理分散到其他地點，可以優化能源的總體使用——更多的系統采用“邊緣處理”模式。邊緣處理可帶來更多的好處，如增強隱私和數據保護，但如何才能實現呢？

　　應對邊緣處理挑戰

　　節約能源還有更多意義。邊緣處理是正確的方向，但仍然需要從眾多部署方案中做出選擇。應用映射愈發復雜，卻也帶來了更多的樂趣。幾十年前，嵌入式微控制器和處理器都由帶有相應I/O的單一CPU構成。在這種環境下，算法在哪里運行一目了然：它們都在同一個CPU上執行。如今情況已大不相同：現代化嵌入式處理器（如恩智浦i.MX產品系列）既有CPU，也有圖形處理單元（GPU）、神經處理單元（NPU）、信號處理單元（DSP）及各種硬件加速器。將應用映射到可用的芯片上成為了有趣的挑戰。是想在CPU、GPU、NPU、DSP上運行算法還是想在加速器上運行算法？請注意系統的軟件復雜性是如何增加的。

　　能耗優化是設計和制造邊緣處理器件時需要考慮的另一個方面。這就需要平衡動態能耗。動態能耗會受到多種因素的影響，例如CPU頻率、工作負載、其他加速器的使用情況、外部存儲器的數據流量、系統組件的使用狀態（如顯示器和背光）、Wi-Fi等連接方式以及環境溫度等。靜態能耗是指芯片中通電而不受門控控制的部分，也就是處理單元執行的操作。

　　探索如何在SoC設計中進一步降低能耗至關重要。在邊緣降低能耗意味著需要優化在邊緣使用的芯片的能耗。該圖展示了隨著時間的推移，為降低能耗在芯片和系統方面開發的各種機制。

　　圖2：SoC設計中降低能耗的機會，從晶體管到系統層面

　　增強能耗測量和能耗優化工作流程

　　在實踐中，優化能耗是打造卓越系統和芯片設計工作流程的重要一環。恩智浦除了高能效i.MX 7ULP和i.MX 8ULP等獨特SoC外，還在使用場景中優化芯片的不同電源模式。我們的能效應用筆記詳細介紹了各種能效方法，這些方法可以通過我們的BSP SW（廣泛的支持包軟件）來實現，應用筆記還可向客戶提供有用的部署指導。此外，我們重點關注如何通過共同設計PMIC在系統級別盡可能簡化設備的整體電源管理。我們還采用低能耗DRAM（LP4、LP4X、LP5），降低系統級能耗（較低的工作電壓和待機時自刷新模式等）。

　　將超低能耗處理和高級集成安全帶到智能邊緣。了解恩智浦安全可擴展的i.MX 8ULP應用處理器。

　　部署和生命周期中的節能策略

　　人們非常關注設備和系統的優化，包括設備架構、設計、制造和系統開發，以及產品的開發。但目前許多產品在市場上的使用壽命比較短。消費者每隔幾年就要進行一次升級，使用新的硬件。這造成了浪費，但也是改進的機會。

　　除了使用硬件設備外，消費者還可以利用設備日益增強的軟件能力來最大限度地延長其使用壽命。隨著時間的推移，升級軟件可以提供更多功能，從而延長產品的使用壽命。要支持這一概念，就需要滿足安全要求的龐大生態系統，設備只需加載必要軟件。恩智浦在這方面也進行了大量的開發工作。

　　開發邊緣機器學習（ML）應用需要保證安全性和高能效。下載閱讀恩智浦電子書《邊緣計算精要》，了解詳情。

　　現代數據中心中的服務器機架

　　更進一步——未來的展望

　　本博文從芯片行業的角度探討了可持續發展的幾個方面。首先，文章介紹了邊緣和云之間通信網絡的優化。其次，描述了SoC芯片的工作負載優化及相關系統設計。最后，還簡要地討論了生命周期管理，這是延長設備市場使用壽命的必要條件。

　　恩智浦半導體致力于打造更環保的世界，文中列舉了其在多個方面開展的工作。然而，要實現這一目標，需要跨行業的合作。在半導體界，大多數工程工作仍然專注于短期性能優化目標，卻沒有明確針對能耗或長期可持續性進行優化。要扭轉這種局面，必須改變思維方式。

　更多精彩內容歡迎點擊==>>電子技術應用-AET<<