瑞薩電子株式會社高級副總裁、瑞薩電子中國董事長真岡朋光表示，瑞薩電子正在為工廠自動化推出e-AI嵌入式人工智能解決方案，并為物聯網應用研發SOTB超低功耗工藝。

目前，設備端、云端、大數據、物聯網相輔相成，支持著智能化世界的快速發展。而瑞薩電子也為智能化世界及物聯網領域發展帶來兩項前沿科技：全新理念的e-AI技術支持設備端智能化；SOTB超低功耗技術支持萬物互聯。

瑞薩電子正在開發中的DRP以及SOTB技術將為嵌入式系統領域提供新的附加價值。DRP（動態可配置處理器）技術可靈活地隨機重寫電路。對于無法隨時自由連接到云或對實時性有高要求的嵌入式系統應用，DRP技術能夠大顯身手。即使不連接云端，DRP也可在獨立系統中應用AI。瑞薩電子嵌入式人工智能e-AI，以此大大擴展了終端設備智能化的可能性。

再就是SOTB。正常的低功耗技術，其特點是只能在運行或待機模式中擇一保持低功耗。而SOTB的獨特性在于其在兩種模式下都能保持低功耗。這項功能使得構建不需要電池的系統成為可能，從而可以擴展物聯網連接設備及其所在場所的范圍?！拔覀兿嘈?，DRP和SOTB這兩種技術能為AI和物聯網的未來應用提供重要的附加價值?！?真岡表示。

瑞薩電子中國產業解決方案中心OA&ICT部部長陳建名深入淺出地介紹了瑞薩電子的e-AI解決方案，以及核心的技術，包括DRP和SOTB。

首先看e-AI解決方案。他指出，目前在市場上，各種各樣的電子產品設備都增加了AI功能，而且絕大部分產品，其AI學習與推理都是在云端進行。特別是在OT中的終端產品或者設備，通過云端做AI的學習與分析，可能會造成時間上的網絡延遲、帶寬的擁擠以及網絡安全性和功耗的問題?？紤]到這幾點，瑞薩電子推出了e-AI解決方案，可以通過客戶端學習的AI模型，把它融合到終端的產品和設備，實現實時、安全和低功耗的終端智能化。

他介紹說，2017年7月，瑞薩電子首次公布e-AI方案，通過瑞薩電子提供的e-AI翻譯器，把客戶AI模型翻譯到C語言，然后在瑞薩電子RX系列MCU里進行AI的終端推理功能。2018年10月，第二代e-AI的方案推出，通過將瑞薩電子獨有的DRP技術嵌入到芯片中，實現基于DRP的e-AI解決方案。

DRP即動態可編程處理器。客戶可以按照其需要，在不同的時間對DRP的硬件邏輯編程，實現一些并行的數據處理。DRP技術特別適用于圖像處理。除了第二代e-AI解決方案，瑞薩電子在今年的第四季度也會推出第三代e-AI解決方案，屆時將配置能力更強大的 DRP AI芯片?！斑@個DRP AI跟第二代DRP有什么區別？主要在于它在器件中額外配置AI MAC（乘加運算），特別適合卷積神經網絡。里邊的卷積層需要大量的計算，我們AI的MAC硬件可以實現非?？焖俚闹貜童B加計算。所以DRP AI第三代產品剛好能滿足卷積神經網絡應用。”陳建名解釋說。

“同時，瑞薩電子第四代產品Class 4 e-AI解決方案DRP AI 2也在規劃當中。這個產品目的是實現在終端的增量學習功能?！彼a充說。

DRP是瑞薩電子獨有的技術，在同等功耗的前提下，比目前市場上的一些MCU、DSP或FPGA的處理能力高十倍或一百倍。反過來說，在相同的處理能力下，其功耗會比目前市場上的這些處理器低很多。

該產品的目標應用場景包括智能工廠、智能家居、智能基礎設施。例如，對于工業控制應用，e-AI方案可以通過學習完的數據，利用電機上的加速傳感器分析判斷從傳感器所采集的信息到底是正常還是異常。然后再將其傳送到控制中心或控制系統進行通知。這樣可以大大改善整個生產的效率，避免停機，同時也可以降低維修的成本。

另外一個應用場景就是生物認證。這在機場或口岸的出入境，以及辦公樓進出系統中有廣泛應用。

DRP包含多組處理單元、存儲器和DMA控制器。DRP可以根據用戶需求進行編程，按不同的時間計算不同的算法，同時可以實現不同算法的并行處理，每一個時鐘周期都小于1ns，因此，非常適合圖像處理這種應用。

AI的神經網絡包含幾個不同的處理層：卷積層、池化層和全連接層等等。DRP非常適合作為卷積神經網絡的AI加速器。第三代DRP配置AI MAC，里面有多組快速處理單元，能實現非常有效的計算。卷積層本身需要處理大量的數據，同時其數據需要不斷賦予權重，然后再重復計算，需要快速的處理單元去做乘法或加法。這樣，配置了AI MAC的DRP就可以真正滿足卷積層這種復雜的計算。

CPU和DRP實測對比。左邊是一個500MHz時鐘頻率的CPU，右邊是第二代DRP，同時進行Canny邊緣檢測算法的運算。500MHz CPU需要140ms，而DRP只有40MHz，處理速度卻比500MHz CPU快十倍以上。

接下來看另外一個核心技術，SOTB（薄氧化埋層覆硅）。SOTB是瑞薩電子自己研發的超低功耗工藝技術，它可以實現無摻雜的晶體管。無摻雜結構可以降低晶體管淤積特性變化。對比傳統的平面式晶體管的淤積特性變化，這種無摻雜通道和結構可以將特性變化降低2/3。減小晶體管的淤積特性變化，就可以在超低的電壓下，比如0.5V左右，進行比較穩定的操作。同時也可以大大降低工作電流和待機電流。

SOTB技術在一些特定條件下，電流消耗只是傳統的MCU的1/10。

傳統的MCU通過3V的紐扣電池供電，間隔性檢測傳感器的信號采集，再把信息傳到云端。如果其數據周期占1%，一個月后系統就可能沒電了。如果換成1‰的數據周期，這個系統也只能運行一年左右。

但是，利用SOTB技術做成的MCU，卻可以自己不斷地、連續性地進行傳感器的信號采集。因為本身需要的電流非常低，3μA就已經足夠，同時再配合瑞薩電子的嵌入式AI解決方案，就可以通過學習的數據去分析和判斷通過傳感器收集回來的信息是屬于正常還是異常模式，然后才需要把相關的信息傳到云端。

由于整個系統都在終端運行，因此可以實現低時延、安全（因為不需要通過云端，所以不會發生信息在傳輸過程中被竊取的情況）和低功耗的效果。

SOTB應用方案的路線圖可以分成三個階段。第一階段，該技術預計在今年的下半年在中國市場正式發布。首要目標應用場景是一些需要經常更換電池或電池維護的應用。第二階段，在2021年左右，計劃會把無線技術（如藍牙）集成進去，從而擴展應用場景，包括智能家電或智能樓宇，以及個人健康產品。第三階段是長遠目標，不但會集成無線技術，同時也會將嵌入式AI解決方案整合到器件里，做成一個完整的方案，進一步擴展應用的場景，包括農業、智能交通等。

陳建名最后為大家演示了三個demo。第一個demo是3D手勢識別，瑞薩電子會通過e-AI解決方案提供手勢數據的學習工具、錄制工具和AI學習工具。工程師只需要做很小的代碼改動，不需要重新再寫復雜的算法，就可以達到很高分辨率的3D手勢識別和控制。

第二個demo也跟e-AI解決方案相關，是一個電機異常檢測的案例。用瑞薩電子32位MCU來實現電機控制，以及e-AI推理功能。通過配置在電機上的加速傳感器收集信號，再通過學習數據來判斷所收集的信息是屬于正常模式還是異常模式。同時將計算出的故障率在電腦上顯示出來。

第三個demo是用DRP進行實時圖像處理。這個demo板里所用的控制器是RZ/A2M，這個主芯片里配置了動態可編程的處理器。一些圖像處理可能會分成很多不同的算法——收集完圖像后還需要去分析，做圖像的解碼等。動態可編程處理器的主芯片真正可以滿足這種圖像處理復雜的計算要求。它可以并行處理不同的算法，取決于用戶怎么對邏輯電路進行編程。

相比528MHz主頻的Arm Cortex-A0處理器，RZ/A2M的處理能力快13倍。

DRP另外一個優勢是低功耗。“雖然第二代DRP的主頻只有66MHz，第三代是250MHz，但是主頻低不代表處理能力會相對降低。主頻低可以實現低功耗和并行數據處理，所以其處理能力比主頻高很多的MCU或者MPU更強大，比A9的處理能力快13倍。這是瑞薩電子DRP真正的優勢?！标惤忉屨f。