安森美：引领边缘智能领域的创新者

随着物联网、大数据和人工智能技术的快速发展，边缘智能正逐渐成为推动数字化转型的关键力量。在这一浪潮中，安森美（onsemi）凭借其深厚的技术积累和市场洞察，正积极推动边缘智能技术的创新与应用，为全球用户提供更高效、更可靠的智能解决方案。

本文引用地址：

安森美智能感知部工业及消费应用大中华区市场经理Annie Tao

1 边缘智能需要高性能产品

边缘智能产品应能够实时地处理和分析数据，以便对环境和用户需求做出迅速响应。安森美在边缘智能领域的产品技术布局广泛而深入，其创新的芯片设计技术不仅提高了处理能力，还优化了能效比，为各类智能应用提供了强大的支撑。

安森美模拟与混合信号事业部业务拓展高级经理Henry Yang

在图像传感器领域，安森美的新一代AR0822展现出了卓越的性能。AR0822传感器内置了高动态范围融合算法和运动物体捕捉算法，能够在保证图像质量的同时，大大降低系统资源的消耗。例如，AR0822 传感器可以通过多次曝光融合算法和图像线性化矫正，实现了120DB的图像数据输出，有效减少了后端处理器的接收数据和处理时间，提升了图像细节的呈现效果。

图1

通常多次曝光的sensor会发送每一次曝光的数据给到后端处理器来进行合成，而3 次曝光就需要发送3帧数据。当今应用对图像传感器的分辨率要求越来越高，4K 800万能提供更多的细节，可是，3张800万像素的图片的数据量多大呢？如果是多相机的应用方案呢？处理器能提供多大的带宽呢？

图2

如果采用传统的HDR 数据传输方式，4K 3 次曝光需要超过10 Gbps，这对SERDES 以及线缆的挑战十分巨大。

安森美的AR0822 多次曝光合成是在sensor内部进行完成的，通过内部智能拟合以及压缩功能，可以将3次曝光的20bit 数据压缩成12bit 数据，然后再传输给后端平台，极大的降低了系统的数据带宽。

AR0822 支持多种多次曝光合成线性化拟合功能，DLO(Digital Lateral Overflow) 以及SCMAX(Smooth Combination Max)， 我们称其智能拟合，这种模式降低了多次曝光合成时的亮度临界区域的噪声。

在蓝牙SoC 芯片设计方面，安森美采用了独特的双核架构，即微控制器单元（MCU）与数字信号处理器（DSP）的组合。这种架构使得系统能够并行处理不同类型的任务，提高了整体计算效率。同时，安森美还不断升级其芯片核心，将M3 核升级到M33核，进一步提升了计算能力和指令集的先进性。这种核心升级使得边缘端能够更快速、高效地处理数据，同时保持较低的能耗。

图3

2 深入洞察边缘智能市场

边缘智能领域的发展不仅需要注重产品技术的创新，还深入洞察市场需求，为不同行业提供定制化的边缘智能解决方案。

在自动驾驶汽车领域，边缘智能硬件的实时性要求极高。安森美推出的蓝牙低功耗（BLE）5.2 无线微控制器RSL10 和最新RSL15 低功耗蓝牙芯片，通过采用先进的半导体工艺和双核架构，确保了实时性要求较高的应用能够在终端层面完成相关计算，避免了数据传输至云端处理产生的时延。

在远程医疗领域，安森美的边缘智能技术可实现连续、实时的生理参数监测（如血压、血糖），通过蓝牙将数据传输至手机或服务器进行分析，为患者提供及时的诊断建议和健康管理服务。同时，安森美还关注医疗数据的隐私保护问题，通过采用先进的数据加密和传输技术，确保了医疗数据的安全性和可靠性。

在助听器SoC芯片领域，安森美也取得了显著进展。Ezairo8300系列芯片采用了六核设计，并加入了神经网络加速器，显著增强了系统的并行处理能力和AI计算性能。这种设计使得助听器能够实现从单核到多核的进化，通过本地化处理实现低功耗和低延迟，为用户提供了更加优质的听觉体验。

此外，制造工艺从65纳米、55纳米逐步演进至更先进的22纳米，工艺节点的缩小通常意味着更高的晶体管密度、更低的漏电流和更快的开关速度，有利于提高处理能力并降低功耗。

在智能可穿戴、智能家居乃至不断衍生出的新兴的AI等细分应用领域，视觉系统需要以尽可能低的成本、尺寸、功耗提供更高的分辨、理解和判断能力，Hyperlux LP系列传感器功耗超低，还支持内置的运动侦测功能，可以只需要在侦测到运动物体时快速唤醒系统工作，进一步优化了系统的功耗，内部采用了堆栈式架构设计，能最大限度地减少产品体积，最小型号小如一粒米。为了在更复杂多样的环境中更精准、快速的输出场景信息，安森美的图像传感器未来将会集成更高分辨率，更快速率，嵌入更多的智能算法甚至深度算法、以及非可见光波段的检测等，为边缘智能带来更精美、更细致的图像。

安森美作为边缘智能领域的创新者，凭借其深厚的技术积累和市场洞察，为全球用户提供了高效、可靠的智能解决方案。在未来的发展中，安森美将继续致力于技术创新和市场拓展，为推动边缘智能技术的发展和应用做出更大的贡献。

（本文来源于《EEPW》2024.5）