人工智能庞大的代码库是如何实现安全存储的

网络整理 2020-09-20 22:41:57 0评

资料大小:0.46 MB

所需积分:3

下载次数:0

  对于人工智能 (AI) 带来的创新潜能,各个市场领域的嵌入式系统开发商皆展现浓厚兴趣。但其实若就「创新」角度来看,似乎显得有点奇怪,毕竟 AI 的基础技术本身并非崭新概念:植基在 IBM 的超级计算机 “深蓝(Deep Blue)” 的 AI 系统早在 1997 年就击败了西洋棋世界冠军 Garry Kasparov。尽管如此,在此重大突破后的 20 年来,推展各种 AI 技术的进程却相当缓慢。这些技术直到 2010 年代后期才被整合,使得 AI 跻身嵌入式系统发展的主流技术之列,而此推展之路由于两大因素变得平顺许多:第一是业界可取得采用大量传感器的物联网系统所产生的庞大训练数据库;还有透过 YouTube、Instagram、Snapchat 与 Facebook Live 等热门平台,业界也首度取得大量被标注的影像、影片与其他形式的数据。第二个因素则是嵌入式系统主要装置所具备的能力,如应用处理器、系统单芯片(SoC) 或可程序化逻辑门阵列(FPGA)皆达到可以充当「推论引擎」的临界点。这代表这些安装可执行机器学习算法的装置系统,能解读图像文件案并且辨识诸如猫、狗等物体。如今,AI 技术预期将迅速被应用至嵌入式系统,根据市场研调机构 IDC 预测,截至 2023 年,采用边缘运算系统的 AI 处理器的市场年复合成长率将达 65%。但这波采用 AI 技术的趋势,也引发嵌入式系统开发商采用的程序代码储存内存 (code storage) 是否合宜的问题。今日,SPI NOR Flash 是储存嵌入式系统启动码与应用程序代码的首选内存类型。不过,为了因应最新 AI 应用所产生的更庞大代码链接库,SPI NOR Flash 面临必须提供更高内存储存容量的压力。此外,今日应用软件丰富的嵌入式系统往往需要不定期地进行在线更新,以便执行安全性修补与新增功能。此不定期更新功能则使 SPI NOR Flash 写入速度成为瞩目焦点。本文认为,就储存系统启动码与应用程序代码而言,嵌入式系统开发商应该抱持开放态度看待以 Serial NAND Flash 取代 SPI NOR Flash 所带来的潜在效益,同时也应该重新检视对于 NAND 可靠性、寿命与效能的既有刻版印象。

相关文章

0个回复

我要评论

热门标签