工業應用邊緣的最新基于人工智能 （AI） 的解決方案嚴重依賴來自多個傳感器的實時數據。當然，系統中傳感器的特性、功能和類型取決于每個應用的要求。

復雜的應用程序執行全面的算法，需要來自多個傳感器的數據。隨著物聯網 （IoT） 解決方案中傳感器數量的增加，系統的功耗也會增加。此外，對于要求快速高效地處理系統數據的應用程序，添加傳感器會增加延遲風險。

為了克服這些挑戰并延長傳感器節點的工作時間，在傳感器的硅芯片中嵌入AI功能被證明是非常有效的。此外，這種創新方法解決了云計算的一些缺點。該方法構建具有智能計算能力的微型傳感器，可以同時運行多種算法并處理傳感器數據，只需與外部處理器的通信最少。相反，傳感器讓處理器休眠，直到傳感器的數據存儲器中提供適當的結果。然后，傳感器通知外部微控制器可用于目標用例的可用數據。

第一代智能傳感器包括一個機器學習核心，旨在訓練在傳感器內部實現的AI模型。該模型將根據實時傳感器數據生成結果。第二代智能傳感器增加了嵌入式處理能力，可以無延遲地運行多種AI解決方案算法。這些傳感器有助于延長功率預算有限的系統模塊的運行時間。

擴展這些第二代智能傳感器的功能會導致傳感器中的處理器，如圖1所示。這種方法是意法半導體在其智能傳感器處理單元（ISPU）中開創的，可以在邊緣同時處理多種AI算法，適用于需要實時慣性傳感器輸入的關鍵時間敏感型應用。

圖1.包含智能傳感器處理單元 （ISPU） 的傳感器

帶有嵌入式處理單元的最新智能傳感器是系統級封裝模塊，帶有幾個傳感器、一個 ISPU 和中斷發生器，可針對不同的應用進行編程。這些解決方案還具有片上傳感器集線器，允許將其他傳感器連接到模塊。

這種新的智能模塊方法代表了強大傳感器新時代的開始，這些傳感器支持依賴傳感器數據的實時應用。嵌入這些傳感器模塊的處理單元是一個超低功耗、高性能的可編程內核，開發人員可用于信號處理和人工智能算法，同時功耗明顯低于外部處理器。

真正的創新在于優化的超低功耗硬件電路，用于實時執行任何無線傳感器節點的算法，從小型設備或配件到工業5.0的企業解決方案，包括異常檢測器，資產跟蹤器或工廠自動化設備等。

ISPU和通用Cortex-M0微控制器的電流消耗之間存在很大差異。圖 2 顯示，在通用微控制器上使用傳感器融合算法運行的 6 自由度 （1000-DoF） 傳感器功耗為 200μA，而使用 ISPU 時功耗僅為 80μA，電流消耗降低了 330%。我們使用意法半導體ISM1IS進行此測量[3]。來自智能傳感器模塊中嵌入的 3 軸加速度計和 104 軸陀螺儀的數據推動了該測量中使用的傳感器融合。傳感器以<>Hz輸出數據速率工作。

圖2.ISPU 和通用微控制器之間的電流消耗比較。

開發人員可以最好地利用此智能傳感器模塊，使用內部和外部傳感器數據運行算法。該模塊在傳感器集線器模式下運行時最多可連接四個外部傳感器。此外，將傳感器集線器觸發信號與加速度計/陀螺儀數據就緒信號同步可確保所有傳感器數據在時間上同步。

未來趨勢

傳感器內部的嵌入式AI具有多種優勢，包括大幅節省系統功耗，以及更低的延遲和帶寬要求。未來幾代傳感器可能會結合三個主要功能，以最好地利用人工智能技術。這些是傳感、自主智能和連接。除此之外，傳感器將提供原始數據，并具有更先進、更強大的以人工智能為中心的邊緣處理能力。人工智能時代的傳感器還將擁有決定應處理和使用哪些傳感器數據來實時交付事件發生的結果的自主權。在卸載主處理器的工作的同時，這將進一步減少延遲和隱私泄露。此外，應用程序將使用人工智能傳感器的輸出來做出決策并采取行動，而無需任何額外的外部處理。

審核編輯：郭婷