エッジでのメモリ需要はパフォーマンスと電力制約のバランスをとる

エッジ コンピューティングやIoTデバイスは、クラウドや高性能コンピューティング環境で使用される大規模なデータ センターほど電力を消費しませんが、エッジのスマート化が進むと、処理能力が高まり、最小限のエネルギー要件でローカル データ ストレージも増えます。5GまたはWi-Fi接続を組み合わせると、電力消費は設計プロセスのさらに重要な要素になります。

多くのデバイスは遠隔地や過酷な環境に配置され、長期間にわたって定期的な人間の介入なしに動作することを考えると、エッジの電源も信頼性が高くなければなりません。信頼性は、機能安全要件を満たし、 人工知能 が正確かつ高速な推論を実行して重要な意思決定をリアルタイムでサポートできるようにするためにも重要です。

エッジデバイスのコンポーネントはよりスマートに

AI は、エッジに展開されるエッジコンピューティングの多くを推進しており、5Gネットワークの展開によってさらに実現されています。

具体的には、コンピューター ビジョン テクノロジの応用により、さまざまな業界向けの多種多様なデバイスの普及が促進されています。より多くの情報を収集し、洞察力を引き出すことで、より賢明な意思決定を行い、企業の収益や国民の生活の質を向上させることができます。

アプリケーションに関係なく、デジタル画像、ビデオ、その他の視覚入力をキャプチャするコンピューター ビジョン テクノロジにはすべて、電力を消費するコア要素があります。入力を取得するカメラやその他のタイプのセンサー、キャプチャしたデータ用のプロセッサ、メモリとストレージ、およびデータを送受信するためのネットワーク機能が常に存在します。すべてが連携してパターン認識アルゴリズムを実現し、コンピューター ビジョンが人間の脳を模倣して見たものを理解できるようになります。機械学習 とディープラーニング方式のAIにより、デバイスはさまざまな視覚情報を認識してそれに応じて動作できるようになります。

アプリケーションによっては、タスクが本質的に非常に単純なため、処理能力、メモリ、ストレージ、電力をほとんど必要としないものもありますが、他のアプリケーションは、タスクが本質的に複雑なものもあります。一部のエッジ デバイスはローカルでより多くの作業を実行しますが、他のエッジ デバイスは処理から中央ポイントに大量のデータを送り返します。それはすべてユースケースに依存し、ユースケースはたくさんあります。

多様化するAIワークロードが電力消費に圧力をかける

エッジ コンピュータ アプリケーションの中には、数十年にわたって使用されてきたものの進化形であるものもあれば、AI、メモリ、ネットワーク テクノロジーの進歩により最近になってようやく可能になったものもあります。

職場や公共の場でのセキュリティと監視は目新しいものではありませんが、コンピューター ビジョンにより、より高度なインテリジェンスと優れた検出機能が可能になります。これは、エッジ デバイスが大勢の群衆をスキャンして危険な行動や疑わしい行動を検出し、犯罪や傷害を防いだり、立ち入り禁止の建物への不正な侵入を防いだりできるため、一般的なセキュリティ シナリオで役立ちます。人数と位置に基づいて人を検出できれば、よりスマートな環境制御も可能になり、混雑した部屋でエアコンをオンにしたり、使用されていないスペースの温度を低く保ったりできるようになります。

小売環境では、エッジ デバイスのコンピューター ビジョンは盗難防止に役立つだけでなく、顧客行動の観察を可能にして購入パターンに関する洞察を提供し、苦情や離脱につながる不満などの消費者活動を予測することもできます。小売業者の倉庫では、機械学習によって在庫の内容と量を推測できるため、トレーニングを受けたAIシステムによってサプライ チェーンの非効率性に対処できます。工場の現場では、コンピュータ ビジョン テクノロジーが、 インダストリー4.0 において、リアルタイムの情報と洞察を引き出し、製品の欠陥を減らし、安全性を向上させる上で重要な役割を果たしています。

ただし、すべてのエッジ デバイスが制御された環境にあるわけではありません。農作物の収穫量分析を改善したり、家畜を監視したりするために、文字通り畑で農業用に使用されているものもあります。その他は、公共交通機関のルートを改善し、自律走行車をサポートするためのスマートモビリティをサポートする都市インフラの一部です。ここでエッジ デバイスのタスクが複雑になり、データの処理と保存が増加し、電力も増加する可能性があります。車両が完全に自律的でないとしても、道路上の他の運転者から情報を収集するためのカメラやセンサーを備えたエンドポイントが多数搭載されており、他の運転者の行動から学習して、自律走行車が周囲を完全に把握し、交通信号を見つけて安全に車線変更できるようにします。

リアルタイムで意思決定を行う必要がある場合、5Gネットワークの速度と信頼性が不可欠であり、入力に迅速に応答し、関連データを処理し、それに応じて動作する必要があるすべての電子部品に十分な電力を供給することも不可欠です。

新興メモリと既存メモリはともに優位を競っている

多くのエッジ コンピューティングのユース ケースでは、AIと5Gが密接に絡み合っています。これは、多くのアプリケーションに必要な応答性を実現するために、これらが連携して動作する必要があるためです。しかし、これらのデバイスはメモリとストレージを大量に消費するようになっています。128Kではほとんどのコンピューター ユーザーにとって不十分であることが判明したのと同様に、エッジにある単純なデバイスでも、すべてを中央のクラウドに送り返すのではなく、ローカルでより多くの処理を行っています。

エッジ デバイスやIoTデバイスにはメモリやストレージのオプションが多数あり、新しいメモリがそれらの要件をどのように満たすことができるかについて多くの議論が行われています。不揮発性抵抗ランダムアクセスメモリ (RAM) は、拡張が容易で、DRAMよりも優れたエネルギー効率を示すため、将来性が期待されています。マルチビットストレージにより、AIの重要なコンポーネントであるニューラルネットワーク推論の精度も向上します。磁気抵抗RAMは、高性能な精度は必要ないが、エネルギー効率とメモリの耐久性が重要なアプリケーションでは、より低い電圧で動作できるため、エッジでも潜在能力を発揮します。

しかし、実績のある従来のメモリが、AIタスクの場合でもエッジ デバイスに最も適していることを示す兆候は数多くあります。NORフラッシュは信頼性と長寿命で知られており、そのため自動車アプリケーションにとって重要なメモリとなっています。今日のインテリジェントな自動運転車は、高度な運転支援システムの機能や車載エンターテイメントをサポートするセンサーやカメラなどの一連の小さなエッジ デバイスで構成された1つの大きな移動エッジ デバイスとして簡単に考えることができます。これらの機能の一部には、「インスタント オン」機能も必要です。一定期間スリープ状態になり、必要なときだけオンになる他の多くのエッジ デバイスでも同様です。車両全体の電力消費も考慮する必要があります。

ストレージ デバイスに可動部品がないため、エネルギー消費が削減されます。そのため、NANDフラッシュは電力と容量の観点から魅力的です。eMMCであろうとUFSであろうと、フラッシュは自動車アプリケーション向けに認定されており、信頼性が確立されているため、他のエッジ アプリケーションにも当然の選択肢となります。ただし、これは最速のオプションではなく、一部のAIタスク、特に自動運転車の交通管理に関連するタスクには、リアルタイムの意思決定要件があります。

推論だけであれば、オンチップSRAMはエッジ デバイスには十分かもしれません。組み込みSRAMは、電力消費、放熱、バッテリー寿命がすべて考慮されるウェアラブルおよびIoTアプリケーション向けのシステムオンチップ設計で潜在能力を発揮しています。SRAMは、あらゆるデバイスの信頼アンカーとして、SRAMの物理的に複製不可能な機能の形で、IoTデバイスのエッジにおける重要なセキュリティ機能にも対応できます。

速度が重要な場合にはSRAMが魅力的ですが、DRAMの速度に勝るものはありません。エッジ アプリケーションが複雑になるにつれて、そのパフォーマンスと容量の需要が高まっていますが、コストもかかります。しかし、スマートフォンや自動車アプリケーションで一般的に使用されている低電力DDR DRAM (LPDDR) は、エッジでより普及する可能性があります。LPDDR5の最新バージョンには、アダプティブ リフレッシュ管理機能が搭載されており、より極端な温度など、よりストレスの多い動作環境でメモリ デバイスを調整するのに役立ちます。基本的に、これは信頼性レベルを定義して、ホストまたはソフトウェアがデバイスに何を期待できるかを知ることができるメカニズムです。

しかし、その名前が示すように、LPDDR5は消費電力を抑えながらパフォーマンスを向上させることを目的としており、スマートフォンがこのタイプのメモリの最初の市場になる傾向にあるものの、パフォーマンス、電力、柔軟性の向上の組み合わせにより、DRAMは、より高価なメモリ オプションの1つになる傾向があるとしても、エッジでより普及する可能性があります。

最終的には、必要な推論および計算タスクとデバイスの種類の組み合わせによって、どのメモリが最も適しているかが決まりますが、エッジでは常に電力制約とパフォーマンスのバランスが決定要因となります。