更快、更高、更好，M2M物聯網硬件發展的歷史必然

陳靖怡

2016年，在谷歌旗下的DeepSmind還沒通過AlphaGo一戰成名之前，Deepmind在AI（人工智能）方面最為人知的成就，是運用AI大大降低了谷歌一個數據中心服務器的溫控系統的電量消耗。40%的能耗節省，當時令人眼前一亮，讓業界看到了AI工業運用前景。但細心的觀眾會發現，谷歌在之后的幾年內并沒有快速、大規模地運用這項成果，僅在2018年有新聞指出這項技術在另一個數據中心有投入使用，之后便再次陷入沉寂。

難道是AI技術言過其實了嗎？并不然。AI的工業級應用當中，不管是機型機器學習的數據收集，還是最終將訓練好的AI投入生產，都需要M2M（machine to machine）級別的物聯網。不僅僅是人工智能，自動駕駛、智能物流等前沿技術的發展，都仰賴物聯網技術的普及化。有如此大剛需， M2M級別的物聯網卻一直未能快速進入到我們的生產和生活當中，其中自然有“卡脖子”的技術。

新型技術的普及和新興產業的發展，離不開產業物聯網的建設。從廣義的角度上講，物聯網（IoT）通過射頻識別（RFID）、紅外感應器、全球定位系統、激光掃描器等信息傳感設備，按約定的協議把設備與互聯網相連接，進行設備間的直接信息交換、通信和數據處理，實現智能識別、定位、追蹤、監控和管理等功能。換言之，在物聯網時代，信息與通信的世界里將產生新的溝通維度——不僅僅是任何時間、任何地點人與人、人與物的溝通鏈接，更是物與物之間的溝通鏈接——一個沒有人類直接參與的網絡世界。它的目標是使設備能夠實時自我報告、數據互換、數據聯動，從而提高信息處理效率，提升整體系統效率。這將比依靠人工整合、處理信息的系統更高效，并最終實現真正的系統自動化。

物聯網的應用未來將在各種各樣的“智能”設備中。從傳送有關生產過程數據的工業機器，到跟蹤有關人體信息的傳感器，物聯網可以被應用到許許多多的領域。例如在城市規劃中，城市官員可以通過設置在繁忙街道上的交通傳感器，檢測道路交通情況，并提前告知駕駛員關于交通延誤或交通事故的信息。而于企業而言，戰略性地使用智能設備也將意味著競爭優勢。例如，通過監測有關能源使用和庫存的數據，企業可以更有效合理地調節其生產成本，或優化生產計劃，甚至預測市場需求，做前瞻規劃。智能設備未來甚至還可以在AI輔助下，自行向消費者推銷產品。繼人與人、人與物互聯之后，物聯網可以把人們從前無法觸及的90%以上的物品全部連接起來，從而實現全人類生產力進一步的大飛躍。

這種可能性，早在20世紀80年代，當卡內基梅隆大學的一臺可口可樂自動售貨機被改造成為第一臺連接互聯網的設備時，便有了端倪。隨著5G網絡的全面建設與完善，更充足的帶寬和通信速度，將容許更多的設備連接網絡，進一步滿足物聯網所需的通信要求。在5G建設之前，更多的移動通信產業鏈只能面對消費市場服務。但隨著網絡中個人用戶終端（手機、PAD等）數量的增長逐漸趨緩，M2M應用必然成為大部分運營商網絡業務的增長發力點。以設備通訊控制為核心，M2M可以將原來效率較低或甚至不可能的信息傳輸應用于商業，實現業務流程、工業流程更加趨于自動化。

M2M應用領域非常廣泛。從比較通俗易懂的遠程抄表、樓道電燈操控，到生產監控和設備管理，智慧城市管理、安防等。區別于一般個人通信業務，在M2M終端構建的行業應用中，各領域應用對信息采集、傳遞、計算的質量要求差異較大，系統和終端部署的環境也各不相同，特別是千差萬別的工業環境。例如，企業希望構建集中化的信息系統，與自身資產建立長久的通信連接，以便于管理和監控。而這些資產往往分布各地，且數量較大。一部分資產配備的通信設備可能沒有外部供電的條件（即電池供電，而且可能是一次性的，既無法充電也無法更換電池），或單一的傳感器終端需要上報的數據量小、周期長，因此企業往往需要更合理的通信成本來管理這部分資產。

此外，物聯網不僅僅是簡單的數據在機器和機器之間的傳輸，更是機器與機器之間的一種智能化、交互式的通信——即使人們沒有實時發出信號，機器也會根據既定程序主動進行通信，并根據所得到的數據智能化地做出選擇，對相關設備發出正確的指令。而智能化、交互式也是M2M網絡有別于其它應用的典型特征。PWC指出，人工智能和物聯網的融合可以歸因于六個主要因素：計算、內存和存儲價格下降；OT/ IT融合；基于云的大數據分析；設備數量不斷增長；以及數據傳輸阻力減少。物聯網的建設將允許人工智能和機器學習技術越來越多地整合至生產環境中，大量的數據將自動化，如優化送貨路線規劃、或制定農作物收割時間計劃。

產業物聯網的建設成為必然，使得我們對設備數據處理能力提出更高的要求，一方面，需要處理的信息數據量越來越大，另一方面，隨著各方面標準的提高，數據處理難度也會越來越大，處理效率亟待提高，同時物聯網設備的部署環境適應要求也越來越高。

更快速、高容量、低耗電、低成本、環境耐受度高，2016年物聯網設備正是無法完全滿足這些需求，使得仰賴物聯網作為基礎設施的AI無法大量在生產環境中部署。如今，整個半導體行業從材料到產品設計都更為成熟，現今發展已久的閃存技術也已被證實可以完全應對物聯網帶來的挑戰。

在功耗方面，新興的物聯網設備裝置往往需要外接觸控面板做為圖像控制接口，或是需要較強的圖像處理、語音識別等邊緣運算功能，且滿足低成本、低功耗、運算效能等各種設計考慮。特別是對智能音箱、智能量表等的電池供電裝置來說，電池壽命已成為影響產品是否成功的關鍵，這也使得低功耗特性日益重要。若要達到長時效的電池壽命，除了考慮MCU功耗外，還需搭配其他低功耗的外圍零件，以華邦的HyperRAM為例，其待機功耗為90uW@1.8V，而同容量S D R A M約為2000u W@3.3V。HyperRAM？在Hybrid Sleep Mode下，其功耗僅有45uW@1.8V，與SDRAM的一般待機功耗相比，有顯著的優勢。

在工業應用的愿景上，物聯網需要將數十億以上的設備連接到全球網絡，因此每個節點的平均成本必須要夠小。受益于串行式閃存的泛用性，關注成本的物聯網節點設計人員可利用其極高的數據傳輸率來實現不同于傳統模型的架構。高速串行式閃存能使物聯網節點擁有高速存取的能力，省去DRAM內存并使用低成本、僅內嵌足夠容量SRAM的主控芯片（SoC）。這種以閃存為基礎的架構在減少組件數量、大小和物料清單（BOM）成本的同時，仍可保持系統應用程序所需的效能。在兩種類型的串行式閃存——NOR閃存和NAND閃存中，NOR閃存在本質上使用的是較為可靠的結構，無須錯誤修正碼（ECC）即能可靠地運作。對于內存容量小于256 Mb 的應用，通常最符合成本效益的選項是串行式NOR閃存。而對于內存容量等于或大于256 Mb的應用，通常會選用較便宜的串行式NAND閃存。

最后，不論是在消費性電子還是在工業應用中，網絡連接的終端用戶都在不斷增加。因而對用戶隱私和安全性方面的產生考驗，很大程度上會成為限制物聯網發展的重要因素，建立信任根和數據保密性也成為應用設計者在開發新的連接設備時最大的考慮。鑒于物聯網對于安全解決方案需求迅速攀升，若要解決各種物聯網環境、價值鏈與生態系的安全性問題，必須在產品設計時間就開始著手設計安全。對于廣泛且穩定地采用硬件信任根的物聯網解決方案和基礎架構而言，建全的硬件信任是必需的。華邦的TrustME？ W75F及W77Q安全閃存，分別擁有共同準則EAL5+和EAL2認證的安全閃存，能夠為設計人員提供不同安全等級的安全閃存解決方案，滿足在物聯網、人工智能以及其他高安全需求的領域應用上，對隱私、認證、代碼和數據機密性的信任根等明確安全要求。

未來，隨著5G網絡建設的進一步完善，人工智能與M2M應用在全球物聯網中的發展應用也將會進一步普及，物聯網裝置設備對更高性能、更易于封裝、更低功耗以及更安全可靠的產品元件的要求將進一步提升。2020年，由于全球因新型冠狀病毒肺炎的大規模流行，人們生活的各個方面在都短時間內遭遇到了不同程度的影響。同時我們也必須看到，疫情過后，部分變化與趨勢將有可能會變成常態，如居家辦公和在家娛樂，以及機器學習和人工智能代替部分人工等等。社會發展正在催化全球物聯網全速發展，并引發新一輪的互聯網革命——物聯網革命。