Firmwaresta Edge AI:hin: embedded-kehityksen seuraava vaihe
Embedded-ohjelmistokehityksen seuraava vaihe on jo alkanut, ja me PehuTecillä haluamme olla siinä mukana.
Kannattaa katsoa, mistä tähän on tultu. Embedded-kehitys on käynyt läpi muutaman selkeän vaiheen, ja jokainen niistä on tuonut jotain uutta ilman että vanhasta on tarvinnut luopua.
Embedded-kehityksen kolme vaihetta
Aluksi firmware kirjoitettiin lähes kokonaan käsin C:llä ja C++:lla. Insinöörit työskentelivät lähellä rautaa ja seurasivat jokaista tavua ja kellojaksoa.
Sitten ala siirtyi mallipohjaiseen kehitykseen (MBD), simulointiin ja automaattiseen koodigenerointiin. Tiimit pystyivät mallintamaan järjestelmän toimintaa korkeammalla tasolla ja generoimaan tuotantokoodin näistä malleista. Näin isompien järjestelmien tekeminen tuli mahdolliseksi. Samalla muuttui se, miten verifiointi, uudelleenkäyttö ja suunnittelu hoidettiin.
Nyt alkaa seuraava vaihe:
Embedded-ohjelmistot → Edge AI -järjestelmät
Perinteinen embedded-ohjelmisto ei ole katoamassa. Se on edelleen perusta. Mutta rinnalle rakentuu uusia kerroksia, ja nopeasti.
Mitä firmwaren rinnalle tulee
Osa näistä ominaisuuksista ei kuulunut embedded-kehittäjän sanastoon vielä muutama vuosi sitten:
- Edge AI -mallit, jotka pyörivät itse laitteella
- Konenäkö sisäänrakennettuna sensoreihin ja ohjaimiin
- Sensorifuusio, joka yhdistää useita datavirtoja reaaliajassa
- Adaptiivinen päätöksenteko, joka reagoi tilanteeseen kiinteiden sääntöjen sijaan
- Paikallinen inferenssi ilman pilviyhteyttä
- Tekoälypohjainen diagnostiikka ja optimointi tuotteen elinkaaren ajan
Yhteinen tekijä on se, että älykkyys siirtyy lähemmäs laitetta. Laitteet tekevät päätökset itse sen sijaan, että lähettäisivät dataa pilveen ja jäisivät odottamaan vastausta. Se on nopeampaa, pitää datan paikallaan ja toimii silloinkin, kun verkkoyhteys ei toimi.
Embedded-kehittäjän rooli muuttuu
Firmware-osaaminen on edelleen välttämätön, mutta tiimit tarvitsevat nyt enemmän. Hyödyllisiä osa-alueita ovat:
- ML-mallien optimointi MCU- ja SoC-alustoille
- TinyML ja Edge Impulse
- Kvantisointi
- NPU-, GPU- ja FPGA-kiihdytys
- Datasettien hallinta ja sensoridatan analyysi
- AI-ajoympäristöt
- Tekoälyä hyödyntävien järjestelmien turvallisuus ja verifiointi
Lista on pitkä. Kenenkään ei tarvitse hallita kaikkea. Realistinen tavoite on, että tiimi kokonaisuutena pystyy työskentelemään näiden alueiden kanssa ja yhdistämään perinteisen embedded-osaamisen niihin uusiin taitoihin, joita Edge AI vaatii.
MBD reittinä uuteen
Tämän siirtymän tekee kiinnostavaksi se, että mallipohjainen kehitys antaa meille reitin sisään. Menetelmät ovat jo olemassa. Ensin opimme mallintamaan järjestelmälogiikkaa. Seuraavaksi mallinnamme ja integroimme tekoälyn toimintaa osana itse järjestelmää.
Sama kurinalaisuus, joka teki MBD:stä hyödyllisen (selkeät spesifikaatiot, simulointi, automatisoitu verifiointi), tulee entistäkin tärkeämmäksi, kun AI-komponentit ovat osa suunnittelua. Tiimit, jotka työskentelevät jo tällä tavalla, ovat etumatkalla.
Missä vaikutus näkyy ensin
Seuraavien 5–10 vuoden aikana kilpailukyky embedded-kehityksessä riippuu todennäköisesti siitä, miten hyvin yritykset osaavat yhdistää kolme asiaa:
- Reaaliaikaisen embedded-ohjelmiston
- Laitteistosuunnittelun
- Edge AI:n
Muutos näkyy selvimmin näillä aloilla:
- Teolliset järjestelmät: ennakoiva kunnossapito, älykäs automaatio, laadunvalvonta
- Puolustusteknologia: autonomiset järjestelmät, tilannekuva, turvallinen laitteella tapahtuva käsittely
- Robotiikka: havainnointi, navigointi, adaptiivinen ohjaus
- Autoteollisuus: ADAS, ajoneuvon sisäinen älykkyys, reaaliaikainen päätöksenteko
- Lääkintälaitteet: laitteella tapahtuva diagnostiikka, potilasvalvonta, turvallisuuskriittinen tekoäly
- Älykkäät sensorit: paikallinen analytiikka, joka tekee raakadatasta heti käyttökelpoista
Nämä ovat aloja, joilla matalan viiveen embedded-ohjelmiston, kyvykkään laitteiston ja Edge AI:n yhdistelmä tuottaa jotain, mihin mikään niistä ei yksin pystyisi.
Mahdollisuus on nyt
Yritykset, jotka oppivat rakentamaan tämän yhdistelmän aikaisin, voivat saada merkittävän kilpailuedun. Edge AI itsessään ei ole enää uutta. Vaikeus on sen integroinnissa, ja se vaatii edelleen monitieteistä työtä, jota ei panna kasaan yhdessä neljänneksessä.
PehuTecillä tämä on juuri se siirtymä, jossa haluamme auttaa asiakkaitamme. Embedded-kehityksen vanha kurinalaisuus on edelleen tärkeää. Uudet työkalut antavat vain enemmän, millä työskennellä.
Seuraava vuosikymmen palkitsee ne tiimit, jotka osaavat tehdä molempia.
