瑞士不只有名表，还正引领物联网创新

 当我们看到智能手表(如Apple Watch)、协作型电子白板(如Google Jamboard)或甚至是咖啡机等时下流行的连网设备，往往都会觉得这一定是“硅谷”这个高科技天堂中最优秀、最聪明的人发明的。确实，许多有着知名品牌背书的产品都来自硅谷。

不过，再仔细想想。近来，这些产品的大多数底层软件与硬件经常都是来自其他地区的创新成果。

瑞士，就是一个最佳写照；特别是瑞士洛桑联邦理工学院(École polytechnique fédérale de Lausanne；EPFL)。EPFL嵌入式系统实验室(Embedded Systems Laboratory)主任兼该校教授David Atienza最近接受了《EE Times》采访，他告诉我们，从EPFL毕业的许多学生——目前任职于此处的新创公司，如今都是为连网设备开发软件(或软件与硬件)的幕后重要推手。虽然Atienza不愿透露他们的名字——无论是个人还是新创公司，但他解释说，EPFL正迅速发展成为瑞士的创新中枢。

EPFL嵌入式系统实验室主任David Atienza

例如，当我们在他的办公室采访期间，Atienza收到了一个小包裹。拆开礼盒一看，里面躺着一只卡地亚(Cartier)手表。但他随手就将它送到实验室去进行拆解，看来在这实验室中的学生经常拆解一些奢华的手表，就像生物学家解剖青蛙一样。

因此，当万宝龙(Montblanc)、豪雅(Tag Heuer)或Cartier等奢华品牌打算为其传统的钟表设计结合先进的穿戴式技术时，EPFL通常是他们的优先选择。

洛桑并不是硅谷。但是，EPFL及其创新园区(Innovation Park；由200多家公司组成)已经聚集了多家企业合作伙伴——包括新创公司和大型企业，如思科(Cisco)、英特尔(Intel)、罗技(Logitech)和雀巢(Nestlé)等。他们都已经在洛桑部署了设计团队，就近利用EPFL的优势。

系统级研究

Atienza大力推动系统级研究，并亲身投入软件与硬件的研究。Atienza曾经在西班牙马德里康普顿斯大学(Complutense University of Madrid；UCM)取得计算机科学硕士学位，随后又经由欧盟(EU)的Sklodowska-Curie杰出青年资助计划，自IMEC与UCM取得计算机工程的双联博士学位。他深信硬件和软件的协同设计，才是智能连网设备的未来潮流。

他在十年前加入ERFL，期望最终培养出精通软件与硬件的学生，因此，在教授学生时并不只是着重于单独的计算机科学或SoC设计。

这种所谓的“全能”(full-stack)教学途径在10或12年前是相当新鲜的，由于大多数的学术机构都脱离不了传统课程，因而对于Atienza的想法十分不以为然。然而，EPFL打算放手一搏。

在Atienza眼中的电子世界，现实的情况就是这样的。过去几十年来，芯片设计人员和软件开发人员已经习于埋首于自己的事情——他们彼此独立——前面的人只专心做硬件，后面接手的人就专做软件开发。Atienza认为这使得两个社群之间的差距越来越大，而且越来越脱钩。

Atienza指出，即使时至今日，有些在传统硬件公司和EDA领域工作的人仍然把“全能开发视为一种荒谬的想法”。

为什么力推“全能”？

随着社群之间不断分化，芯片设计人员开发的SoC将会缺乏软件意识。同时，软件设计也无法充份利用系统中的硬件功能。Atienza解释说，由于你完全不知道其他社群正在开发什么，最终也只能开发出次优的系统设计。

然而，产业开始走向垂直整合。Atienza说：“苹果公司(Apple)就是一个最佳的例子。Apple由于为其iPhone设计自家的应用处理器，从而定位自家公司必须为其软件与硬件实现优化。”

“像Apple这样的大公司，就能够经由采用自家硬件与流程，最终迈向全能开发。”但是，Atienza指出，其他公司却经常忽略了这一点，因为他们既没有自己的设计流程，也缺乏以“更通用方式”促进硬件和软件“协同设计”的EDA工具。

就在上个月，Atienza在意大利Fiuggi的第14届国际先进计算机架构与高性能嵌入式系统编译暑期学校(ACACES)教授课程。Atienza说：“在今年的ACACES上，我的教室里挤满了人——超过200名博士生和专业人士，他们都在努力地学习如何为物联网(IoT)系统打造完整的软硬件(HW-SW)协同设计堆栈。”

他指出自己也曾经是一名学生，参加了同一所暑期学校的第一届课程，重点在于教授经典的计算机架构。如今，该校的课程融合了硬件和软件设计的不同元素。虽然他们教授硬件课程，包括内存、GPU和神经网络加速器等，但也提供系统设计课程。他解释说，这将有助于学生更深入地学习边缘运算系统、平行软件开发、安全性以及实时设计等。

IoT设备的演变

IoT设备的发展仍然在持续进展中。但业界肯定掌握到的一件事是边缘运算的重要性。Atienza说：“你必须提高硬件运算和数据储存能力，才能让IoT设备尽可能地在本地和边缘处理最多的数据。”

就像Apple Watch从Series 1到Series 2 (GPS)和Series 3 (GPS + Cellular)的演变过程，就是一个很好的例子。

Atienza并以通讯成本为例解释，透过蓝牙将数据发送到手机后再发送到云端，这一笔通讯成本可不小。因此，“你在边缘能做的事情越多，你的IoT设备就越有效率。此外，必须发送到远程的数据越少，就越能保有安全与稳私性。”

除了连接性之外，供应商近来对于在IoT设备中添加AI功能变得越来越有兴趣。“但在启动开发项目之前，IoT公司首先必须考虑为什么要将他们的设备连接到因特网，他们期望AI做什么，以及，最重要的是，这些AI如何使消费者受益。”

例如，在连网灯泡的发展早期，有些消费者对于使用智能手机就能打开和关闭灯光感到十分兴奋，但却忘了先想看看究竟是以智能手机进行互动还是直接手动切换墙上开关比较方便。

Atienza认为，AI正蔓延至IoT话题的部份原因在于AI可以“自动化”用户的决策过程。消费者更期待他们的设备被“训练”成自主为其做出正确的选择，而不必不停地被要求在智能手机屏幕上弹出的选单上做选择。

然而，在IoT设备上添加神经网络并非易事。

Atienza说，“一体适用”(one-size-fits-all)的通用AI并不存在。对于某些IoT设备，Atienza的团队尝试了卷积神经网络(CNN)和随机森林(Random Forest)——两种不同的AI模型，以便于比较其结果。基于判定树的模型，如Random Forest，被认为是“更简单的AI”。Atienza说它的效果更好或比CNN更强大，具体取决于某个IoT设备所需的可用数据集、速度和大小。但是，当没有专家可用于手动制作功能时，CNN可能会更胜于Random Forest。

对于在IoT设备中优化软硬件(尤其是神经网络加速器)的IoT系统设计人员而言，添加AI也为其带来了更大的压力。

即使在选择了AI模型之后，挑战这才开始，接下来才是真正困难的部份。

AI并未提供有关如何检测特征与学会作出某个结论的线索。如果少了解读AI思想的基本能力，Atienza问道：“你如何验证他们[支持AI的IoT设备？”他解释说，他的团队最终部署了各种相对的神经网络，以了解AI正在检测哪些功能。

当然，我们已经从汽车界了解到，当自动驾驶车制造商必须为其AI驱动的车辆进行安全验证时，AI正是其中最棘手的问题。在此情况下，自动驾驶车很可能让人们的生命受到威胁。

然而，Atienza强调，“如果支持AI的IoT设备无法发挥作用，就会扼杀市场机会，以后人们也不会买账。”

Atienza表示，他在EPFL的团队参与了Nespresso连网咖啡机系列的开发。该系列的第一款产品已于两年前推出。下一代Nespresso连网咖啡机计划于今年秋季推出。

视频链接：https://www.youtube.com/watch?v=yAxVcAhoT7A&feature=youtu.be

企业培训

Atienza及其团队有效利用了EPFL与企业伙伴的合作成果，提供了为期三天的IoT课程。下一次的课程计划于9月初开设，范围将涵盖三大主题：针对云端IoT边缘运算的智能平台(硬件和软件设计、功率/能源要求)、IoT通讯(协议、网络、最新标准)，以及安全的IoT应用(工业4.0和穿戴式IoT设备等)，包括数据收集和数据分析等实际案例研究。

Atienza也在中国深圳和香港私下提供类似的课程，特别是提供给一些大型的中国企业。

Atienza认为，在企业内部提供培训至关重要。“公司通常未能真正定义其IoT设备应该做些什么，他们往往缺乏深厚的技术能力，也不了解系统背后的运算成本及其随着增加更多功能带来的更多成本。”他说经常看到一些公司求助于其开发团队，要求开发可支持“蓝牙、应用程序(App)、AI和区块链(blockchain)”的IoT设备。这些要求都是企业标准IoT清单的热门关键词。

但是，Atienza表示，最重要的项目却从未列入此清单中：“它对于消费者有什么好处？”

在接下来的几页中，我们将透过图片看看EPFL学生们正在进行中的一些计划，并且来个瑞士EPFL校园之旅。