物联网(IoT)引发了互联设备的激增。这些设备装有传感器，以收集日常活动或监视目的的数据，并嵌入了微控制器和微处理器芯片。这些芯片是根据完成分配任务所需的数据传感器安装的。因此，我们没有一个适合所有架构的处理器。例如，某些设备将对数据集(例如温度，湿度，压力或重力)执行有限的处理;但是，更复杂的系统将需要处理(多个)高分辨率声音或视频流。
高性能交付是重中之重，而低功耗也是必须的。为了降低功耗，工程师采用了自适应电压缩放，电源门控和多种低功耗工作模式等技术。此外，如今，工程师们正在尝试设计处理器芯片，以帮助在人工智能与物联网之间建立桥梁。让我们看看今天市场上十大最有前途的处理器。
1. 英特尔MovidiusMyriadX
MyriadX由爱尔兰初创公司Movidius开发，并于2016年被Intel收购。MyriadX是该公司的第三代视觉处理单元，并且是第一个具有专用神经网络计算引擎的功能，提供每秒1兆次运算(TOPS)的专用深度神经网络(DNN)计算。神经计算引擎直接与高吞吐量智能存储结构接口，从而避免在传输数据时出现任何存储瓶颈。它支持FP16和INT8计算。MyriadX还具有16个专有SHAVE内核以及升级和扩展的视觉加速器的集群。
MyriadX可用于Intel的NeuralComputeStick2，实际上是USB拇指驱动器形式的评估平台。它可以插入任何工作站，以允许AI和计算机视觉应用程序快速启动并在专用Movidius硬件上运行。
2. 英伟达JetsonXavierNX
NVIDIA去年秋天透露，jetsonxaviernx系统芯片是“世界上最小的超级计算机”，可在10瓦功率范围内为各种物联网形式提供“服务器级性能”。该芯片是NvidiaJetson计算板产品系列中最小的尺寸，尺寸约为信用卡大小，并带有384个CUDA内核和48个张量内核，每秒可进行多达21兆兆位运算。
得益于Nvidia的工程设计，JetsonXavierNX以相同的功耗在更小的尺寸下提供了比JetsonTX2最高15倍的性能。JetsonXavierNX还配备了Nvidia的深度学习加速器，多达六核的CarmelArmCPU，多达六个CSI摄像机，用于MIPICSI-2摄像机串行接口的12个通道，8GB的128位LPDDR4x内存，千兆位以太网和基于Ubuntu的Linux。
3. 德州仪器(TI)TDA4VM
TDA4VM是用于汽车高级驾驶员辅助系统(ADAS)的Jacinto7系列的一部分，是TI的第一款片上系统(SoC)，其片上具有专用的深度学习加速器。该模块基于C7xDSP以及内部开发的矩阵乘法加速器(MMA)，可实现8TOPS。
SoC可以处理高达8MP的前置摄像头的视频流，也可以处理四到六个3-MP摄像头以及雷达，LiDAR和超声传感器的组合。例如，MMA可用于在自动代客泊车系统中对这些输入执行传感器融合。TDA4VM专为5W至20W之间的ADAS系统而设计。
该设备仍处于预生产阶段，但开发工具包现已面世。
4. Renesas电子公司RZ/A2M
RZ/A2M结合了专有的加速器和528MHzArmCortex-A9和4MBSRAM来处理图像数据，以进行机器视觉作业。
Renesas设计了一种由多个内核组成的动态可重配置处理器(DRP)，可以利用成像算法中的并行性。它希望DRP(与GPU类似)可以处理各种各样的工作，最初围绕推理任务。未来的产品将瞄准边缘的神经网络培训。
与所有并行处理器一样，编程可能是个大问题。Renesas表示，其DRP可以使用其提供的编译器和工具在C语言中进行编程。
5. RenesasRX23W
它是一个带有蓝牙5.0的32位MCU，适用于IoT端点设备，例如家用电器和医疗保健设备。该MCU还包括瑞萨电子(Renesas)的RXMCU系列中的TrustedSecureIP，以解决蓝牙安全风险，例如窃听，篡改和病毒。
RX23W基于Renesas的RXv2内核，该内核具有4.33Coremark/MHz的高性能，并具有改进的浮点单元(FPU)和DSP功能。该芯片的最大时钟频率为54MHz。RX23W针对系统控制和无线通信进行了优化，可提供全面的蓝牙5.0低能耗支持，包括远程和网状网络功能，并声称该行业的最低接收模式峰值功耗为3mA。RX23W现在采用7×7毫米56引脚QFN和5.5×5.5毫米85引脚BGA封装，并带有512KB片上闪存。
6. KneronKL520
美国台湾公司Kneron的首款产品是KL520神经网络处理器，它专门用于智能家居，安全系统和移动设备等应用中的图像处理和面部识别。它经过优化，可以运行卷积神经网络(CNN)，这是当今图像处理中常用的类型。
去年秋天，该公司的KL520AI片上系统将双ArmCortexM4CPU与该公司的神经处理单元相结合，可在智能锁，安全摄像机和智能家用电器等低功耗设备中提供高性能的推断。得益于Kneron的可重构人工神经网络技术，该芯片可以适应于实时处理和分析音频，2D图像和3D图像，同时还支持TensorFlow和PyTorch等AI框架以及ResNet和MobileNet等神经网络。该芯片可用于华硕拥有的研扬科技制造的EdgeAI模块。
KL520可以运行0.3TOPS并消耗0.5W(相当于0.6TOPS/W)，考虑到该芯片的MAC效率很高(超过90%)，该公司表示这足以实现精确的面部识别。
7. CEVA-X1
CEVA-X1™是多功能DSP和控制处理器的组合，适用于多模式IoT集线器设备，可同时处理蜂窝、LPWA、短距离通、定位，始终开启的传感器融合和语音处理。
CEVA-X1是M2M协议栈和基带PHY控制的理想选择，包括LTECat-NB1、Cat-M1，Sigfox、LoRa、Wi-Fi802.11n、802.11ah、蓝牙、低功耗蓝牙和Zigbee/Thread。它还支持定位和运动感应功能，包括GNSS(GPS、北斗、GLONASS、伽利略)，多个室内定位和活动传感器的融合，语音激活和声音处理。
CEVA-X1已明确设计为单核IoT集线器解决方案，具有专用指令，可针对基带通道编码/解码功能以及多个始终在线传感器的融合来优化整体系统功率，性能和芯片面积。通过这些优化，可以轻松实现5到10年的单电池运行，而成本却很少。
8. ArmCortex-M55
新的ArmCortex-M55技术可提供下一代ST微控制器所需的增强的ML性能和效率。这家英国芯片制造商称Cortex-M55是迄今为止最支持AI的Cortex-M处理器，与前几代Cortex-M相比，其机器学习性能提高了15倍，数字信号处理性能提高了5倍。该公司还展示了Ethos-u55，这是该公司的第一款微神经处理单元，可与Cortexx-M55配对使用，提供比以前的Cortex-M芯片高480倍的机器学习性能。Ethos-U55具有高度可配置性，并使用高级压缩技术来降低能耗并减小机器学习模型的大小。
9. 联发科MT3620
微软与联发科合作，使该处理器成为AzureSphere的参考芯片，AzureSphere是四月份宣布的全功能节点到云IoT产品。这是包括阿里巴巴和亚马逊在内的云提供商涌现的集成解决方案浪潮的一部分。
微软通过定义所谓的Pluton安全模块来区分其方法，该模块在MT3260中的ArmCortex-M4F内核上实现，用于处理安全操作。该部件还包括一个带有4MBSRAM的500MHzCortex-A7应用处理器，一个Wi-Fi子系统以及对16MB外部闪存的支持。
10. AMDRyzen™嵌入式V1000系列
AMDRyzen™嵌入式V1000处理器通过集成的图形功能在性能和功能之间实现了理想的平衡，从而使IoT网关在强大的安全平台中具有学习和决策能力。
AMDRyzen嵌入式V1000SoC可提供离散GPU口径的图形和多媒体处理功能，并通过低至12W和高至54W的散热设计功率(TDP)达到高达3.61TFLOPS的性能，使系统设计人员能够将处理效率提高到一个新的水平。设计的多功能性。还提供一个工业温度处理器选件，它可以在低至-40°C的温度下运行。它在单个SoC中提供了高性能CPU，GPU和广泛的I/O的集成，功率范围从12W扩展到54W，并在较小的外形中实现高性能-更小的板、更低的功耗和更低的总拥有成本(TCO)。
