边缘人工智能的增长需要更好的知识产权保护

在过去，一个互联设备可能只是一个集成了通信系统的传感器，将测量的数据传输到一个控制系统。在这种简单的系统中，连接附近只有很少的知识产权 (IP)，因此 IP 被盗的风险很小。

然而，解决延迟和安全等问题以及实现实时反馈和控制意味着需要将更多的处理和神经网络加速器集成到边缘设备或传感器中，使它们变得更加复杂，也使微控制器或 MCU 拥有更多价值。换句话说，边缘设备中将包含更多的 IP，这意味着面临风险的 IP 的价值要高得多，而且该 IP 被盗可能对企业或其品牌造成更大的损害。

为了了解这一挑战的规模，市场分析机构国际数据公司 (IDC) 进行了调研，报告显示 2019 年全球边缘人工智能 (AI) 处理器的出货量将达到 3.401 亿台，它预计到 2023 年出货量将达到 15 亿。每个关键供应商都在努力开发解决方案，以满足物联网中的新计算模式，并解决边缘 AI 相关问题。这已经超越了过去可能在移动、电池供电的设备中实现高性能计算能力的通用处理器和图形处理器单元 (GPU) 的能力范围。

许多供应商现在带来了 AI 优化的处理器，包括分立加速器和将神经网络加速器集成到处理器的主机处理器。边缘 AI 处理器的主要应用领域包括汽车高级驾驶助理系统 (ADAS)、游戏系统、智能家居和视频监控。更广泛地说，它们将在工业自动化、医疗设备、AR/VR 芯片以及机器人和无人机等领域得到更多利用。

因此，我们看到，由于边缘 AI 的实施越来越多，边缘物联网设备内的小型 MCU 的 IP 价值也在增加。尤其是当每个供应商使用 AI 和高价值的算法来获取竞争优势时，情况更是如此。此外，就连云端的逻辑也在向边缘移动。

这样带来的后果是，在 MCU 上执行的软件的价值正变得显著提高。因此，如何保护 IP 的重要性上升到前所未有的高度。

IAR Systems 的软件开发工具Embedded Trust 为在开发阶段设计保护有价值的软件 IP 提供了一种有效的方法。必要的加密机制由工具链提供，不需要固件开发人员掌握加密专业知识，使其能够专注于实现软件和复杂的 AI 算法。

Embedded Trust中的一个加密混合方案结合了对称和非对称算法，并利用热门的加密技术保证了软件的完整性和保密性保护。利用现有的硬件安全机制，并依托底层的 SoC（片上系统）安全机制来保护这些密钥。