从物联网到汽车的边缘设计
从家居或商业应用，到互联车辆，边缘计算贯穿整个物联网。随着数据量的增加，这种计算需要具有最优网络安全功能与最高功能安全级别的强大互联边缘计算平台。
创新通常成波出现（图1）。一些创新浪潮遵循着发展路径，例如，从早期的大型机到小型计算机，最后过渡到如今众所周知的紧凑型计算机，这种变化是循序渐进的。考虑到计算能力随时间推移变得更加强大、外形尺寸更加紧凑、软件开发更加简单，这种过程也非常合理。其他创新浪潮则更加剧烈。从手机到智能手机的过渡以及向物联网的快速转变就是这样的例子。
图1：创新浪潮：物联网和人工智能是边缘设备数量迅速增加的推动力。
虽然前几波创新浪潮专注于设备或设备格局，但最近的变化已影响到细分市场、公司和使用场景。网络设备的激增显著改变了我们的生活，整个行业正在努力地将所产生的势头转变成效率、决策和大量数据的盈利机会。
物联网和机器学习市场
下一波创新浪潮是受机器学习驱动的物联网。这与物联网的抽象潜力无关，而是在于消费类电子产品、智能家居、安全出行、智慧城市和工业4.0等特定细分市场中的成果。虽然智能手机的设计目的是供人们和端到端通信使用，但未来的变化将远远超出基础设施、移动系统、智慧城市和智能制造，在市场中带来意想不到的增长，从而实现智能互联设备（图2）。这一变化将重塑我们的生活及周边基础设施。
图2：物联网和机器学习的未来（按细分行业划分）。
IHS预计智能互联产品将激增，在2015年至2020年之间，互联设备的数量将翻倍（图3）。在恩智浦，我们认为，互联产品在未来五年内将取得更快的增长，而且产业合作将必不可少。恩智浦并不是在单打独斗——其他公司在硅谷举办的恩智浦主题演讲中也表达了类似的愿景。
图3：IHS对物联网和互联设备的增长持乐观态度，
预计在2015年至2020年间，数量将翻倍。
微软物联网及混合现实销售总监Rodney Clark在近期的恩智浦用户大会上强调了该生态系统的发展。他解释道，物联网生态系统在去年一年取得的进展相当于过去五年的进展。他还强调道，多个合作伙伴需要齐心协力，为用户（软件供应商、硬件供应商、半导体制造商和系统集成商）提供物联网解决方案。
物联网和机器学习的框架条件
边缘节点领域遵循明确的方法，无论是智能吸尘器、家用机器人还是最新工业机器人。所有系统具备相同的概念模块（图4）。借助于这些模块，节点能够识别、思考和行动，并且必须成为具有最优网络安全功能和最高安全级别的系统的一部分。在不同的细分市场中，这些功能的共同框架模糊了不同终端市场解决方案之间的界限。这也将使半导体行业产生一些变化，因为恩智浦等公司会探索不同任务的相似性，例如，采用能够满足广泛要求的跨界处理器。
图4：能够以最高安全标准识别、思考、通信和行动是所有边缘设备的基础。
传感器技术
新边缘节点可以利用传感器技术获得洞察力。雷达、摄像头、人脸和语音识别以及V2X用于传感器。传感器收集有关节点环境的信息，并回答诸如此类的问题：道路结冰了吗，前方道路或下一个拐角是否有障碍物？附近有墙壁吗？该区域有陡峭的坡度或其他不同寻常的情况吗？传感器收集这些重要信息，然后将其传输到传感器融合系统，以做出进一步决策和响应。在不断发展的物联网和机器学习领域，这是所有边缘应用共有的基础构建模块中的第一个模块。
思考和行动
新终端节点是智能的，需要巨大的计算能力来确保传感器融合并推断出恰当的响应。随着恩智浦等公司继续在性能和功耗方面取得迅速进展，越来越多的应用和相关决策可以在边缘实现。在云端处理数据期间发生的延迟问题非常容易避免。这对于隐私和网络安全也有好处，因为重要的保密信息仍在本地，只会将较不重要的语义数据传输到云端。
无缝连接
要利用大数据，设备需要相互连接，需要与云端连接，即使是大部分数据处理和决策工作也在终端节点完成。连接显然是物联网的支柱。实现极近距离以及长距离连接，可以使用多项技术。这些技术包括Wi-Fi、蓝牙、NFC、长距离RFID，以及无线或DSRC 802.11p，允许汽车间通信。
在恩智浦Connects大会上，恩智浦宣布推出另一项连接技术。UWB是一项极其强大且安全的无线电技术，可准确匹配对象之间的运行时间，保障网络安全。这为工业和商业应用以及未来的汽车开创了突破性功能。全新UWB场景可能包括：在家里，门会自动打开，当居住者从一间房走到另一间房时，音乐会伴随居住者在整个房屋内响起。有了UWB，生活变得更加简单、顺利。
安全和保护功能
终端节点和相应的应用基于两个基本要素：功能安全和网络安全功能。边缘本身将作为系统安全的第一道防线，提供安全解决方案以保护物联网系统边缘的能力将是加速该新方法的关键因素。
每天，用户依赖各种服务和云端数据保持互联。而日渐受到机器学习的强大实力推动的物联网需要这种连接。遗憾的是，连接也会扩大攻击面，即攻击手段的总和，代表黑客和攻击者利用漏洞的潜在途径。每种连接选项都是系统的潜在入口点。
车辆安全问题最为显而易见，但最终，所有设备都必须得到保护。这不仅阻止黑客控制汽车（尤其是当汽车在路上行驶时），还要保护汽车，避免被设法盗取财务的罪犯入侵（例如，通过安装勒索软件）。
此外，隐私数据的保护也成为一个越来越重要的问题。由于越来越多的敏感信息存储在设备上，因此需要保护与位置、驾驶习惯相关的信息及其他敏感信息。政府已采取措施来保护隐私，例如，欧盟的DSGVO（通用数据保护条例）、加利福尼亚州消费者隐私法案(CCPA)或SPY Car法案（汽车安全与隐私法案）。
整个产品范围中的开发人员必须设计和开发在系统级别操作的跨项目解决方案，包括设备与其环境及其他设备的互动。适当的“通过设计确保安全”方法可以主动确保安全性不是事后补救，应该从一开始就集成到每个组件中。OEM制造商定义的系统安全概念将来自多个供应商的元素整合在一起。因此，在复杂的供应链中高效地协调该系统安全概念是取得成功的重要因素。
适用于所有系统的另一个原则是各级别的深度防御或安全机制，因为一般来说，最薄弱的环节决定了安全性有多强大。这意味着，如果一级安全防线被突破，下一级必须继续保护系统。
安全性
在过去30年里，汽车制造商、半导体公司和主要供应商已发布功能安全的概念。这是确保新车辆电子产品推出的第一步，也广泛应用于物联网。功能安全基于汽车或设备中的每个电子元件都具有特定功能的理念。如果元件发生故障，系统必须能够检测到此错误并向车辆报告。
例如，在汽车中，如果驾驶舱出现红色和橙色警告标志，则功能安全系统会报告引擎或控制单元的问题。在自动驾驶领域，功能安全是安全概念的一部分，但正朝着更复杂的安全问题快速演进。该领域不再仅局限于简单的功能正常或不正常的概念。自动驾驶带来新的安全问题，这些问题围绕行为安全性和环境安全性等概念。这些一定也可以用于物联网中的应用。
在行为安全性情景中，关注点是汽车或设备的表现是否正常。例如，它是在路边还是在道路上行驶、是否按照适合车流的速度行驶、是否遵循所在地区的法律法规？通过对行为安全性进行先进且更复杂的评估，能够回答诸如“在正确的情况下，车辆是否具备适当的积极性；在其他情况下，是否具备适当的防御性？”这样的问题。
除了行为安全性，还有环境安全性的概念。环境安全性旨在解决汽车无法针对动态环境变化做出适当反应的问题。如果在车辆前方的道路上有快递车辆掉落的快递盒，会发生什么？自动驾驶汽车如何应对？如何定义适当的方式来应对意外挑战？环境安全性的另一部分有关在雨、雾、结冰或交通密集的情况下该怎么办。必须确保用于控制自动驾驶车辆的电子系统和软件能够使车辆正确地做出响应。
嵌入式软件和机器学习
嵌入式软件和机器学习具备目前难以想象的新优势，但已经开始崭露头角。以驾驶为例：95%的事故是由人为错误造成的。机器学习最终能够排除人为因素，提高人们的安全驾驶能力。在健康保健的重病检测领域，现在也取得了类似好处。
得益于机器学习，物联网迎来了重要的创新浪潮。它将改进各个关键行业，包括消费类电子产品、汽车、智慧城市等，并需要一系列全新的智能边缘节点。这些边缘节点遵循类似的开发方法，使其能够利用最新的安全和保护机制进行识别、思考和行动。
