La recente edizione di Embedded World 2025 ha dimostrato che il settore è in una fase di grande cambiamento e avanzamento in settori chiave come l'automotive, la robotica e l'intelligenza artificiale. Pensieri su un mondo in costante cambiamento
I sistemi elettronici, com’è stato possibile percepire con una visita alla recente edizione di Embedded World 2025 a Norimberga, stanno diventando sempre più complessi sia dal punto di vista hardware che software. La recente acquisizione di Altium, l’azienda californiana specializzata in software di sistema, da parte di Renesas, il colosso giapponese dello sviluppo hardware, è la dimostrazione della volontà di semplificare la complessità. Con prodotti come Renesas-Altium 365 e l'adozione di Altium TSK52 RTOS, si soddisfa questa esigenza. Il primo serve allo sviluppo dell'hardware di sistema supportato da un firmware capace di soddisfare ogni esigenza con hardware e software ottimizzato, il secondo è finalizzato a rendere il sistema finale in grado di rispondere ai requisiti di real-time in maniera efficace.
RTOS (Real-Time Operative System)
L’RTOS (Real-Time Operative System) è stato introdotto con l'apparizione dei primi sistemi embedded, principalmente nella comunicazione voce-dati – come il modem, lo STB, ecc. – quando i computer venivano utilizzati per digitalizzare tali processi e il sistema operativo era necessario, ma quello classico non era adatto alle esigenze dei sistemi embedded.
In seguito, con le applicazioni nell’industria della difesa e in quella automotive, dove il computer aveva un ruolo essenziale nell'automazione dei processi, l’RTOS divenne sempre più sofisticato nel ridurre i tempi di latenza, nella risposta agli interrupt e nei thread, e nel disporre di un memory footprint sempre più ridotto. Società come Wind River si sono specializzate nello sviluppo di questo prodotto e sono divenuti leader mondiali nel settore.
Ora il RTOS è fondamentale per l'AI, poiché le reti e il software sono diventate più complesse e le GPU operano in parallelo per risultare più veloci. Il sistema operativo è il programma più importante che viene eseguito da un computer e si occupa delle risorse come la memoria, i file, le periferiche e anche la sicurezza, che soprattutto nelle reti è sempre più a rischio.
Come già detto, il sistema operativo tradizionale non è adatto per applicazioni industriali e soprattutto per le applicazioni di IA come la robotica di ultima generazione, per cui i RTOS devono essere presenti in tutte le applicazioni AI, particolarmente nella guida autonoma.
Accordo AI e produzioni di automobili
Il recente accordo tra il principale produttore di chip NVIDIA per l'AI e General Motors (GM) è la dimostrazione che la guida autonoma è il principale argomento che anima il mondo embedded, soprattutto quello dell'automotive. Infatti, l'accordo di collaborazione tra NVIDIA e GM prevede anche l'assemblaggio robotizzato degli autoveicoli, oltre alla guida autonoma senza conducente, nota come RoboTaxi. L'accordo prevede che GM utilizzi i chip di NVIDIA e i suoi servizi per l'AI, che saranno disponibili per integrarli in tutti i suoi veicoli, compresi quelli pesanti da lavoro come i trattori per il trasporto merci.
Una rete ANN ottimale: l’esempio Fraunhofer a Embedded World
Dato che la Rete Neurale Artificiale (ANN) ha un ruolo fondamentale nello sviluppo dell'AI, Fraunhofer, il noto istituto tedesco per la ricerca e lo sviluppo di applicazioni d'avanguardia, ha sviluppato e presentato a Norimberga, in occasione di Embedded World 2025, un'applicazione che cerca la ANN ottimale, che potrebbe essere anche una rete ANN già nota, nel qual caso viene suggerita tale ANN.
Fraunhofer ha anche realizzato un ASIC (Application Specific Integrated Circuit) che implementa la tecnologia analogica e che serve come acceleratore di apprendimento ed esecuzione di AI. Infatti, il consumo di potenza elettrica e la latenza sono i due elementi che limitano l'applicazione dell'AI alla guida autonoma in automotive, nella robotica umanoide e nelle applicazioni IoT. Per questo motivo, Fraunhofer punta alle reti neurali artificiali neuromorfe (ved. BOX 2), l'unica tecnologia che, rispetto al digitale delle GPU, assicura minimo consumo di potenza elettrica e bassa latenza.
Reti Neurali Artificiali Neuromorfe
Le reti neurali artificiali neuromorfe imitano il meccanismo funzionale del cervello umano. Sono di natura analogica, con tutti i vantaggi che ne derivano: velocità esecutiva, bassissimo requisito di memoria, basso consumo energetico, ecc. È sostanzialmente una modalità analogica di realizzare ANN, considerando che le ANN attuali sono essenzialmente digitali e una scarsa copia dei meccanismi di apprendimento e funzionamento del cervello umano. La memoria non consiste di numeri, ma di collegamenti e sinapsi. Quindi si tratta di una memoria analogica.
Recentemente, presso l'Università di Singapore, è stata realizzata la NSRAM (Neuo-Synaptic RAM) con due transistor che commutano tra la modalità neurone e la modalità sinapsi. Grazie a questo meccanismo di memoria, è possibile ridurre il footprint di memoria e i requisiti energetici delle ANN.
La SNN (Spiking Neural Network) è un paradigma di rete che appartiene a questa classe di reti neuromorfe, in cui gli input sono codificati come spike e gli output altrettanto. È un paradigma di rete più recente che rappresenta meglio il funzionamento del cervello umano.
Intel guarda con interesse all'AI
Intel, il grande produttore delle CPU, con la sua architettura X86, eterno rivale di Motorola, ha deciso di non produrre più CPU, ma GPU, come NVIDIA e AMD, ritenendo che l'AI sia più profittevole del computing tradizionale. Per questo motivo, non farà più produrre a TSMC i suoi chip e toglierà a TSMC i suoi servizi di fonderia del silicio, che invece destinerà a NVIDIA.
Ma cosa rende una GPU più veloce ed efficiente di una CPU, a parità di clock? Le CPU adottano il modello computazionale Von Neumann strettamente sequenziale e con la memoria condivisa tra istruzioni e dati. Le GPU adottano invece un'architettura ad elevato parallelismo, tipo la Harvard, con memoria separata tra istruzioni e dati. In più, dispongono di molti registri di uso generale e di un elevato parallelismo interno (pipelining), oltre ad altre soluzioni per accelerare il calcolo come il pre-fetch delle istruzioni e la memoria cache. Questo implica avere un chip più grande e che consuma più energia, ma ciò a beneficio della velocità che per l'AI è fondamentale. Tant'è che Microsoft e altri stanno pensando a un altro paradigma computazionale, il computing quantistico.
Un'altra ragione è che i robot di nuova generazione monteranno una GPU e non una CPU, per i calcoli in tempo reale necessari al riconoscimento degli oggetti e dell'ambiente che li circonda.
Artificial Intelligence Fisica
L'Artificial Intelligence (AI) generativa, di cui ChatGPT è l'emblematico rappresentante, è ormai obsoleta ed è ora sostituita dalla AI fisica, cioè dalla robotica umanoide, quella con una testa, due braccia e due gambe. Le case automobilistiche usano già i robot per assemblare gli autoveicoli, e Elon Musk prevede di costruire in serie i robot in una fabbrica in cui si costruiscono automobili.
Se l'AI di prima generazione era vista con sospetto, soprattutto per i lavoratori umani, l'AI fisica, cioè la robotica umanoide, è un'opportunità come lo fu la lavatrice quando fu introdotta. Tutti gli umani avranno un robot a disposizione per le proprie esigenze personali: dalla guida autonoma alle faccende domestiche.
