Iebūvētu kodolu izstrāde Edge AI ierīcēm 2025. gadā: tirgus dinamika, tehnoloģiju inovācijas un stratēģiskās prognozes. Izpētiet galvenās tendences, izaugsmes dzinējus un konkurences pārskatus, kas veido nākamos 5 gadus.

• Izpildpārskats un tirgus pārskats
• Galvenās tehnoloģiju tendences iebūvētu kodolu izstrādē Edge AI
• Konkurences ainava un vadošie spēlētāji
• Tirgus izaugsmes prognozes (2025–2030): CAGR, ieņēmumu un apjoma analīze
• Reģionālā tirgus analīze: Ziemeļamerika, Eiropa, Āzijas un Klusā okeāna reģions un Pārējā pasaule
• Nākotnes prognoze: jaunas lietojumprogrammas un stratēģiskās ceļveži
• Izaicinājumi, riski un iespējas iebūvētu kodolu izstrādē Edge AI ierīcēm
• Avoti un atsauces

Izpildpārskats un tirgus pārskats

Iebūvētu kodolu izstrāde Edge AI ierīcēm ir ātri attīstīgs segments plašajā iebūvēto sistēmu un mākslīgā intelekta (AI) tirgū. Iebūvēts kodols ir galvenā programmatūras sastāvdaļa, kas pārvalda aparatūras resursus un nodrošina būtiskus pakalpojumus lietojumprogrammu izpildei resursu ierobežotās vidēs. Edge AI kontekstā šie kodoli ir īpaši optimizēti, lai atbalstītu reāllaika datu apstrādi, zemu latentumu un efektīvu enerģijas pārvaldību tieši uz ierīcēm, piemēram, sensoriem, kamerām, industriālajiem kontrolieriem un autonomajām transportlīdzekļiem.

Tirgus iebūvētu kodolu izstrādei Edge AI ierīcēm ir prognozēts, ka līdz 2025. gadam tas piedzīvos spēcīgu izaugsmi, ko virza Interneta lietu (IoT) izvietojumu izplatība, uzlabojumi AI modeļa efektivitātē un pieaugoša pieprasījuma pēc uz ierīcēm balstītas inteliģences. Saskaņā ar Gartner datiem globālais IoT ierīču elektronikas un komunikāciju tirgus tiek prognozēts, ka 2024. gadā pieaugs par 16%, un Edge AI ierīces pārstāvēs nozīmīgu daļu no šīs ekspansijas. Nepieciešamība pēc reāllaika analītikas un lēmumu pieņemšanas tuvumā mudina ierīču ražotājus un programmatūras piegādātājus ieguldīt ļoti optimizētās, drošās un mērogojamās iebūvētos kodolos.

Galvenie nozares dalībnieki, piemēram, Arm, NXP Semiconductors un STMicroelectronics, aktīvi attīsta un licencē iebūvētu kodolu risinājumus, kas pielāgoti AI darba slodzēm. Šie risinājumi bieži integrē atbalstu heterogēnām skaitļošanas arhitektūrām, tostarp CPU, GPU un specializētiem AI paātrinātājiem, lai maksimāli palielinātu veiktspēju uz vatu un samazinātu latentumu. Atvērtā koda iniciatīvas, piemēram, Zephyr Project un FreeRTOS, arī gūst popularitāti, ļaujot ātri prototipēt un pielāgoties dažādām Edge AI lietojumprogrammām.

• Industriālā automatizācija un paredzama apkope ir vadošie lietojumi, kas izmanto iebūvētos kodolus reāllaika sensoru apvienošanai un anomāliju noteikšanai.
• Viedās pilsētas un novērošanas sistēmas izvieto Edge AI ierīces ar progresīviem kodoliem, lai ļautu privātuma saglabājošai analītikai un samazinātu atkarību no mākoņa.
• Automašīnu un robotu nozares pieņem drošības sertificētus iebūvētos kodolus, lai atbilstu stingrajām funkcionālās drošības un uzticamības prasībām.

Skatoties uz priekšu uz 2025. gadu, iebūvēta kodolu izstrādes ainava Edge AI ierīcēm tiks veidota ar inovācijām AI modeļu kompresijā, aparatūras abstrakcijā un drošības struktūrās. AI un iebūvēto sistēmu konverģence ļaus atklāt jaunus biznesa modeļus un paaccelerē digitālo transformāciju daudzās nozarēs, kā to uzsvērusi IDC un McKinsey & Company.

Galvenās tehnoloģiju tendences iebūvētu kodolu izstrādē Edge AI

Iebūvētu kodolu izstrāde Edge AI ierīcēm piedzīvo strauju transformāciju, ko virza nepieciešamība pēc reāllaika inteliģences, enerģijas efektivitātes un robustas drošības tīkla malā. 2025. gadā vairākas galvenās tehnoloģiju tendences veido šo jomu, atspoguļojot gan uzlabojumus aparatūrā un programmatūrā, gan mainīgas lietojumprogrammu prasības.

• Heterogēnas skaitļošanas arhitektūras: Edge AI ierīces aizvien vairāk izmanto heterogēnas arhitektūras, apvienojot CPU, GPU, DSP un specializētus AI paātrinātājus vienā sistēmā uz mikroshēmas (SoC). Šī tendence nosaka kodolu līmeņa atbalstu efektīvai uzdevumu plānošanai, atmiņas pārvaldībai un starpprocesora komunikācijai. Vadošie mikroshēmu ražotāji, piemēram, NXP Semiconductors un Qualcomm, integrē AI specifiskās kodolus, kas prasa iebūvētos kodolus nodrošināt optimizētus draiverus un izpildes vidi.
• Reāllaika un deterministiskā veiktspēja: Edge AI lietojumprogrammas, piemēram, autonomās transportlīdzekļi, industriālā automatizācija un viedā veselības aprūpe, pieprasa deterministiskus reaģēšanas laikus. Iebūvēti kodoli attīstās, lai piedāvātu uzlabotas reāllaika iespējas, tostarp priekšlaicīgu multitaskingu, zemu latentuma traucējumu apstrādi un laika jutīgu tīklu. Linux Foundation PREEMPT_RT ielāpu un reāllaika varianti no Zephyr RTOS tiek plaši pieņemti, lai apmierinātu šīs prasības.
• Drošība un uzticama izpilde: Ar Edge ierīču izplatīšanos drošība ir visaugstākā prioritāte. Iebūvēti kodoli integrē tādas funkcijas kā droša palaišana, aparatūrā balstītas uzticamas izpildes vides (TEE) un atmiņas izolācija. Iniciatīvas, piemēram, Arm TrustZone un Trusted Computing Group standarti ietekmē kodolu dizainu, lai nodrošinātu datu integritāti un ierīču autentifikāciju tuvu.
• AI modeļu optimizācija un apmācība ierīcē: Spiediens uz AI inferenci ierīcē un pat pakāpenisko apmācību virza kodolu līmeņa atbalstu efektīvai modeļu ielādei, kvantizācijai un aparatūras paātrināšanai. Rāmji, piemēram, TensorFlow Lite un ONNX Runtime, tiek pielāgoti iebūvētiem vidi, ar kodoliem, kas nodrošina nepieciešamās saites zemākās aparatūras piekļuvei un enerģijas pārvaldībai.
• Atjaunināšana pa gaisu (OTA) un attālināta pārvaldība: Palielinoties Edge izvietojumiem, iespēja droši atjaunināt kodolus un attālināti pārvaldīt ierīces ir kritiski svarīga. Iebūvēti kodoli integrē robustus OTA mehānismus, izmantojot konteinerizāciju un virtualizāciju, lai samazinātu dīkstāvi un nodrošinātu sistēmas integritāti, kā to uzsvēruši Canonical un Raspberry Pi Foundation savās Edge risinājumos.

Šīs tendences uzsver iebūvētu kodolu inovāciju nozīmi, lai ļautu mērogojamām, drošām un augstas veiktspējas Edge AI izvietojumiem 2025. gadā un turpmāk.

Konkurences ainava un vadošie spēlētāji

Konkurences ainava iebūvētu kodolu izstrādē Edge AI ierīcēm raksturo dažādas stabilas pusvadītāju uzņēmumi, specializētie programmatūras piegādātāji un jaunie uzņemumi. Attīstoties Edge AI pieņemšanai automobiļu, industriālās automatizācijas un patēriņa elektronikas nozarēs, pieprasījums pēc optimizētiem, drošiem un reāllaika iebūvētiem kodoliem ir pieaudzis. Galvenie dalībnieki koncentrējas uz vieglu, augstas veiktspējas kodolu piegādi, kas var efektīvi pārvaldīt AI darba slodzēm ierīču resursu ierobežojumu ietvaros.

Starptautiskie spēlētāji, piemēram, Arm, paliek dominējošā spēka, izmantojot savas Cortex-M un Cortex-A procesoru arhitektūras un saistītos Arm Trusted Firmware un Mbed OS kodolus. Šie risinājumi ir plaši pieņemti, pateicoties to mērogojamībai, robustajām drošības iezīmēm un plašajam ekosistēmas atbalstam. NXP Semiconductors un STMicroelectronics arī spēlē nozīmīgas lomas, integrējot reāllaika operētājsistēmas (RTOS) kodolus, piemēram, FreeRTOS un Zephyr, savos mikroshēmu un mikroprocesoru piedāvājumos, kas pielāgoti Edge AI inferencēm un sensoru apvienošanas uzdevumiem.

Programmatūras jomā, Wind River un BlackBerry QNX ir izcili, ar saviem drošības sertificētajiem RTOS kodoliem, kuri arvien vairāk tiek pielāgoti AI iespējotām Edge lietojumprogrammām, īpaši automobiļu un industriālajās nozarēs. Atvērtā koda projekti, piemēram, Zephyr Project un FreeRTOS, ir guvuši popularitāti, pateicoties to modularitātei, maza izmēra un aktīvai kopienas atbalstam, padarot tos pievilcīgus sākuma uzņēmumiem un uzņēmumiem, kuri meklē pielāgojumus risinājumus.

• NVIDIA ir iegājusi iebūvētu kodolu jomā ar savu Jetson platformu, nodrošinot Linux balstītu kodolu, kas optimizēts AI paātrināšanai tuvumā, atbalstīts ar tā CUDA un TensorRT rīkkopām.
• Texas Instruments un Renesas Electronics arī iegulda kodolu izstrādē, koncentrējoties uz deterministiskām veiktspējām un funkcionālo drošību misijai svarīgām Edge AI izvietojumam.
• Sākuma uzņēmumi, piemēram, Foundries.io, inovē ar drošiem, nepārtraukti atjauninātiem Linux balstītiem kodoliem, kas pielāgoti IoT un Edge AI, uzsverot atjaunināšanu pa gaisu un ierīču dzīves cikla pārvaldību.

Konkurences vide vēl vairāk tiek veidota ar stratēģiskām partnerattiecībām, atvērtā koda sadarbību un iegādēm, kad uzņēmumi cenšas uzlabot savas kodolu iespējas Edge AI. Tirgus 2025. gadā tiek prognozēts, ka paliek dinamisks, ar diferencēšanu, ko nosaka drošība, reāllaika veiktspēja un atbalsts heterogēnai AI aparatūrai.

Tirgus izaugsmes prognozes (2025–2030): CAGR, ieņēmumu un apjoma analīze

Tirgus iebūvētu kodolu izstrādei, kas pielāgota Edge AI ierīcēm, ir paredzēts straujš paplašinājums no 2025. līdz 2030. gadam, ko virza inteliģento galapunktu izplatība automobiļu, veselības aprūpes, industriālās automatizācijas un patēriņa elektronikas nozarēs. Saskaņā ar Gartner prognozēm globālais Edge skaitļošanas tirgus, visticamāk, pārsniegs 317 miljardus USD līdz 2026. gadam, ar būtisku daļu, kas attiecas uz AI iespējotām Edge ierīcēm. Iebūvētu kodolu izstrāde, kas ir kritisks iespējojošais elements efektīvai AI procesēšanai uz ierīcēm, prognozēts, ka pieredzēs sākotnējās ikgadējās izaugsmes likmes (CAGR) aptuveni 18–22% laika posmā no 2025. līdz 2030. gadam, kā norādījusi IDC un MarketsandMarkets.

Ieņēmumi no iebūvētu kodolu izstrādes Edge AI ir prognozēts, ka sasniegs 4,8 miljardus USD līdz 2030. gadam, salīdzinot ar aptuveni 2,1 miljardu USD 2025. gadā. Šī izaugsme ir nostiprināta ar pieaugošo pieprasījumu pēc reāllaika inferenču, zemas latentuma apstrādes un enerģijai efektīviem AI darba slodzēm tuvumā. Pārdošanas apjomā, Edge AI ierīču skaits, kas integrē pielāgotus vai optimizētus iebūvētos kodolus, tiek prognozēts pieaugt no aptuveni 350 miljoniem vienību 2025. gadā līdz vairāk nekā 900 miljoniem vienību līdz 2030. gadam, atspoguļojot straujo AI jaudu IoT galapunktu un viedo sistēmu pieņemšanu (Statista).

• Automašīnas: Automašīnu sektors, īpaši attīstītās vadītāja palīdzības sistēmas (ADAS) un autonomi transportlīdzekļi, būs nozīmīgs virzītājspēks, ar iebūvētiem kodolu risinājumiem, kas ļaus reāllaika sensoru apvienošanu un lēmumu pieņemšanu (McKinsey & Company).
• Industriālā automatizācija: Viedās rūpnīcas un paredzētas apkopšanas lietojumprogrammas paātrina Edge AI izvietojumu, nepieciešami ārkārtīgi optimizēti iebūvēti kodoli determinantiskai veiktspējai (Accenture).
• Veselības aprūpe: Medicīniskā attēlveidošana, diagnostika un attālinātās uzraudzības ierīces arvien vairāk izmanto Edge AI, sekmējot pieprasījumu pēc specializētās kodolu izstrādes (Frost & Sullivan).

Kopumā iebūvētu kodolu izstrādes tirgus Edge AI ierīcēm ir paredzēts ilgstošs divciparu izaugsmes temps, ar ieņēmumiem un izvietojumu apjomiem ātri augot, jo Edge inteliģence kļūst par pamata tehnoloģiju daudzās nozarēs.

Reģionālā tirgus analīze: Ziemeļamerika, Eiropa, Āzijas un Klusā okeāna reģions un Pārējā pasaule

Reģionālā tirgus ainava iebūvētu kodolu izstrādei Edge AI ierīcēm tiek veidota, pamatojoties uz dažādām tehnoloģiskās brieduma, ieguldījumu un lietojumprogrammu uzmanības pakāpēm Ziemeļamerikā, Eiropā, Āzijas un Klusā okeāna reģionā un Pārējā pasaulē (RoW). 2025. gadā šīs atšķirības, visticamāk, ietekmēs tirgus dinamiku, inovācijas un pieņemšanas likmes.

Ziemeļamerika joprojām ir līderis iebūvētu kodolu izstrādē Edge AI gadā, ko virza spēcīgi R&D investīcijas, stabila pusvadītāju uzņēmumu ekosistēma un agrīna pieņemšana nozarēs, piemēram, automobiļu, veselības aprūpes un industriālās automatizācijas. Vadošo uzņēmumu, piemēram, Intel Corporation, NVIDIA Corporation un Qualcomm Incorporated, klātbūtne paātrina inovāciju kodolu optimizācijā AI darba slodzēm. Reģions arī gūst labumu no valdības iniciatīvām, kas atbalsta AI un Edge skaitļošanu, kā to uzsver ziņojumi no NIST un OSTP.

Eiropā izceļas uzmanība uz drošību, saderību un enerģijas efektivitāti iebūvētu kodolu izstrādē. Reģiona regulatīvā vide, tostarp GDPR un AI likuma priekšlikumi, veido kodolu dizainu, lai prioritizētu datu privātumu un atbilstību. Eiropas uzņēmumi, piemēram, STMicroelectronics un Infineon Technologies AG, ir priekšgalā, īpaši automobiļu un industriālās IoT lietojumprogrammās. Sadarbības projekti, ko finansē Eiropas Komisija, turklāt veicina pētījumus reāla laika un drošības kritisku kodolu arhitektūru jomā.

• Āzijas un Klusā okeāna reģions ir ātrāk augošais reģions, ko virza plaša ražošana, strauja urbanizācija un valdības atbalstītas AI stratēģijas valstīs, piemēram, Ķīnā, Japānā un Dienvidkorejā. Uzņēmumi, piemēram, Samsung Electronics, Huawei Technologies un Sony Corporation, iegulda ievērojamus līdzekļus pielāgotas kodolu izstrādē Edge AI mikroshēmās, mērķējot uz patēriņa elektroniku, viedām pilsētām un industriālo automatizāciju. Reģiona izaugsmi papildus atbalsta plaša izstrādātāju bāze un pieaugošais pieprasījums pēc lokalizētas AI apstrādes.
• Pārējā pasaule (RoW), ieskaitot Dienvidameriku, Tuvo Austrumu un Āfriku, ir agrīnās pieņemšanas posmā. Tomēr ir pieaugoša interese par Edge AI lietojumiem, piemēram, lauksaimniecībā, enerģētikā un sabiedriskajā drošībā. Iniciatīvas, ko veic organizācijas, piemēram, Pasaules banka un Apvienoto Nāciju Organizācija, veicina digitālo infrastruktūru, kas gaidāms pakāpeniski palielinās pieprasījumu pēc iebūvētu kodolu risinājumiem, kas pielāgoti vietējām vajadzībām.

Kopumā, lai gan Ziemeļamerika un Āzijas un Klusā okeāna reģions, visticamāk, dominēs tirgus daļas un inovāciju ziņā, Eiropas regulatīvi virzītā pieeja un RoW jauniem iespējam būs izšķiroša, veidojot daudzveidīgu un attīstošu globālo tirgu iebūvētu kodolu izstrādei Edge AI ierīcēm līdz 2025. gadam.

Nākotnes prognoze: jaunas lietojumprogrammas un stratēģiskās ceļveži

Nākotnes prognoze iebūvētu kodolu izstrādei Edge AI ierīcēm ir veidota ātrās aparatūras un programmatūras attīstības, kā arī pieaugošā pieprasījuma pēc reāllaika, zemas latentuma inteliģences uz tīkla malas. Līdz 2025. gadam AI iespējotu IoT galapunktu, autonomo sistēmu un viedās infrastruktūras izplatība gaidāma, ka radīs nozīmīgas inovācijas kodolu arhitektūrās, koncentrējoties uz veiktspējas, drošības un enerģijas efektivitātes optimizāciju.

Jaunās lietojumprogrammas, piemēram, industriālā automatizācija, autonomi transportlīdzekļi un viedā veselības aprūpe, arvien vairāk paļaujas uz Edge AI ierīcēm, kurām nepieciešami ļoti specializēti kodoli. Šie kodoli jāatbalsta heterogēnām skaitļošanas vidēm, integrējot CPU, GPU, NPU un FPGA, lai paātrinātu AI darba slodzes, vienlaikus saglabājot deterministiskus reaģēšanas laikus. Piemēram, tiek prognozēta reāllaika Linux variantu un mikro kodolu arhitektūru pieņemšana, kas ļaus nodrošināt robustāku un drošāku AI modeļu izpildi tuvumā Linux Foundation.

Stratēģiskās ceļveži no vadošajiem pusvadītāju un programmatūras piegādātājiem norāda uz pāreju uz moduļu, atjaunojamiem kodolu komponentiem, kas var tikt pielāgoti konkrētām AI lietojumprogrammām. Uzņēmumi, piemēram, Arm un NXP Semiconductors, iegulda kodolu līmeņa atbalstā progresīvai enerģijas pārvaldībai, drošai palaišanai un uzticamu izpildes vidi, kas ir kritiski svarīgas Edge izvietojumiem jutīgās nozarēs, piemēram, veselības aprūpē un finansēs. Turklāt atvērtā koda iniciatīvas veicina sadarbību par standartizētām kodolu saskarnēm, atvieglojot saderību un samazinot izstrādes ciklus Edge AI risinājumos Eclipse Foundation.

• Federēta apmācība un apmācība ierīcē: Līdz 2025. gadam iebūvēti kodoli arvien vairāk atbalstīs federēto mācību rāmjus, ļaujot izplatītai AI modeļu apmācībai tieši uz Edge ierīcēm, nesamazinot datu privātumu NVIDIA.
• AI virzīta kodolu optimizācija: AI tehniku integrācija dinamiski resursu piešķiršanai un prognozējošai apkopei kodolu līmenī, visticamāk, uzlabos ierīču ilgtspēju un operatīvo efektivitāti Intel.
• Drošības pirmais dizains: Ar Edge AI pieaugumu kritiskajā infrastruktūrā, kodolu izstrāde prioritizēs drošības funkcijas, piemēram, reāllaika draudu noteikšanu un drošu kabatu atbalstu Arm.

Kopsavilkumā stratēģiskā ceļveža izstrāde iebūvētu kodolu izstrādē Edge AI ierīcēm līdz 2025. gadam norāda uz modularitāti, drošību un AI centrētiem optimizējumiem, pozicionējot sektoru robustai izaugsmei un nodrošinot jaunas paaudzes inteliģentu, autonomu Edge sistēmu izveidi.

Izaicinājumi, riski un iespējas iebūvētu kodolu izstrādē Edge AI ierīcēm

2025. gadā iebūvētu kodolu izstrāde Edge AI ierīcēm raksturojas ar dinamisku izaicinājumu, risku un iespēju mijiedarbību, jo pieprasījums pēc inteliģentas, zemas latentuma apstrādes tuvumā pieaug. Kodols kā pamatkomponents iebūvētajā operētājsistēmā jāspēj efektīvi pārvaldīt aparatūras resursus, reāllaika ierobežojumus un AI darba slodzes, visa šī laikā stingro enerģijas un atmiņas budžetu ietvaros, kas raksturīgs Edge ierīcēm.

Izaicinājumi un riski

• Resursu ierobežojumi: Edge AI ierīces bieži darbojas ar ierobežotu CPU, atmiņu un krātuvi. Attīstīt kodolus, kas var atbalstīt sarežģītu AI inferenci, saglabājot reāllaika atbildību, ir nozīmīgs tehniskais izaicinājums. Saskaņā ar Arm datiem optimizēšana gan veiktspējai, gan efektivitātei ir pastāvīgs izaicinājums, kad AI modeļi aug izmēra un sarežģītības ziņā.
• Drošības ievainojamības: Edge ierīču izplatība palielina uzbrukuma virsmas iespējas kiberdraudiem. Kodolu līmeņa ievainojamības var tikt izmantotas neautorizētai piekļuvei vai datu noplūdei. IoT Security Foundation izceļ nepieciešamību pēc robustām drošības mehānismiem, tostarp drošas palaišanas, atmiņas izolācijas un regulāras labojumu ieviešanas, kas ir grūti ieviest resursu ierobežotās vidēs.
• Heterogēnas aparatūras atbalsts: Edge AI ierīces izmanto dažādus aparatūras paātrinātājus (piemēram, GPU, TPU, FPGA). Nodrošināt kodolu saderību un efektīvu plānošanu pār heterogēnām platformām ir sarežģīti, kā norādījis NXP Semiconductors.
• Reāllaika veiktspēja: Daudzas Edge lietojumprogrammas, piemēram, autonomi transportlīdzekļi un industriālā automatizācija, prasa deterministiskus reaģēšanas laikus. Sasniegt grūti reāllaika garantijas, vienlaicīgi darbinot AI darba slodzes, ir pastāvīgs risks, kā to ziņo IEEE.

Iespējas

• Specializētas kodolu arhitektūras: Pieaug interese par mikro kodolu un unikodolu dizainiem, kas pielāgoti AI tuvumā, piedāvājot uzlabotu drošību, modularitāti un veiktspēju. Linux Foundation projekti pēta šīs arhitektūras, lai apmierinātu jaunās vajadzības.
• AI virzīta kodolu optimizācija: Izmantojot AI, lai optimizētu kodolu plānošanu, resursu piešķiršanu un enerģijas pārvaldību, veido nozīmīgu iespēju. NVIDIA un citi iegulda AI vadītās sistēmu programmatūrās, lai uzlabotu Edge ierīču efektivitāti.
• Atvērtā koda sadarbība: Atvērtā koda kopiena paātrina inovācijas iebūvētu kodolu izstrādē, ļaujot ātri pielāgot jaunajām aparatūras un drošības prasībām. Iniciatīvas, piemēram, Zephyr Project, veicina sadarbību starp nozares dalībniekiem.

Kopsavilkumā, lai gan iebūvētu kodolu izstrāde Edge AI ierīcēm 2025. gadā saskaras ar ievērojamiem tehniskiem un drošības izaicinājumiem, tai ir arī būtiskas inovāciju iespējas arhitektūrā, optimizācijā un sadarbībā, veidojot nākamo inteliģento Edge sistēmu paaudzi.

Avoti un atsauces

• Arm
• NXP Semiconductors
• STMicroelectronics
• Zephyr Project
• FreeRTOS
• IDC
• McKinsey & Company
• Qualcomm
• Linux Foundation
• Trusted Computing Group
• TensorFlow Lite
• ONNX Runtime
• Canonical
• Wind River
• BlackBerry QNX
• NVIDIA
• Texas Instruments
• Foundries.io
• MarketsandMarkets
• Statista
• Accenture
• Frost & Sullivan
• NIST
• OSTP
• Infineon Technologies AG
• European Commission
• Huawei Technologies
• World Bank
• United Nations
• Eclipse Foundation
• IoT Security Foundation
• IEEE