網絡邊緣的人工智能是影響未來科技產業走向的基石。如果說人工智能是變革的引擎，那么半導體就是驅動機器學習、神經網絡、5G連接以及區塊鏈、數字孿生和元宇宙的(de)(de)出現所定義(yi)的(de)(de)新時代的(de)(de)石油。
盡管最近由于供應鏈和宏觀經濟因素對芯片行業造成了破壞，但人工智能和物聯網的(de)融合，正準備將世(shi)界從以(yi)云為(wei)(wei)中心的(de)智能轉變(bian)為(wei)(wei)更分布式的(de)智能架構。
預計(ji)到(dao)(dao)2025年(nian)，物聯網設(she)備產生的數(shu)據量將達到(dao)(dao)驚人(ren)的73.1兆字節數(shu)據。因此，從2017年(nian)到(dao)(dao)2025年(nian)，端(duan)點(dian)數(shu)據將以85%的復合年(nian)增長率(lv)增長，驅(qu)動(dong)智能從云(yun)到(dao)(dao)端(duan)點(dian)，在(zai)微(wei)型機器中運行AI/ML工作負載(zai)。
最具顛覆性的一些應用包括“語音作為用戶界面”的開發，以改善人機通信，以及環境感知、預測分析和維護。主要增長領域包括可穿戴設備、智能家居、智能(neng)城市和智能(neng)工業自動化。
在終端嵌入智能的好處有哪些?許多工業物聯網應用在受內存(cun)容(rong)量、有限的(de)計算和電池功(gong)率以及(ji)次優連接限制的(de)環境(jing)中運行(xing)(xing)。此(ci)外(wai)，這(zhe)些應(ying)(ying)用通常(chang)需要(yao)實時響應(ying)(ying)，這(zhe)可能(neng)(neng)對任(ren)務和系統(tong)至關重要(yao)。期望(wang)這(zhe)樣的(de)設(she)備和應(ying)(ying)用在以云為(wei)中心的(de)智能(neng)(neng)架構中運行(xing)(xing)是行(xing)(xing)不通的(de)。
這就是在(zai)終端嵌(qian)入智能(neng)的力量，正在(zai)從標準的工(gong)業物(wu)聯網實現(xian)演變為我(wo)們所(suo)說的工(gong)業應(ying)用的AIoT。
在收集(ji)源轉換數據可以最大(da)限(xian)度(du)地減少延(yan)遲(chi)，并(bing)為時(shi)間關鍵(jian)型應(ying)用實(shi)現優化(hua)處理。由(you)于數據不(bu)通過(guo)網絡進(jin)行(xing)處理和傳(chuan)輸，與(yu)數據傳(chuan)輸和流動(dong)相關的安(an)全問題大(da)大(da)降低。
另一個(ge)優點是，數(shu)(shu)據(ju)處理(li)可以(yi)與(yu)端點的(de)信任根連接(jie)，使實現不受攻擊的(de)影響。由于數(shu)(shu)據(ju)處理(li)是在源(yuan)(yuan)處或(huo)非(fei)常接(jie)近源(yuan)(yuan)處進(jin)行的(de)，我們(men)可以(yi)充(chong)分利用數(shu)(shu)據(ju)引力，并減少(shao)與(yu)打開無線(xian)電(dian)或(huo)通過網(wang)絡(luo)移動數(shu)(shu)據(ju)相關的(de)功(gong)耗(hao)。
我們對(dui)客戶的(de)承諾是以最廣(guang)泛的(de)MCU和MPU在端點計算技術(shu)方面(mian)領先于行業。這已(yi)經使設(she)計師能夠利(li)用我們豐富的(de)物聯網生態(tai)系統和AI/ML構建(jian)模塊(kuai)，通過利(li)用技術(shu)生態(tai)系統，以瑞薩可信賴的(de)合作伙(huo)伴提供的(de)300多個商業級軟件構建(jian)模塊(kuai)為特色。
我們(men)不(bu)斷(duan)增(zeng)長(chang)的(de)AIoT投資組合也(ye)解釋了(le)我們(men)最近收購的(de)RealityAI，這是(shi)一個使用瑞薩處(chu)理器(qi)在工業物聯網應用中支持邊緣(yuan)和(he)端(duan)點AI的(de)新平(ping)臺(tai)。
現(xian)實(shi)AI自動搜(sou)索(suo)廣泛(fan)的(de)(de)信號處理轉換(huan)，并生成定(ding)制的(de)(de)機器學習(xi)模型，同(tong)時在其方法中保(bao)留可跟蹤性，并提供有價值的(de)(de)硬(ying)件設計分析。該(gai)模型運行(xing)在瑞薩提供的(de)(de)幾(ji)乎每一個(ge)MCU和(he)MPU核心上，并不斷添加(jia)新(xin)的(de)(de)。
這為(wei)(wei)設計人員提(ti)供了(le)一個非常強(qiang)大的工具，可以幫助他們解決最困難(nan)的問題，因為(wei)(wei)模型開發專門針對非視(shi)覺感知用例(li)，并基(ji)于高級信號(hao)處理數學和邊緣部署。
這使(shi)得高級分析能夠支(zhi)持完(wan)整(zheng)的(de)硬件(jian)設計(ji)和(he)完(wan)整(zheng)的(de)框架，包括數據收集、儀(yi)器、固件(jian)和(he)ML工作流。其(qi)他(ta)解(jie)決方(fang)案只(zhi)是簡單(dan)地生成算法和(he)模型(xing)，通常只(zhi)占典型(xing)項目成本(ben)的(de)5%，而(er)忽(hu)略了其(qi)他(ta)95%的(de)開發費用。
我們對AIoT設計(ji)(ji)的(de)(de)(de)全面方法允許開(kai)發人員減少計(ji)(ji)劃外的(de)(de)(de)設備停機(ji)時間，提(ti)高生(sheng)產效率，并(bing)執行復(fu)雜(za)的(de)(de)(de)質(zhi)量保證任務(wu)，這些(xie)任務(wu)在(zai)當前測試環境中是昂貴的(de)(de)(de)或難(nan)以復(fu)制的(de)(de)(de)。
實時分析的自動ML解決方案-高級信號處理+端點的AI
在(zai)(zai)一(yi)個3噸重(zhong)的(de)住(zhu)宅暖通系統中，在(zai)(zai)51種不同的(de)環境和負載條(tiao)(tiao)件下測試的(de)真實用例(li)中，現(xian)實AI在(zai)(zai)檢測和區分單個故(gu)(gu)障條(tiao)(tiao)件時能夠達到95%以(yi)上的(de)準確率(lv)。測試還發現(xian)，在(zai)(zai)加(jia)熱和冷卻(que)模式下，室內外空(kong)氣流動堵塞和充電故(gu)(gu)障的(de)OEM規格均為(wei)5%。
人(ren)工智能和物聯(lian)網在工業應用上的(de)融合(he)是一個(ge)具有(you)巨大潛力(li)的(de)大趨勢。對現(xian)實AI的(de)收購釋放了將先進(jin)信號(hao)處理與AI相結合(he)的(de)潛力(li)，并得到瑞薩(sa)豐(feng)富的(de)硬(ying)件、軟件、工具和生態系統的(de)支(zhi)持，提供釋放創造力(li)所需(xu)的(de)所有(you)構建模(mo)塊。
