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出現所定義(yi)的新(xin)時代的石油(you)。
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融合，正準備將世界從以(yi)云為(wei)中心的智(zhi)能(neng)轉變(bian)為(wei)更(geng)分布式的智(zhi)能(neng)架構。
預(yu)計到(dao)2025年，物聯網設備產生(sheng)的數據量(liang)將達(da)到(dao)驚人的73.1兆字節數據。因此，從2017年到(dao)2025年，端點數據將以(yi)85%的復合年增長率增長，驅動智能從云到(dao)端點，在微型機器中運行AI/ML工作負載。
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(he)智能(neng)工(gong)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(zai)受(shou)內存容量、有限的(de)計算和(he)(he)電池功率(lv)以(yi)(yi)及次優連接限制的(de)環境中運行(xing)。此外，這(zhe)(zhe)些應用通(tong)(tong)常(chang)需(xu)要實時響應，這(zhe)(zhe)可能對任務(wu)和(he)(he)系統至關(guan)重要。期望這(zhe)(zhe)樣(yang)的(de)設備和(he)(he)應用在(zai)以(yi)(yi)云為中心的(de)智(zhi)能架構(gou)中運行(xing)是行(xing)不通(tong)(tong)的(de)。
這就是在(zai)終端(duan)嵌入(ru)智(zhi)能的力量，正在(zai)從標準的工(gong)業(ye)物聯網實現演變為我們所(suo)說的工(gong)業(ye)應用的AIoT。
在收集源轉換數(shu)據可(ke)以(yi)最大限度地(di)減少延遲，并(bing)為(wei)時間關鍵型應用(yong)實現優化處理。由于數(shu)據不通過(guo)網絡進行處理和傳(chuan)輸(shu)，與(yu)數(shu)據傳(chuan)輸(shu)和流動相(xiang)關的安全(quan)問題(ti)大大降低。
另一個優(you)點是，數據(ju)處理可以(yi)與端點的信任根(gen)連接，使實現不(bu)受攻(gong)擊的影響。由于數據(ju)處理是在源(yuan)處或非常接近源(yuan)處進行(xing)的，我們可以(yi)充分利(li)用數據(ju)引力，并減少(shao)與打開無(wu)線(xian)電或通過網絡移動數據(ju)相關的功耗。
我們對客戶的(de)承諾是(shi)以(yi)最(zui)廣泛的(de)MCU和(he)MPU在端點計算技術(shu)方面領(ling)先(xian)于行(xing)業(ye)。這已經(jing)使設計師能夠利(li)用我們豐富的(de)物聯網生(sheng)(sheng)態(tai)系(xi)統和(he)AI/ML構建模(mo)塊(kuai)，通(tong)過利(li)用技術(shu)生(sheng)(sheng)態(tai)系(xi)統，以(yi)瑞薩(sa)可信(xin)賴的(de)合(he)作伙伴(ban)提(ti)供(gong)的(de)300多個商業(ye)級(ji)軟(ruan)件構建模(mo)塊(kuai)為特色(se)。
我(wo)們不斷增長(chang)的AIoT投資組(zu)合也解釋了我(wo)們最近收購的RealityAI，這是一(yi)個使用瑞薩處理器在工業物聯(lian)網應(ying)用中支持(chi)邊緣和端點AI的新平臺。
現(xian)實AI自(zi)動(dong)搜(sou)索(suo)廣泛的信號處(chu)理轉換，并生成定制的機器學習(xi)模(mo)型，同時在(zai)其方法中(zhong)保留可跟蹤性(xing)，并提(ti)供有(you)價值的硬件設計分(fen)析。該模(mo)型運行在(zai)瑞薩提(ti)供的幾乎每(mei)一(yi)個MCU和(he)MPU核心上(shang)，并不(bu)斷添(tian)加新的。
這為設計人員提供(gong)了(le)一個非(fei)常(chang)強大的工具，可以幫助他們解決最(zui)困難的問題，因為模(mo)型開發專門針對非(fei)視覺感知用例，并(bing)基于高級信號處理數學和(he)邊緣(yuan)部署。
這(zhe)使得高級分(fen)析能夠支持完整的(de)硬件(jian)設(she)計(ji)和(he)完整的(de)框架，包(bao)括數(shu)據收(shou)集(ji)、儀(yi)器、固(gu)件(jian)和(he)ML工作流(liu)。其他解決(jue)方案只(zhi)是簡(jian)單地生(sheng)成算(suan)法和(he)模型(xing)(xing)，通常只(zhi)占(zhan)典型(xing)(xing)項目成本的(de)5%，而忽略了其他95%的(de)開發(fa)費用。
我們對(dui)AIoT設計(ji)的(de)(de)全面方法允許開(kai)發人員減少計(ji)劃外的(de)(de)設備停機時間，提高生產效率，并執行復雜的(de)(de)質量保證任(ren)務，這些任(ren)務在當前測試(shi)環境中是昂(ang)貴的(de)(de)或難以復制(zhi)的(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)一個3噸重的(de)(de)(de)住宅暖通(tong)系統中，在(zai)51種不(bu)同的(de)(de)(de)環境(jing)和(he)負載條(tiao)(tiao)件下測試(shi)的(de)(de)(de)真(zhen)實(shi)用(yong)例中，現實(shi)AI在(zai)檢測和(he)區分單個故(gu)障(zhang)條(tiao)(tiao)件時能(neng)夠達到95%以上的(de)(de)(de)準確率。測試(shi)還(huan)發現，在(zai)加熱和(he)冷卻模(mo)式(shi)下，室(shi)內(nei)外空氣流動堵(du)塞和(he)充(chong)電故(gu)障(zhang)的(de)(de)(de)OEM規格均為(wei)5%。
人工智能(neng)和物聯網在工業(ye)應用上的(de)融合是一個具(ju)有巨大潛(qian)力的(de)大趨勢(shi)。對現實AI的(de)收購釋放了(le)將(jiang)先(xian)進信號處理與AI相結(jie)合的(de)潛(qian)力，并(bing)得到瑞薩豐富的(de)硬件(jian)、軟(ruan)件(jian)、工具(ju)和生態系統的(de)支持，提供釋放創造(zao)力所(suo)需的(de)所(suo)有構建模塊。
