作(zuo)為(wei)一個(ge)關注機(ji)(ji)器人(ren)應用的創作(zuo)者，如果問(wen)我(wo)人(ren)形機(ji)(ji)器人(ren)會(hui)在哪個(ge)領(ling)域先(xian)落(luo)地，我(wo)的選擇(ze)是工(gong)業(ye)領(ling)域。對于更具想象空(kong)間的具身智能機(ji)(ji)器人(ren)，我(wo)仍(reng)然認為(wei)它會(hui)在工(gong)業(ye)領(ling)域先(xian)鋪開應用。
原因在于，工業場景以生產力為第一要務，是眾多先進技術落地的第一選擇，同時工業領域的場景相對封閉，為以機器人為代表的各類智能AI終端，以及終端與工業專網的結合提供了天然的試驗場。
當(dang)前(qian)被(bei)提(ti)(ti)及很多的(de)一(yi)個(ge)概(gai)念是工業4.0，它旨在(zai)將智(zhi)能數字化(hua)技術(shu)集成到整個(ge)工業流程中，建立智(zhi)能工廠以(yi)提(ti)(ti)高(gao)生產力、效率和(he)靈活性，同時在(zai)制(zhi)造和(he)供應鏈運營中實現(xian)更智(zhi)能的(de)決策和(he)定制(zhi)。
過去的制造業注重固定流程下準確和及時的生產，強調降低成本，減少浪費。此后得益于工業物聯網、云(yun)計(ji)算(suan)(suan)和(he)自動(dong)化等技(ji)術的應用，透過(guo)信息(xi)互聯、數據(ju)計(ji)算(suan)(suan)與自動(dong)控制，工(gong)業制造開(kai)始具(ju)備快(kuai)速反應和(he)初步(bu)智(zhi)能決策的特征。
而現在，AI大模型和端側智能的應用開始將中國制造業引入更智能的階段，AI技術和(he)終端逐漸(jian)融(rong)入(ru)產線和(he)設備，工廠(chang)無(wu)人(ren)化和(he)智能化更(geng)進一步，有望誕生出真正的無(wu)人(ren)工廠(chang)和(he)超級工廠(chang)。
AI技術的出現開始重塑工業生產與智能制造生態，而AI技術向端側下沉，更進一步開始催生新的工業業務形態與產業協作模式，從質量控制到預測性維護，從機器人協作到數字孿生等等結合AI技術的工(gong)業(ye)場景應用(yong)已經成(cheng)為工(gong)業(ye)制造(zao)(zao)向智能制造(zao)(zao)邁(mai)進的關鍵。
未來，以功能安全、超低功耗、高性能處理及強實時性為技術支點的基礎硬件，將深入綁定AI 能力。端側(ce)的(de)快速響應與決策能力(li)，正在改變(bian)工(gong)業制造的(de)價值鏈條，推動(dong)工(gong)業生態(tai)向智能互聯、協同創新方向深度演進(jin)(jin)，進(jin)(jin)一步提升制造業整體(ti)競爭力(li)與附加值。
端側AI解放高效工業生產力
隨著邊緣計算與AI模型不斷發展成熟，2025年計算需求從智能計算基礎設施向終端設備擴展的趨勢會愈發明顯。工業制造已經開始在很多流程和應用里開始應用端側AI技術。一是因為端側或邊緣AI能與具體應用或業務緊密結合，能大幅提升工業流程決策效率；二是端側或邊緣設備的AI功能減少了對帶寬的依賴，智能模型可以在越來越多的端側設備上運行，實時采集和智能分析能力進一步提升。
工業端側模型
在(zai)國內，已有多家(jia)科技(ji)巨頭和企業發布了(le)自己的(de)工業大模型產品，如(ru)智工·工業大模型、華為盤古大模型、卡奧斯COSMO-GPT等等。然從云端(duan)AI過渡到端(duan)側AI，需要考量成本、實時性(xing)和安全(quan)性(xing)等更多因素。
人工智能模(mo)型(xing)(xing)到了端(duan)側，精(jing)簡高效(xiao)的(de)小模(mo)型(xing)(xing)（SLM）成為主角，小模(mo)型(xing)(xing)專為邊端(duan)硬件終端(duan)設計，如工(gong)業電腦、服務器、機器人等，能在性(xing)能和(he)資源效(xiao)率之間(jian)取得微妙的(de)平衡，分(fen)擔(dan)處(chu)理工(gong)作負載進一步降低基礎(chu)設施和(he)運營成本。微軟不久前(qian)通過與拜(bai)耳、羅(luo)克韋爾(er)自動化、西(xi)門(men)子等公司合(he)作就推出了適用于工(gong)業領域的(de)全新AI小模(mo)型(xing)(xing)。
小模(mo)型結(jie)合終(zhong)端硬(ying)(ying)件(jian)能進行定制化(hua)訓練(lian)(lian)，例如，在(zai)(zai)設(she)備(bei)維護和(he)預(yu)測方面小模(mo)型在(zai)(zai)硬(ying)(ying)件(jian)上(shang)能夠訓練(lian)(lian)設(she)備(bei)故障的(de)模(mo)型，分析出潛在(zai)(zai)故障點，并結(jie)合先進的(de)傳感(gan)器和(he)硬(ying)(ying)件(jian)設(she)備(bei)，實(shi)現(xian)更智(zhi)能高效的(de)自主(zhu)決策。
“基礎工業大模型+細分應用小模型”的模式可以進一步發揮出工業端側人工智能潛力。
預測性維護與故障檢測
上面(mian)已經(jing)提到(dao)了(le)小模型在(zai)預(yu)測(ce)性維護與故障檢測(ce)上的(de)應用，其實在(zai)沒有(you)引入(ru)端側小模型預(yu)測(ce)前，不少工業場景(jing)通過部署在(zai)設備端的(de)智能(neng)傳感(gan)器(qi)和邊緣計算設備，也(ye)能(neng)實時收(shou)集機(ji)器(qi)運行(xing)數據(ju)(ju)并進行(xing)數據(ju)(ju)分析(xi)。
這些智能傳感器和邊緣計算設備通過在主控芯片或主處理芯片上內置TinyML對數據進行分析，從而預測設備可能出現的故障和性能下降。這種應用是工業領域比較典型的邊緣AI應用，不需要高主頻高算力資源，通過硬件集成TinyML 等精簡AI內核完成智能功能，在語音識別和傳感器數據分析等領域已經較為成熟。端側AI技術的進步，本地算力集成專用AI內核，終端內的智能功能會更加豐富。
工業機器視覺
工業(ye)領域通過(guo)視覺檢(jian)測(ce)進行質量管控也是(shi)很通用(yong)(yong)很經典的(de)應用(yong)(yong)案(an)例，端側AI技(ji)術的(de)引入為工業(ye)機器視覺帶來不(bu)少改變。實時性的(de)提高(gao)是(shi)顯而易見的(de)，以往(wang)更多的(de)是(shi)在(zai)收集真實數據后不(bu)斷在(zai)云端優(you)化視覺算法，云計(ji)算的(de)弊端是(shi)無(wu)法滿足高(gao)效實時的(de)需求(qiu)，節拍不(bu)同(tong)步導致(zhi)的(de)延時難免影響生產效率。
同時，考慮到在(zai)工業現場(chang)(chang)中存在(zai)大量異構的總線連接，設備之間的通信標(biao)準不(bu)統一(yi)，將(jiang)計算資源(yuan)部署在(zai)工業邊緣側和(he)端側才更匹(pi)配場(chang)(chang)景需求。
在端側優化AI算法，并匹配相(xiang)應的(de)計算硬(ying)件方案，能夠更好(hao)地解決工業場景對視覺(jue)(jue)算力以及(ji)實(shi)時性(xing)的(de)要求。同時基于(yu)獲取到的(de)點云/圖像信息，端側能夠直接進行一定計算量的(de)AI功(gong)能實(shi)現，如進行姿態識(shi)別(bie)、手勢識(shi)別(bie)、人(ren)臉識(shi)別(bie)等(deng)等(deng)，延展更多和視覺(jue)(jue)相(xiang)關的(de)功(gong)能。
端側的AI小模型與機器視覺結合推動下的智能視覺檢測技術目前在工業領域已經展現出強大的應用潛力。以移遠通信的“匠心”視覺檢測方案為例，AI算法模型直接將數據上傳、數據標注、模型訓練、模型測試、模型轉換等全流程功能集成，解決視覺原始數據質量不齊、標注繁瑣、訓練優化困難、兼容性差等應用難題。結(jie)合端側計算的靈(ling)活性、高數(shu)據安(an)全性以及實時性等(deng)優(you)勢，端側的智能視覺檢測既易于部(bu)署(shu)同時檢測高效(xiao)(xiao)準確，兼顧(gu)高成本效(xiao)(xiao)益(yi)。
再例如廣和通的機器視覺與聽覺解決方案，可實現物體識別、分割、拼接與分類，畸變校正，追蹤與計數，以及人臉識別等功能。在圖像處理上，該解決方案集成先進的 GPU/NPU 加速技術和高分辨率能力，支持復雜的圖像識別與編解碼、目標檢測和實時數據分析。解(jie)決方案還支持ChatGPT、通義千(qian)問、LIama、文心一言等大語(yu)言模(mo)型，提高信息(xi)處(chu)理效率(lv)。
在智(zhi)能制(zhi)造(zao)的(de)(de)(de)背(bei)景下，端(duan)(duan)側(ce)AI技(ji)術帶(dai)來的(de)(de)(de)更多本地化(hua)實時化(hua)的(de)(de)(de)智(zhi)能功能，并在端(duan)(duan)側(ce)小模(mo)型的(de)(de)(de)配合下提升(sheng)生(sheng)(sheng)產效(xiao)率，優化(hua)整(zheng)個生(sheng)(sheng)產流程，在自(zi)動(dong)化(hua)控制(zhi)基礎(chu)上添(tian)加了更多智(zhi)能化(hua)的(de)(de)(de)控制(zhi)，釋放出(chu)高效(xiao)的(de)(de)(de)工(gong)業生(sheng)(sheng)產力，推(tui)動(dong)制(zhi)造(zao)業的(de)(de)(de)智(zhi)能化(hua)升(sheng)級。
工業端側AI的配套硬件支持
減少云端依賴的(de)(de)的(de)(de)端側(ce)(ce)(ce)AI，其功(gong)能(neng)實(shi)現(xian)離(li)不開端側(ce)(ce)(ce)基(ji)礎硬件(jian)的(de)(de)支(zhi)持，感知(zhi)、處理(li)(li)、連(lian)接、存儲(chu)、驅動、專用AI加(jia)(jia)速器(qi)(qi)等等基(ji)礎硬件(jian)組(zu)件(jian)協(xie)同工作，確保了端側(ce)(ce)(ce)AI功(gong)能(neng)的(de)(de)高(gao)效執(zhi)行。例如，嵌入式處理(li)(li)器(qi)(qi)負責整體的(de)(de)系統控制和(he)任(ren)務(wu)調度，AI加(jia)(jia)速器(qi)(qi)則(ze)專注于提供強大(da)的(de)(de)計算能(neng)力(li)，以加(jia)(jia)速復(fu)雜的(de)(de)模型推理(li)(li)。高(gao)效的(de)(de)存儲(chu)組(zu)件(jian)確保數(shu)據的(de)(de)快速讀寫(xie)，而傳輸(shu)組(zu)件(jian)則(ze)保證了數(shu)據在端側(ce)(ce)(ce)與云端或其他(ta)設備之(zhi)間的(de)(de)順暢流(liu)通。
在傳(chuan)(chuan)感芯片端(duan)(duan)，AI功能和信號處(chu)理功能越來越多地(di)被引入，以增(zeng)強在數(shu)據收集后直接處(chu)理能力，分擔主控信號處(chu)理負載(zai)。目前(qian)應用較多的端(duan)(duan)側AI傳(chuan)(chuan)感設備有視覺、麥(mai)克風、溫度(du)傳(chuan)(chuan)感器(qi)、運(yun)動傳(chuan)(chuan)感器(qi)、位置傳(chuan)(chuan)感器(qi)。這種端(duan)(duan)側傳(chuan)(chuan)感器(qi)架構在AI內核的助(zhu)力下簡(jian)化了傳(chuan)(chuan)感器(qi)數(shu)據處(chu)理流程，在本地(di)經(jing)過(guo)處(chu)理后只有最相(xiang)關的數(shu)據被發送到(dao)邊緣的主處(chu)理器(qi)或云端(duan)(duan)以便進(jin)一步分析。
作為(wei)工業(ye)控(kong)制(zhi)中的常(chang)客，眾(zhong)多MCU、MPU廠商也開始(shi)推進集(ji)成先進AI內(nei)核(he)的控(kong)制(zhi)/處理(li)產品，如NXP集(ji)成AI內(nei)核(he)的MCX系(xi)列(lie)MCU家族，集(ji)成Neutron NPU的i.MX 9系(xi)列(lie)MPU；意(yi)法半導體知名的工控(kong)單片機STM32 MCU也開始(shi)集(ji)成NPU——ST Neural-ART accelerator；TI為(wei)人熟知的C2000系(xi)列(lie)也開始(shi)集(ji)成邊緣AI硬件(jian)加速器；ADI、英(ying)飛凌、瑞薩等MCU大廠也在(zai)AI＋MCU上有著相關推進。
針對高效(xiao)的(de)(de)計算硬件，專用AI ASIC、GPU、FPGA、NPU發(fa)揮著重要作用，這里(li)主要聚焦在(zai)NPU。除了一些芯片原廠會自研NPU IP內核，也有不少第三方的(de)(de)NPU IP產品，比如Arm的(de)(de)Ethos NPU、安謀科技(ji)周易NPU、芯原NPU、Synopsys ARC NPX6 NPU等。NPU成為端側AI芯片的(de)(de)標配可以說是大勢所趨。
端側AI的興起，對工業領域的難點——碎片化場景及多樣化需求提供了更多的解決思路，不論是細化到單個軟、硬件與AI功能的結合，還是從模組、PLC到工控平臺整機的智能優化，都有著不同于以往的定制化實現路徑。
端側AI向工業應用更深處探索
端(duan)側(ce)(ce)AI推(tui)進工(gong)業制造向智能制造的(de)轉變遠(yuan)不(bu)止目前這些可能性，端(duan)側(ce)(ce)AI帶來的(de)實時同步(bu)、本地安(an)全性以及靈活性在革新很多制造業場景的(de)流程上有著很大想(xiang)象空間，同時，不(bu)同細(xi)分應用的(de)工(gong)業端(duan)側(ce)(ce)小模(mo)型不(bu)斷發展，也是未來一股強大的(de)助力。
比如在工(gong)業設計領域，未來工(gong)業端(duan)側模型(xing)(xing)能通過(guo)(guo)優(you)化(hua)設計過(guo)(guo)程提高研發效率，結合智(zhi)能眼鏡等智(zhi)慧終端(duan)，能重新塑造(zao)工(gong)業設計的(de)現有格局；個(ge)性化(hua)定制化(hua)的(de)工(gong)業生產需求(qiu)，在端(duan)側智(zhi)能軟硬(ying)件高靈活性的(de)配合下(xia)也不再需要大(da)費(fei)周(zhou)章重新構(gou)建產線，產線上的(de)機器人在學習(xi)模型(xing)(xing)的(de)幫(bang)助下(xia)讓產線能快(kuai)(kuai)速、準確調整(zheng)對應生產要求(qiu)，并且(qie)實時監控(kong)生產線上的(de)各個(ge)環節，通過(guo)(guo)學習(xi)快(kuai)(kuai)速識別生產過(guo)(guo)程中的(de)異常狀況，有效降低生產停滯風險。
此外，結(jie)合工(gong)(gong)(gong)業(ye)(ye)智聯(lian)的(de)(de)通信(xin)(xin)技術，端(duan)(duan)到端(duan)(duan)的(de)(de)設備間無(wu)縫通信(xin)(xin)與數據共(gong)享能進(jin)一步優化生(sheng)產(chan)(chan)流程，提(ti)升整體生(sheng)產(chan)(chan)效率。在2024年(nian)(nian)年(nian)(nian)末的(de)(de)全(quan)國工(gong)(gong)(gong)業(ye)(ye)和信(xin)(xin)息(xi)化工(gong)(gong)(gong)作(zuo)(zuo)(zuo)會議上，會議在部署(shu)2025年(nian)(nian)重(zhong)(zhong)點工(gong)(gong)(gong)作(zuo)(zuo)(zuo)中(zhong)提(ti)出，“推進(jin)工(gong)(gong)(gong)業(ye)(ye)5G獨立(li)專(zhuan)網建(jian)設”，將工(gong)(gong)(gong)業(ye)(ye)5G獨立(li)專(zhuan)網建(jian)設作(zuo)(zuo)(zuo)為新的(de)(de)一年(nian)(nian)重(zhong)(zhong)點部署(shu)的(de)(de)工(gong)(gong)(gong)作(zuo)(zuo)(zuo)。意味著(zhu)對(dui)大(da)型工(gong)(gong)(gong)業(ye)(ye)企業(ye)(ye)自建(jian)5G專(zhuan)網的(de)(de)相(xiang)關政策尤其是頻率政策呼之欲出，為5G+工(gong)(gong)(gong)業(ye)(ye)互(hu)聯(lian)帶來新的(de)(de)機遇。
端側AI正以其獨特的優(you)勢，逐步滲透到工(gong)(gong)業(ye)(ye)(ye)制造的每一(yi)個(ge)(ge)角落，向(xiang)工(gong)(gong)業(ye)(ye)(ye)應用(yong)更(geng)深處探(tan)索，推(tui)動(dong)著(zhu)整(zheng)個(ge)(ge)工(gong)(gong)業(ye)(ye)(ye)向(xiang)更(geng)智能化、高(gao)效(xiao)化的方向(xiang)發展(zhan)。
當然，智能化的藍圖需要慢慢打磨，許多端側AI面臨的挑戰也需要時間去攻克。在工業端側模型上，工業領域涵蓋業務廣泛，數據結構多樣，數據質量參差不齊，如何構建起高質量模型并充分捕捉到(dao)某領域特征理解場景還(huan)有(you)不少難(nan)題。
端側/邊緣設備和應用的多樣性對硬件設計要求也更高，不僅要適配當前流行的模型和某一類特定應用，還要支持下一代模型和快速變化的應用需求。這需要軟(ruan)硬(ying)件結(jie)合(he)，構建可適(shi)應未(wei)來發(fa)展的全棧軟(ruan)硬(ying)件，以避免針對某種特定模型(xing)或應用開發(fa)的硬(ying)件局限性，這對于產品快(kuai)速(su)迭代的端側計算市(shi)場尤為重要。
寫在最后
在以(yi)生產力為第一要(yao)務，強(qiang)調高效、穩定、安全的工業領域，端側(ce)智能帶(dai)來的節拍協(xie)同、高度(du)靈活、高效生產資料利(li)用以(yi)及品控預測(ce)維護等能力已(yi)經成(cheng)為工業制造轉型(xing)的首(shou)要(yao)推動力。2025年，端側(ce)AI又會在工業領域帶(dai)來哪(na)些(xie)變化，我們拭(shi)目以(yi)待。
