文章轉(zhuǎn)載來(lái)源《千家網(wǎng)》
網(wǎng)絡(luò)邊緣的人工智能是影響未來(lái)科技產(chǎn)業(yè)走向的基石。如果說(shuō)人工智能是變革的引擎，那么半導(dǎo)體就是驅(qū)動(dòng)機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、5G連接以及區(qū)塊鏈、數(shù)字孿生和元宇宙的出現(xiàn)所定義的新時(shí)代的石油。
盡管最近由于供應(yīng)鏈和宏觀經(jīng)濟(jì)因素對(duì)芯片行業(yè)造成了破壞，但人工智能和物聯(lián)網(wǎng)的融合，正準(zhǔn)備將世界從以云為中心的智能轉(zhuǎn)變?yōu)楦植际降闹悄芗軜?gòu)。
預(yù)計(jì)到2025年，物聯(lián)網(wǎng)設(shè)備產(chǎn)生的數(shù)據(jù)量將達(dá)到驚人的73.1兆字節(jié)數(shù)據(jù)。因此，從2017年到2025年，端點(diǎn)數(shù)據(jù)將以85%的復(fù)合年增長(zhǎng)率增長(zhǎng)，驅(qū)動(dòng)智能從云到端點(diǎn)，在微型機(jī)器中運(yùn)行AI/ML工作負(fù)載。
最具顛覆性的一些應(yīng)用包括“語(yǔ)音作為用戶界面”的開(kāi)發(fā)，以改善人機(jī)通信，以及環(huán)境感知、預(yù)測(cè)分析和維護(hù)。主要增長(zhǎng)領(lǐng)域包括可穿戴設(shè)備、智能家居、智能城市和智能工業(yè)自動(dòng)化。
在終端嵌入智能的好處有哪些?許多工業(yè)物聯(lián)網(wǎng)應(yīng)用在受內(nèi)存容量、有限的計(jì)算和電池功率以及次優(yōu)連接限制的環(huán)境中運(yùn)行。此外，這些應(yīng)用通常需要實(shí)時(shí)響應(yīng)，這可能對(duì)任務(wù)和系統(tǒng)至關(guān)重要。期望這樣的設(shè)備和應(yīng)用在以云為中心的智能架構(gòu)中運(yùn)行是行不通的。
這就是在終端嵌入智能的力量，正在從標(biāo)準(zhǔn)的工業(yè)物聯(lián)網(wǎng)實(shí)現(xiàn)演變?yōu)槲覀兯f(shuō)的工業(yè)應(yīng)用的AIoT。
在收集源轉(zhuǎn)換數(shù)據(jù)可以最大限度地減少延遲，并為時(shí)間關(guān)鍵型應(yīng)用實(shí)現(xiàn)優(yōu)化處理。由于數(shù)據(jù)不通過(guò)網(wǎng)絡(luò)進(jìn)行處理和傳輸，與數(shù)據(jù)傳輸和流動(dòng)相關(guān)的安全問(wèn)題大大降低。
另一個(gè)優(yōu)點(diǎn)是，數(shù)據(jù)處理可以與端點(diǎn)的信任根連接，使實(shí)現(xiàn)不受攻擊的影響。由于數(shù)據(jù)處理是在源處或非常接近源處進(jìn)行的，我們可以充分利用數(shù)據(jù)引力，并減少與打開(kāi)無(wú)線電或通過(guò)網(wǎng)絡(luò)移動(dòng)數(shù)據(jù)相關(guān)的功耗。
我們對(duì)客戶的承諾是以最廣泛的MCU和MPU在端點(diǎn)計(jì)算技術(shù)方面領(lǐng)先于行業(yè)。這已經(jīng)使設(shè)計(jì)師能夠利用我們豐富的物聯(lián)網(wǎng)生態(tài)系統(tǒng)和AI/ML構(gòu)建模塊，通過(guò)利用技術(shù)生態(tài)系統(tǒng)，以瑞薩可信賴的合作伙伴提供的300多個(gè)商業(yè)級(jí)軟件構(gòu)建模塊為特色。
我們不斷增長(zhǎng)的AIoT投資組合也解釋了我們最近收購(gòu)的RealityAI，這是一個(gè)使用瑞薩處理器在工業(yè)物聯(lián)網(wǎng)應(yīng)用中支持邊緣和端點(diǎn)AI的新平臺(tái)。
現(xiàn)實(shí)AI自動(dòng)搜索廣泛的信號(hào)處理轉(zhuǎn)換，并生成定制的機(jī)器學(xué)習(xí)模型，同時(shí)在其方法中保留可跟蹤性，并提供有價(jià)值的硬件設(shè)計(jì)分析。該模型運(yùn)行在瑞薩提供的幾乎每一個(gè)MCU和MPU核心上，并不斷添加新的。
這為設(shè)計(jì)人員提供了一個(gè)非常強(qiáng)大的工具，可以幫助他們解決最困難的問(wèn)題，因?yàn)槟Ｐ烷_(kāi)發(fā)專門針對(duì)非視覺(jué)感知用例，并基于高級(jí)信號(hào)處理數(shù)學(xué)和邊緣部署。
這使得高級(jí)分析能夠支持完整的硬件設(shè)計(jì)和完整的框架，包括數(shù)據(jù)收集、儀器、固件和ML工作流。其他解決方案只是簡(jiǎn)單地生成算法和模型，通常只占典型項(xiàng)目成本的5%，而忽略了其他95%的開(kāi)發(fā)費(fèi)用。
我們對(duì)AIoT設(shè)計(jì)的全面方法允許開(kāi)發(fā)人員減少計(jì)劃外的設(shè)備停機(jī)時(shí)間，提高生產(chǎn)效率，并執(zhí)行復(fù)雜的質(zhì)量保證任務(wù)，這些任務(wù)在當(dāng)前測(cè)試環(huán)境中是昂貴的或難以復(fù)制的。
實(shí)時(shí)分析的自動(dòng)ML解決方案-高級(jí)信號(hào)處理+端點(diǎn)的AI
在一個(gè)3噸重的住宅暖通系統(tǒng)中，在51種不同的環(huán)境和負(fù)載條件下測(cè)試的真實(shí)用例中，現(xiàn)實(shí)AI在檢測(cè)和區(qū)分單個(gè)故障條件時(shí)能夠達(dá)到95%以上的準(zhǔn)確率。測(cè)試還發(fā)現(xiàn)，在加熱和冷卻模式下，室內(nèi)外空氣流動(dòng)堵塞和充電故障的OEM規(guī)格均為5%。
人工智能和物聯(lián)網(wǎng)在工業(yè)應(yīng)用上的融合是一個(gè)具有巨大潛力的大趨勢(shì)。對(duì)現(xiàn)實(shí)AI的收購(gòu)釋放了將先進(jìn)信號(hào)處理與AI相結(jié)合的潛力，并得到瑞薩豐富的硬件、軟件、工具和生態(tài)系統(tǒng)的支持，提供釋放創(chuàng)造力所需的所有構(gòu)建模塊。
