將AI推向邊緣，打造更小、更智能、更安全的應(yīng)用

當前，人工智能持續(xù)引發(fā)爭議，并向企業(yè)和消費者展示出非凡的價值。與許多新興技術(shù)一樣，人們關(guān)注的焦點往往集中在大規(guī)模、基礎(chǔ)設(shè)施密集型和高耗電的應(yīng)用上。然而，隨著人工智能的應(yīng)用不斷增長，大型數(shù)據(jù)中心對電網(wǎng)的壓力也越來越大，密集型應(yīng)用的可持續(xù)性和經(jīng)濟性日益下降。

因此，對更靈活、以產(chǎn)品為中心的人工智能解決方案的需求激增。邊緣人工智能引領(lǐng)著這一新趨勢，它將數(shù)據(jù)處理拉近（或嵌入）設(shè)備，在微小的邊緣，這意味著基本的推理任務(wù)可以在本地執(zhí)行。通過不通過數(shù)據(jù)中心將原始數(shù)據(jù)發(fā)送到云端，我們看到人工智能的工業(yè)和消費應(yīng)用的安全性得到顯著提高，這也提高了設(shè)備的性能和效率，而成本只是云端的一小部分。

但是，任何新機遇都伴隨著新的挑戰(zhàn)。產(chǎn)品開發(fā)人員現(xiàn)在必須考慮如何構(gòu)建合適的基礎(chǔ)設(shè)施和所需的專業(yè)知識，以充分發(fā)揮邊緣的潛力。

局部推理的重要性

退一步來看，我們可以看到人工智能主要包含兩個領(lǐng)域：機器學習（系統(tǒng)從數(shù)據(jù)中學習）和神經(jīng)網(wǎng)絡(luò)計算（一種旨在像人腦一樣思考的特定模型）。這些是機器編程的補充方法，通過向機器提供相關(guān)數(shù)據(jù)來訓練它們完成任務(wù)，以確保輸出準確可靠。這些工作負載通常規(guī)模巨大，需要全面的數(shù)據(jù)中心安裝才能使其正常運行。

對于規(guī)模較小的工業(yè)用例和消費級工業(yè)應(yīng)用，無論是廚房里的智能烤面包機，還是工廠車間的自主機器人——將 AI推理所需的數(shù)據(jù)和分析推送到云端在經(jīng)濟(或環(huán)境)上都是不可行的。

相反，邊緣 AI提供了本地推理、超低延遲和更小傳輸負載的機會，讓我們能夠在構(gòu)建新的 AI 應(yīng)用的同時，大幅降低成本和降低功耗。我們已經(jīng)看到邊緣 AI 為智能樓宇、資產(chǎn)跟蹤和工業(yè)應(yīng)用的生產(chǎn)力提升做出了貢獻。例如，工業(yè)傳感器可以通過邊緣 AI硬件加速，從而更快地檢測故障，并具備預(yù)測性維護能力，以便在故障發(fā)生之前了解設(shè)備狀態(tài)何時會發(fā)生變化。

更進一步說，專為邊緣 AI設(shè)計的下一代硬件產(chǎn)品從一開始就會引入特定的適配機制，使 AI子系統(tǒng)成為安全架構(gòu)的一部分。在這個領(lǐng)域，將邊緣AI功能嵌入系統(tǒng)顯得尤為重要。

將智能嵌入產(chǎn)品

嵌入式系統(tǒng)發(fā)展的下一階段是將邊緣 AI 引入設(shè)備架構(gòu)，即所謂的“微型邊緣”。這指的是直接在邊緣處理 AI和 ML 模型的微型、資源受限的設(shè)備，包括微控制器、低功耗處理器和嵌入式傳感器，從而能夠以最低功耗和低延遲實現(xiàn)實時數(shù)據(jù)處理。

如今，一類全新的軟件和硬件正在微小邊緣領(lǐng)域涌現(xiàn)，使得在設(shè)備中執(zhí)行人工智能操作成為可能。通過從一開始就將這種能力嵌入到架構(gòu)中，我們能夠?qū)ⅰ靶盘枴北旧磙D(zhuǎn)化為“數(shù)據(jù)”，而無需浪費資源進行轉(zhuǎn)換。

例如，微小邊緣傳感器可以從設(shè)備所處環(huán)境中收集數(shù)據(jù)，并利用片內(nèi)引擎生成結(jié)果。以太陽能發(fā)電場為例，太陽能電池板內(nèi)的傳感器可以專門檢測電源管理系統(tǒng)中附近的電弧故障。當出現(xiàn)極端電壓時，它可以自動觸發(fā)關(guān)機故障保護，避免電氣火災(zāi)。

隨著電弧故障檢測、電池管理或設(shè)備上的人臉或物體識別等應(yīng)用推動這一領(lǐng)域的增長，我們將看到能夠支持微小邊緣人工智能的微控制器市場以超過 100% 的復(fù)合年增長率增長(據(jù)ABIResearch的數(shù)據(jù))。為了發(fā)揮這一潛力，需要做更多的工作來彌合云端人工智能的處理能力與能夠在邊緣工作或成為邊緣的設(shè)備的目標應(yīng)用之間的差距。

然而，就像任何新技術(shù)一樣：有需求就有出路。

我們已經(jīng)看到針對這一挑戰(zhàn)的有意義的研發(fā)成果，微型人工智能開始嵌入到各種不同的系統(tǒng)中一-在某些情況下，消費者已經(jīng)將這項技術(shù)視為理所當然，實際上他們會與設(shè)備對話而沒有思考“這就是人工智能”。

構(gòu)建邊緣人工智能基礎(chǔ)設(shè)施

為了利用這一新興機遇，產(chǎn)品開發(fā)人員必須首先考慮進入邊緣設(shè)備的數(shù)據(jù)的質(zhì)量和類型，因為這決定了處理級別以及處理工作負載所需的軟件和硬件。這是典型的邊緣AI與微型AI之間的關(guān)鍵區(qū)別。典型的邊緣AI運行在功能更強大的硬件上，能夠處理復(fù)雜的算法和數(shù)據(jù)集;微型AI則專注于運行能夠執(zhí)行基本推理任務(wù)的輕量級模型。

例如，音頻和視頻信息(尤其是視覺信息)極其復(fù)雜，需要深度神經(jīng)架構(gòu)來分析數(shù)據(jù)。另一方面，處理隨時間記錄的振動或電流測量數(shù)據(jù)的要求較低，因此開發(fā)人員可以利用微型AI算法在資源受限或超低功耗、低延遲的設(shè)備中完成此類工作。

在開發(fā)階段，根據(jù)具體的計算能力需求，考慮所需的設(shè)備和微控制器單元類型至關(guān)重要。在許多情況下，少即是多，運行更輕量級的微型AI模型可以提高設(shè)備的能效和電池壽命。話雖如此，無論是處理文本還是視聽信息，開發(fā)人員仍然必須進行預(yù)處理，將大量樣本數(shù)據(jù)輸入學習算法，以訓練AI使用這些數(shù)據(jù)。

未來會怎樣?

將人工智能嵌入微小邊緣設(shè)備的開發(fā)仍處于起步階段，這意味著企業(yè)仍有空間進行實驗、發(fā)揮創(chuàng)造力，并找到其成功的真正因素。我們正處于一股巨大浪潮的開端，這將加速我們生活方方面面的數(shù)字化進程。

其用例非常廣泛，從智能公共基礎(chǔ)設(shè)施(例如智慧互聯(lián)城市所需的傳感器)，到醫(yī)療保健領(lǐng)域通過非侵入式可穿戴設(shè)備實現(xiàn)的遠程患者監(jiān)控。用戶能夠改善生活簡化日常任務(wù)，甚至在不知不覺中意識到人工智能是關(guān)鍵因素。

需求就在那里，邊緣人工智能和微型人工智能已經(jīng)改變了產(chǎn)品開發(fā)，重新定義了什么是偉大的技術(shù)，實現(xiàn)了更加個性化的預(yù)測功能、安全性和情境感知。在短短幾年內(nèi)，這類人工智能將成為大多數(shù)技術(shù)日常應(yīng)用的關(guān)鍵--如果沒有它，開發(fā)者很快就會發(fā)現(xiàn)他們的創(chuàng)新變得過時。

這是向前邁出的重要一步，但也伴隨著挑戰(zhàn)。克服這些挑戰(zhàn)只有通過更廣泛的開發(fā)工具和軟件資源生態(tài)系統(tǒng)才能實現(xiàn)。這只是時間問題。微型邊緣是社會解鎖對其數(shù)據(jù)和環(huán)境的更大控制力和效用的關(guān)鍵，從而引領(lǐng)一個更加智能的人工智能驅(qū)動的未來。

本文作者：意法半導(dǎo)體人工智能解決方案總經(jīng)理Marc Dupaquier

活動預(yù)告

打造未來建筑新范式，聚焦綠色低碳解決方案！

2025年6月9-12日， 2025年廣州國際建筑電氣技術(shù)展覽會（GEBT 2025）將迎來歷史性升級！作為亞洲最大規(guī)模的建筑電工電氣與智能生態(tài)平臺，展會首次聯(lián)合千家智客及30余家權(quán)威機構(gòu)，重磅打造【低碳智慧建筑及節(jié)能主題展區(qū)】，以前瞻視角全面聚焦綠色、智能、可持續(xù)的建筑未來。

新主題展區(qū)將匯聚KNX、ABB、海林、正泰、米思林等國內(nèi)外頭部品牌，集中展示建筑智能化、節(jié)能控制、新能源集成、AIoT場景創(chuàng)新等多項高效節(jié)能與綠色低碳解決方案。圍繞“碳達峰、碳中和”戰(zhàn)略目標，搭建起綠色建筑全鏈路協(xié)同創(chuàng)新的合作平臺。

展區(qū)亮點搶先看：

展會同期還將舉辦“智能集成商大會”“智慧建筑新產(chǎn)品/新技術(shù)發(fā)布會”等多場重量級活動，鏈接城市更新、公共機構(gòu)、終端用戶、工程采購等七大生態(tài)圈層，助力企業(yè)精準拓展合作，發(fā)掘新市場機遇。

提前鎖定GEBT 2025“低碳智慧建筑及節(jié)能展區(qū)”，與先鋒企業(yè)共繪未來建筑新藍圖！

*如需參展或報名參會，可掃描下方二維碼與“千家智客”取得聯(lián)系。??????

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。