物聯(lián)網(wǎng)邊緣人工智能正在顛覆工業(yè)市場

　　網(wǎng)絡邊緣的人工智能是影響未來科技產(chǎn)業(yè)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(qū)動機器學習、神經(jīng)網(wǎng)絡、5G連接以及區(qū)塊鏈、數(shù)字孿生和元宇宙的出現(xiàn)所定義的新時代的石油。

　　盡管最近由于供應鏈和宏觀經(jīng)濟因素對芯片行業(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)。

　　預計到2025年，物聯(lián)網(wǎng)設備產(chǎn)生的數(shù)據(jù)量將達到驚人的73.1兆字節(jié)數(shù)據(jù)。因此，從2017年到2025年，端點數(shù)據(jù)將以85%的復合年增長率增長，驅(qū)動智能從云到端點，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(fā)，以改善人機通信，以及環(huán)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、智能城市和智能工業(yè)自動化。

　　在終端嵌入智能的好處有哪些?許多工業(yè)物聯(lián)網(wǎng)應用在受內(nèi)存容量、有限的計算和電池功率以及次優(yōu)連接限制的環(huán)境中運行。此外，這些應用通常需要實時響應，這可能對任務和系統(tǒng)至關重要。期望這樣的設備和應用在以云為中心的智能架構(gòu)中運行是行不通的。

　　這就是在終端嵌入智能的力量，正在從標準的工業(yè)物聯(lián)網(wǎng)實現(xiàn)演變?yōu)槲覀兯f的工業(yè)應用的AIoT。

　　在收集源轉(zhuǎn)換數(shù)據(jù)可以最大限度地減少延遲，并為時間關鍵型應用實現(xiàn)優(yōu)化處理。由于數(shù)據(jù)不通過網(wǎng)絡進行處理和傳輸，與數(shù)據(jù)傳輸和流動相關的安全問題大大降低。

　　另一個優(yōu)點是，數(shù)據(jù)處理可以與端點的信任根連接，使實現(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行的，我們可以充分利用數(shù)據(jù)引力，并減少與打開無線電或通過網(wǎng)絡移動數(shù)據(jù)相關的功耗。

　　我們對客戶的承諾是以最廣泛的MCU和MPU在端點計算技術方面領先于行業(yè)。這已經(jīng)使設計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，通過利用技術生態(tài)系統(tǒng)，以瑞薩可信賴的合作伙伴提供的300多個商業(yè)級軟件構(gòu)建模塊為特色。

　　我們不斷增長的AIoT投資組合也解釋了我們最近收購的RealityAI，這是一個使用瑞薩處理器在工業(yè)物聯(lián)網(wǎng)應用中支持邊緣和端點AI的新平臺。

　　現(xiàn)實AI自動搜索廣泛的信號處理轉(zhuǎn)換，并生成定制的機器學習模型，同時在其方法中保留可跟蹤性，并提供有價值的硬件設計分析。該模型運行在瑞薩提供的幾乎每一個MCU和MPU核心上，并不斷添加新的。

　　這為設計人員提供了一個非常強大的工具，可以幫助他們解決最困難的問題，因為模型開發(fā)專門針對非視覺感知用例，并基于高級信號處理數(shù)學和邊緣部署。

　　這使得高級分析能夠支持完整的硬件設計和完整的框架，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單地生成算法和模型，通常只占典型項目成本的5%，而忽略了其他95%的開發(fā)費用。

　　我們對AIoT設計的全面方法允許開發(fā)人員減少計劃外的設備停機時間，提高生產(chǎn)效率，并執(zhí)行復雜的質(zhì)量保證任務，這些任務在當前測試環(huán)境中是昂貴的或難以復制的。