当前位置:首页 > 厂商动态 > 意法半导体
[导读]随着人工智能的不断发展,其争议性也越来越大;而在企业和消费者的眼中,人工智能价值显著。如同许多新兴科技一样,目前人工智能的应用主要聚焦于大规模、基础设施密集且高功耗的领域。然而,随着人工智能应用的高速发展,大型数据中心给电网带来的压力日益增大,高度密集型应用的可持续性和经济性也在大幅下降。

随着人工智能的不断发展,其争议性也越来越大;而在企业和消费者的眼中,人工智能价值显著。如同许多新兴科技一样,目前人工智能的应用主要聚焦于大规模、基础设施密集且高功耗的领域。然而,随着人工智能应用的高速发展,大型数据中心电网带来的压力日益增大,高度密集型应用的可持续性和经济性也在大幅下降。

因此,市场对更灵活、以产品为导向的人工智能解决方案的需求不断飙升,如何将数据处理功能移到微型边缘设备附近或内部的边缘人工智能正成为新趋势。换句话说,边缘人工智能就是在本地设备上执行基本的推理任务,无需把原始数据发送到数据中心和云计算服务器。目前,工业和消费应用的安全性得到了显著改善,同时边缘人工智能还提升了设备的性能和能效,而成本仅为云端人工智能的几分之一。

但是,如同任何新机遇一样,边缘人工智能也带来了新的挑战。现在,为了充分发挥边缘人工智能的潜力,产品开发人员必须考虑如何构建正确的基础设施,并积累所需的专业知识。

在本地设备上推理的重要性

人工智能大体上分为机器学习和神经网络计算两大领域,机器学习是系统从数据中学习的过程,神经网络是模拟人脑思维的特定神经网络模型。这两种人工智能技术都是补充性计算机编程方法,通过向计算机输入相关数据,训练机器执行一项任务,确保输出结果准确可靠。这些计算任务通常规模很大,需要建设大型数据中心才能保证人工智能正常运行。

至于较小的工业设备和消费类产品,无论是智能烤箱,工业机器人,还是在云端进行数据分析和人工智能推理等,从经济或环保的角度来看都缺乏可行性。

相反,边缘人工智能让我们看到了本地推理、缩短延迟和降低传输负载的机会。在开发新的人工智能应用时,可以大幅提高成本和能效。我们已经注意到,边缘人工智能有助于提升智能建筑、资产跟踪和工业应用的生产效率。例如,通过边缘人工智能硬件可以加快工业传感器的处理速度,更快地发现故障,并实现预测性维护,提前发现设备工况变化。

此外,下一代边缘智能硬件将从一开始就会引入特定的适配技术,让人工智能子系统成为安全架构的一部分,在系统内部嵌入边缘人工智能将引起广泛关注。

在产品内嵌入智能

嵌入式系统的下一个发展阶段是在设备架构内引入边缘人工智能技术,这些设备从此叫做“微型边缘”,即直接在网络边缘上处理人工智能模型和机器学习算法的资源有限的微型设备,包括微控制器、低功耗处理器和嵌入式传感器,能够实时处理数据,并且功耗很小,延迟很低。

现在,在卫星边缘设备上出现一种新型软硬件,为在这些设备上执行人工智能运算提供了可能。通过从设计一开始就将这种处理能力嵌入到设备架构内,我们正在将“信号”转化成“数据”,而不再需要浪费资源转换信号。例如,微型边缘传感器可以收集周边环境数据,利用片内引擎输出处理结果。在太阳能发电厂情景中,太阳能电池板内的传感器可以检测电源管理系统附近的电弧故障。当出现极端电压时,传感器就可以自动触发关机故障保护,避免电气火灾发生。

根据 ABI Research的市场分析,随着电弧故障检测、电池管理或设备内置人脸或物体识别等应用成为这一领域的增长点,让微小边缘能够执行人工智能的微控制器将实现高于100% 的复合年增长率。要想释放这一巨大增长潜力,需要下更大的功夫来缩小云端人工智能与边缘设备之间的处理能力差距。

就像任何新技术一样,只要有需求,就有满足需求的办法。

我们已经看到了针对这一挑战的有意义的研发成果,微型人工智能开始嵌入到各种不同类型的系统中,在某些情况下,消费者已经将这项技术视为理所当然,在与设备语音交互时,他们根本就没想过“他们正在用人工智能”。

构建边缘人工智能基础设施

为了利用这一新兴机会,产品开发人员必须首先考虑边缘设备输入数据的质量和类型,因为这两个因素决定了处理水平以及所需的软硬件,这是普通边缘人工智能与微型人工智能的主要区别,前者运行在算力更强的硬件上,能够处理复杂的算法和数据集,而后者主要用于运行轻量级神经网络模型,执行基本的推理任务。

例如,音频和视觉信息,尤其是视觉信息,极其复杂,分析视觉数据需要深度神经架构。另一方面,处理长期记录的振动数据或电流测量数据对神经网络模型要求较低,因此,开发人员可以在资源受限或超低功耗的低延迟设备上利用微型人工智能算法分析这类数据。

在产品开发阶段,产品选型也非常重要,必须根据算力具体要求选择所需的设备和微控制器。在许多情况下,少即是多,运行更轻、更微型的人工智能模型可以提高设备的能效和电池续航时间。话虽如此,无论是处理文本还是视听信息,开发人员仍然必须进行预处理,将大量样本数据输入学习算法,以便训练人工智能模型。

未来前景

嵌入式人工智能微型边缘设备发展仍处于起步阶段,这意味着企业有机会探索实验,发挥创造力,确定成功要素。我们正处于一个巨大浪潮的开端,这将全面加快人类生活数字化进程。

从智慧城市传感器等智能公共基础设施,到远程患者监护医疗系统的非创伤式可穿戴设备,微型人工智能具有广阔的应用前景,让用户能够改善生活方式,简化日常工作生活管理,甚至没有意识到人工智能的存在。

需求是存在的,因为边缘人工智能和微型人工智能已经改变了产品开发模式,重新定义了什么才算是伟大的技术,实现了更加个性化的预测、安全性和情境感知功能。在今后几年,这种类型的 人工智能将成为大多数日用产品的关键 ,如果没有人工智能,开发人员很快就会发现自己的创新已经过时。

人工智能一项重大进步,但并非没有挑战。只有建立更大的生态圈,提供丰富的开发工具和软件资源,才能克服这些挑战。这只是时间问题。微型边缘人工智能是人类社会解锁更大的数据和环境控制权以及数据的实用价值的关键,最终实现更智能的AI驱动的未来。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

LED驱动电源的输入包括高压工频交流(即市电)、低压直流、高压直流、低压高频交流(如电子变压器的输出)等。

关键字: 驱动电源

在工业自动化蓬勃发展的当下,工业电机作为核心动力设备,其驱动电源的性能直接关系到整个系统的稳定性和可靠性。其中,反电动势抑制与过流保护是驱动电源设计中至关重要的两个环节,集成化方案的设计成为提升电机驱动性能的关键。

关键字: 工业电机 驱动电源

LED 驱动电源作为 LED 照明系统的 “心脏”,其稳定性直接决定了整个照明设备的使用寿命。然而,在实际应用中,LED 驱动电源易损坏的问题却十分常见,不仅增加了维护成本,还影响了用户体验。要解决这一问题,需从设计、生...

关键字: 驱动电源 照明系统 散热

根据LED驱动电源的公式,电感内电流波动大小和电感值成反比,输出纹波和输出电容值成反比。所以加大电感值和输出电容值可以减小纹波。

关键字: LED 设计 驱动电源

电动汽车(EV)作为新能源汽车的重要代表,正逐渐成为全球汽车产业的重要发展方向。电动汽车的核心技术之一是电机驱动控制系统,而绝缘栅双极型晶体管(IGBT)作为电机驱动系统中的关键元件,其性能直接影响到电动汽车的动力性能和...

关键字: 电动汽车 新能源 驱动电源

在现代城市建设中,街道及停车场照明作为基础设施的重要组成部分,其质量和效率直接关系到城市的公共安全、居民生活质量和能源利用效率。随着科技的进步,高亮度白光发光二极管(LED)因其独特的优势逐渐取代传统光源,成为大功率区域...

关键字: 发光二极管 驱动电源 LED

LED通用照明设计工程师会遇到许多挑战,如功率密度、功率因数校正(PFC)、空间受限和可靠性等。

关键字: LED 驱动电源 功率因数校正

在LED照明技术日益普及的今天,LED驱动电源的电磁干扰(EMI)问题成为了一个不可忽视的挑战。电磁干扰不仅会影响LED灯具的正常工作,还可能对周围电子设备造成不利影响,甚至引发系统故障。因此,采取有效的硬件措施来解决L...

关键字: LED照明技术 电磁干扰 驱动电源

开关电源具有效率高的特性,而且开关电源的变压器体积比串联稳压型电源的要小得多,电源电路比较整洁,整机重量也有所下降,所以,现在的LED驱动电源

关键字: LED 驱动电源 开关电源

LED驱动电源是把电源供应转换为特定的电压电流以驱动LED发光的电压转换器,通常情况下:LED驱动电源的输入包括高压工频交流(即市电)、低压直流、高压直流、低压高频交流(如电子变压器的输出)等。

关键字: LED 隧道灯 驱动电源
关闭