{{ title }}
{{ errorMessage }}


{{ errorMessage }}





{{ registerSuccessMessage }}
当前位置: 首页> 技术应用> 正文 
收藏
点赞
投稿
边缘AI助力制造业数字化转型
  2022-08-08   

在工业制造领域,人工智能(AI)和边缘应用在智能工厂的发展中发挥越来越重要的作用。在工业4.0模式的推动下,下一代智能工厂将机器人技术、机器学习技术应用于软件服务和工业互联网中,以提高产能和最大化生产效率。同时,遍布工厂车间等各个位置的数十亿个摄像头、物联网传感器等可生成海量数据,具有助力实现业务转型的潜力。因此,边缘计算成为企业计算增长最快的趋势之一。

通过缩短数据采集位置与数据处理位置之间的距离,制造企业可以迅速相应以实现实时洞察、充分发挥潜力。几乎每个行业都在边缘计算进行投资,以加速AI工作负载,根据IDC 2020年边缘支出指南,未来4年,企业在边缘硬件、软件和服务方面的支出将以12.5%的年复合增长率快速增长,到2024年将达到2500亿美元。具有人工智能能力的边缘计算将成为制造业和其它行业最快的引擎之一。边缘计算将会快速推进数字化智能制造转型。

当前,虽然边缘智能仍处于发展初期,但随着5G的普及,边缘智能作为使能 5G 三大典型应用场景的计算范式,把IT服务环境和云计算能力扩展到了移动网络边缘,必将与云端智能协同助力制造业的数字化转型。

为此,本刊就边缘AI在数字化转型中的作用以及在制造行业的发展前景等问题特别采访了Achronix以及Silicon Labs公司,从中可以一窥边缘AI在工业制造业中的发展现状与未来。

受访人

1.png

Silicon Labs高级产品经理Tamas Daranyi先生

2.png

 Achronix产品营销高级经理Tom Spencer先生

边缘AI在工业制造领域的发展前景

Achronix产品营销高级经理Tom Spencer先生:制造领域将是边缘AI最重要的应用市场之一。今天,人工智能/机器学习(AI/ML)已成为大多数行业发展的主要趋势。许多行业正在迅速采用AI/ML技术来解决许多棘手的、其它方法无法轻易解决的问题。图像、视频、语音和机器生成的数字化数据呈现出爆炸式增长,这些数据来自包括设计系统、工业物联网和工业摄像头视频等在内的无数应用场景,这些推动了对分析技术的需求,以从数据中提取更多信息和获得更高的回报。

这些数据分析通常依赖于AI/ML算法,这种算法具有一种独特的功能,可以快速解决传统计算机算法无法解决的高维问题。边缘AI解决了云中AI/ML解决方案的延迟、安全性和复杂性等问题。因此,边缘AI可以帮助制造商以一种高效的方式在其工厂中部署AI技术。与此同时,半导体行业的进步和诸如Achronix的Speedster7t现场可编程逻辑门阵列(FPGA)等全新计算器件的推出,正在使边缘AI能够实现AI/ML算法的高性能计算,Speedster7t FPGA的特点是具有二维片上网络(2D NoC)和机器学习处理器(MLP)。

Silicon Labs高级产品经理Tamas Daranyi先生:现在的产品设计人员已看到了人工智能(AI)和机器学习(ML)的巨大潜力,可以为家庭安全系统、可穿戴医疗监测器、商业设施和工业设备监控传感器等边缘应用带来更多的智能化。所以,Silicon Labs认为边缘AI和ML将被广泛应用于工业和家庭。

边缘AI在推动制造业数字化转型中的作用

Tom Spencer先生:Achronix认为边缘AI在制造业的数字化转型中扮演着重要角色。在生产过程中,基于AI/ML的解决方案已经能够完成人类无法完成的任务。例如,使用工业摄像头和AI/ML算法进行过程中的光学检查。在制造运作中,具有边缘AI/ML功能和传感器的解决方案可以帮助对关键设备进行预测性维护。从技术上来讲,新的计算解决方案,诸如具有2D NoC和MLP的高性能FPGA的异构计算,以及集成嵌入式FPGA(eFPGA)的系统级芯片(SoC)或专用集成电路(ASIC),可以帮助解决方案提供商为垂直行业开发边缘AI解决方案,并为特定的制造场所打造专门的解决方案。

Tamas Daranyi先生:各行各业的数字化转型和日常生活中的新场景已经对边缘上的AI和ML、先进数据处理、音频、视觉等产生了需求。边缘AI可以助力制造业实现数字化转型,使其成为一个更有效、更熟练、更高效的行业。边缘ML计算支持广泛的、智能化的工业应用,包括用于异常检测的传感器数据处理、预测性维护、用于改进玻璃破碎检测的音频模式识别、简单命令词识别以及视觉应用,如使用低分辨率摄像头进行在场检测或人数统计。

边缘AI在发展中将面临的挑战

Tom Spencer先生:从宏观经济、微观经济、技术和解决方案提供商对AI/ML的部署等角度来看,边缘AI在制造领域的发展和实现方面都面临着诸多挑战。

宏观经济面临的挑战在于,制造领域是由许多不同的垂直行业组成。在这些不同的行业中,没有一种解决方案可以满足所有的需求。因此,解决方案提供商必须非常谨慎地选择合适的硬件平台,以达到经济规模的平衡。

微观经济面临的挑战在于,市场对边缘AI的需求是非常碎片化的,因为每个制造过程和场所对智能化和安全都有特定的要求。而且在制造执行系统(MES)、控制/自动化方面有许多不同的协议,其中大多数都是私有协议。除了AI/ML数据处理之外,该平台还必须执行各种功能,诸如在制造环境中运行不同的安全算法和协议转换等。

技术上面临的挑战在于,先进的制造场所总是采用传感器和摄像头等新的硬件、5G等新协议,以及全新的安全解决方案。边缘AI及其主计算设备需要高度的灵活性和可编程性来处理这些新兴的数据格式和来源。

最后,对于工业控制和自动化领域的许多解决方案提供商来说,部署AI/ML也是一个挑战。许多AI/ML算法的核心是模式识别,通常以神经网络的形式实现。AI/ML算法开发人员正在广泛采用深度卷积神经网络(DNN),因为这些深度网络为重要的图像分类任务提供了最先进的精度。AI/ML算法通常采用矩阵向量数学,这需要每秒进行数万亿次乘法/累加(MAC)运算。执行这些核心AI/ML数学运算需要许多快速的乘法器和加法器——通常称为MAC单元。

Tamas Daranyi先生:那些考虑在边缘设备上部署AI或ML的人员,他们都会面临性能和功耗使用方面的巨大困境,这些可能会超过其带来的好处,最终得不偿失。边缘AI解决方案需要具备业界所需功能的最佳组合,包括物联网边缘应用相关的对多样化无线多协议的支持、电池寿命、机器学习和安全性等。随着集成创新和行业合作的突破,在对AIoT期待已久之后,边缘AI于最近走进了我们的工作和生活。

颠覆性的边缘AI解决方案需要创新地集成不同的技术。无线SoC上的单芯片解决方案是确保高性能和高能效的最佳方式之一;它们还需要产业链之间的合作,以使硬件加速与AI/ML工具和算法相匹配。集成工具的能力是边缘AI成功的关键因素。

应用于工业制造领域的边缘AI解决方案

Tom Spencer先生:通过以上对挑战和解决方案的分析,我们可以发现,FPGA技术是制造业中边缘AI硬件平台的最佳选择,以应对来自技术、经济规模和面向未来的解决方案的挑战。为此,Achronix不断增强FPGA的优势,提供不断改进的解决方案。其中,Achronix为制造领域的边缘AI提供了全面的FPGA技术和产品组合。解决方案包括Speedster7t系列独立FPGA芯片、SpeedcoreeFPGA IP和VectorPath加速卡,所有这些都由Achronix ACE工具链提供支持。

具体来说,Achronix全新的Speedster7t系列FPGA器件设计在架构的各个方面都经过了优化,以便为AI/ML应用创建一个优化的、平衡的、大规模并行的计算引擎。每个Speedster7t FPGA都具有一个大规模并行的可编程计算单元阵列,并被整合成全新的机器学习处理器(MLP)模块。每个MLP都是一个高度可配置的、计算密集型的单元模块,具有多达32个乘法器,支持4到24位的整数格式和各种浮点模式,包括直接支持Tensorflow的bfloat16格式和块浮点(BFP)格式。

Speedcore嵌入式FPGA(eFPGA)半导体知识产权(IP)为ASIC和SoC带来了强大的和灵活的可编程逻辑。客户可以将SpeedcoreeFPGA集成到ASIC或SoC中,可用于高性能、计算密集型和实时处理应用,诸如人工智能(AI)、机器学习(ML)、5G无线、网络、存储和汽车。

与独立FPGA的设计过程不同,eFPGA设计人员可以为客户应用,选择所需逻辑、DSP(或MLP)、2D NoC和存储资源的确切数量。当需要灵活性时,也可以使用eFPGA,同时通过消除独立FPGA的多余功能来降低系统成本、功耗和电路板面积,这些功能在进入大批量生产时是不需要的。

VectorPath S7t-VG6加速卡旨在为人工智能(AI)、机器学习(ML)、网络和数据中心应用开发高性能计算和加速功能时,缩短产品上市时间。该加速卡采用了Achronix的高性能Speedster7t AC7t1500 FPGA,该FPGA器件采用台积电的7nm FinFET工艺技术制造。VectorPath S7t-VG6是Achronix与领先的企业级FPGA加速器产品供应商BittWare联合开发,可提供400G和200G以太网接口、GDDR6总存储带宽高达4 Tbps以及一整套软件和工具,可以立即开始使用。

凭借这一产品组合,解决方案提供商能够使用VectorPath加速卡为制造领域快速开发边缘AI/ML解决方案,可适用于不同的垂直市场。最后,解决方案提供商可以将其硬件解决方案集成到带有SpeedcoreeFPGA的SoC或ASIC之中,并将FPGA开发移植到芯片中,为制造领域的边缘AI提供最高的成本效益和功耗效率。

Tamas Daranyi先生:作为一家全球领先的拥有安全和智能无线技术、先进外围设备和先进计算内核的无线SoC供应商,Silicon Labs已经为边缘AI/ML制定了战略和路线图。该战略的一个关键部分是解决在无线SoC上尽可能快速和高效地运行ML模型的挑战。我们正在探索集成ML和无线连接功能的单芯片解决方案及其最有意义的、特别关注低功耗的应用,这将成为物联网行业的一场彻底变革。

更重要的是,Silicon Labs已经为此在2022年4月推出了两款全新的超低功耗2.4 GHz无线SoC系列产品—BG24和MG24,它们拥有片上AI/ML加速器,支持Matter、Zigbee、OpenThread、低功耗蓝牙、蓝牙网状网络、专有和多协议操作,并提供PSA 3级Secure Vault安全保护,是各种智能家居、医疗和工业应用的理想选择。这种专用硬件设计旨在快速而高效地处理复杂的计算,内部测试显示其性能提高最高达4倍,能效提升最多达6倍。由于ML计算是在本地设备上而不是在云端进行的,因此消除了网络延迟,加快了决策和行动。

SiliconLabs为市场推出了一个全新的软件工具包,可以让开发人员通过一些最常用的工具套件(如TensorFlow),来快速构建和部署人工智能和机器学习算法。此外,Silicon Labs还与一些领先的AI和ML工具提供商(如SensiML和Edge Impulse等)合作,以确保开发人员获得端对端工具链,简化机器学习模型的开发,并优化无线应用的嵌入式部署。将新的AI/ML工具链与Silicon Labs的Simplicity Studio以及BG24和MG24系列的SoC结合使用,开发人员可从使用Matter相互通信的各种连接设备中汲取信息,然后做出智能的机器学习驱动决策,从而推动制造业实现更好的数字化转型。

中国本土边缘AI技术发展特点

Tamas Daranyi先生:边缘AI/ML是一个全球性的发展趋势,中国在边缘AI的应用和发展中有非常重要的作用。除了边缘AI在家庭、办公室、城市、工厂和商业场所等具有潜在应用,中国还有大量的开发人员,他们对于边缘AI的最终落地至关重要。所以Silicon Labs在BG24和MG24的开发中投入了大量的资源与中国的客户和合作伙伴进行合作。在正式发布这些SoC之前,有超过50家致力于在这些芯片方案上做开发的先期(Alpha)客户已经在做相关应用开发。其中的中国公司已经为不同行业开发了具备边缘AI能力的解决方案。Silicon Labs一直在帮助他们更深入了解该系列芯片的创新性能,并充分利用其优势,将自己的产品快速推向中国乃至全球市场。

编者注:边缘AI把AI与边缘计算有机的融为一体,在制造领域拓展了崭新的应用。虽然还在发展的初级阶段,但其发展的巨大潜力不容小觑。除了Achronix、Silicon Labs公司,还有很多公司瞄准了工业边缘AI的发展前景。我们相信,伴随着工业边缘AI的发展,制造业的数字化转型一定会提前到来。(Katie)


分享到:
  点赞
  收藏
  打印
评论(0
已输入0
最新文章
 2022-06-08