首页>行业资讯> 正文 
投稿
2025中国智能制造 阔步向前
  2024-12-26   

人工智能赋能新型工业化,是推动中国制造业加速向数字化、网络化、智能化发展的重要途径。工业和信息化部在10月份发布2024年前三季度工业和信息化发展情况显示:前三季度规上工业增加值同比增长5.8%,工业投资连续8个月呈两位数增长。近几年累计培育421家国家级智能制造示范工厂,建成万余家省级智能工厂,13家中国企业入选全球“灯塔”工厂,中国“灯塔”工厂总数达到72家,占全球42%。中国初步构建了较为全面的人工智能产业体系,相关企业超过4500家,核心产业规模已接近6000亿元人民币,产业链覆盖芯片、算法、数据、平台、应用等上下游关键环节。

伴随着2025新年的脚步,回顾2024年中国智能制造行业的发展,各家企业曾经推出哪些新技术、新产品、新方案投身中国智能制造的洪流中,对即将到来的2025又有怎样的期待与希望。从他们的回复中,我们相信2025年中国智能制造将继续阔步向前!

 

2024年,公司在工业AI领域有怎样的进展?

图片1.png 

安森美亚太区应用工程技术总监 Hector Ng先生


在智能感知技术上,安森美多种应用于工业AI的智能感知产品,包括高速工业检测方案、最新的iTOF运动深度感知方案、低功耗相机方案、8K摄像机方案、20MP工业检测方案、近红外方案以及双目立体相机方案等,不仅提高了工业检测的速度和精度,还为工业机器人、物流、安防监控等领域提供了精准的深度感知能力和优质的成像效果。而在智能可穿戴、智能家居乃至不断衍生出的新兴的AI等细分应用领域,安森美Hyperlux LP 系列传感器功耗超低,还支持内置的运动侦测功能,可以只需要在侦测到运动物体时快速唤醒系统工作,进一步优化了系统的功耗,内部采用了堆栈式架构设计,能最大限度地减少产品体积,最小型号小如一粒米。

以AR0822传感器为例,内置了高动态范围融合算法和运动物体捕捉算法,在保证图像质量的同时,降低系统资源的消耗,支持多种多次曝光合成线性化拟合功能—DLO以及SCMAX智能拟合,这种模式降低了多次曝光合成时的亮度临界区域的噪声,实现了120dB的图像数据输出,减少了后端处理器的接收数据和处理时间,提升了图像细节的呈现效果。此外,AR0822还具备增强的近红外灵敏度和像素合并/开窗输出等精密的摄像功能。

针对AI数据中心应用,安森美最新一代T10 PowerTrench系列和EliteSiC 650V MOSFET的组合能够支持大算力的人工智能基础设施建设,提供高效的能量转换能力,支撑5G通信基础设施和人工智能计算平台中的高速数据传输和复杂算法处理。

 

图片2.png

莱迪思亚太地区应用工程高级总监谢征帆(Frank Xie)先生

 

随着AI技术的兴起,有着“万能芯片”之称的FPGA芯片成为支持这些新场景应用的优先选择。在AI席卷千行百业的当下,莱迪思通过其FPGA芯片正帮助越来越多客户实现AI应用。

莱迪思对AI领域的兴趣与投入可以追溯到2019年,当时公司在投资者日上发布了sensAI解决方案集合,标志着其正式进军AI市场。此后,AI技术逐渐融入莱迪思的多个产品线中,成为推动公司发展的重要动力。2021年莱迪思专门收购了一家AI软件公司Mirametrix,进一步提升了公司在AI领域的研发实力和市场竞争力。2023年底,莱迪思更是与英伟达宣布在边缘AI市场展开合作,共同推出了针对使用英伟达Jetson Orin和IGX Orin平台的AI应用的传感器桥接设计,旨在加速边缘AI应用的开发。经过几年的努力,莱迪思在AI领域的收入已经取得了显著增长。截至2023年,公司在AI方面的收入已经超过了1亿美金,充分证明了其在AI市场的强大竞争力。

莱迪思现有的工业AI产品:随着边缘人工智能 (Edge AI) 的日益普及,相机在工业和自动化行业中的部署速度和规模正在呈现大幅增长态势。集成USB器件功能的莱迪思CrossLinkU-NX FPGA产品系列更好地赋能工业和自动化行业。给工程设计人员提供一款具备高度可扩展性、低价格、低功耗,且提供灵活互连、支持各种I/O标准和协议的解决方案。CrossLinkU-NX FPGA基于莱迪思Nexus平台,其原生版本CrossLink-NX FPGA结合了28nm FD-SOI技术和优化的FPGA架构,减少了100倍的软错误率,功耗降低达75%,两个硬核4通道MIPI D-PHY收发器速率为10Gbps/PHY。采用小尺寸WLCS封装,最小仅为4mm x 4mm。CrossLinkU-NX FPGA通过硬核USB控制器和物理层(PHY)、独特的低功耗待机模式和一整套参考设计,加速设计配备了USB的系统并简化散热管理。

2024年,莱迪思也为小尺寸FPGA产品中再添一款逻辑优化的全新莱迪思Certus-NX FPGA器件。新产品包括两款新器件,即Certus-NX-28和Certus-NX-09,拥有多种封装选项,可提供低功耗、小尺寸和可靠性以及灵活的迁移选项。这些器件旨在加速广泛的通信、计算、工业和汽车应用。

 

图片3.png

瑞萨电子全球销售与市场副总裁、瑞萨电子中国总裁赖长青先生


为推动AI在各个领域的发展,瑞萨成立了专门的人工智能中心,帮助嵌入式工程师学习和开发边缘AI应用,该中心能够提供成熟的开发工具、模型和算法,方便工程师快速上手,从而推动AI在工业领域的创新应用。依托人工智能中心,瑞萨提供从底层到应用层的软硬件支持,覆盖基于信号的实时分析、视觉、声音等多种应用场景,从而使客户更轻松的开发产品。在实际应用落地方面,瑞萨成功地将AI技术应用于光伏/储能设备的拉弧检测、电机运行平衡感知、暖通设备的预测性维护、电网电能质量诊断、机械设备链条磨损及电机健康状况评估等场景,解决应用痛点,帮助用户减少维护和管理的成本。


图片4.png

XMOS亚太区市场和销售负责人牟涛先生


正在快速发展的人工智能、物联网和边缘计算等技术正在全面改变我们的生活和工作,也给XMOS在近年来带来了许多新的机会,例如基于我们xcore处理器的智能多通道音频技术,不仅可以带来更完美的高品质音乐和更易用高效的人机界面,而且还在现代远程会议和协同领域成为了行业事实标准,所以类似我们xcore这样的边缘智能带来的变化才刚刚开始。在2024年,XMOS和我们的客户及合作伙伴携手合作,利用我们的xcore边缘计算平台器件,以更智能的机器、更高效的运行和更实用的维保为目标,在消费电子以外的工业和汽车等重要智能物联市场中,开发了市场所需的各种智能化解决方案,包括智能音频数据的监测设备、精度极高的电机控制、先进的传感器连接及数据处理等许多全新功能。XMOS正在全球快速扩大的智能制造领域中,用基于我们xcore平台的软件定义SoC去创新更大的生态。


图片1.png

研华(中国)嵌入式物联网平台事业群总经理许杰弘先生

2024年,研华科技在工业AI领域取得了显著的进展。我们不仅在Edge AI技术上实现了突破,还推出了一系列创新的边缘计算解决方案,以满足不同行业的运算需求。
在边缘计算领域,研华已完成全面布局,致力于根据不同设备及场景控制需求,提供多元化的计算方案。研华深知,Edge AI的发展离不开软硬件的深度整合。因此,我们针对不同行业的算力需求,与英特尔、AMD、恩智浦、瑞芯微等全球领先的芯片厂商深度合作,结合他们在处理器内核技术方面的优势,为各种嵌入式和AIoT应用注入强大动力。同时,我们也在积极推进Edge AI的布局和发展,通过启动与AI相关的项目和投资,加速工业企业的数字化和智能化进程。


图片2.png

芯科科技中国区总经理周巍先生

作为一家专注于物联网(IoT)的企业,工业领域一直是芯科科技(Silicon Labs)重点关注和投入的领域。我们可以提供低功耗、高性能且灵活的无线连接方案,协助开发人员打造创新的、具有差异化功能的工业物联网产品,来解决工业应用场景中的碎片化问题和其他各类挑战。同时,随着近年来人工智能(AI)技术的加速发展,也使芯科科技看到了人工智能和物联网融合发展的重要性,推出了多款加载人工智能/机器学习(AI/ML)功能的无线芯片,这将给包括工业在内的诸多领域实现智能化发展提供重要支持。
芯科科技已经在xG24、xG26等多款SoC和MCU产品中集成了专用的人工智能/机器学习加速器,可以实现处理速度和能效的显著提升。2024年,芯科科技重磅推出了xG26系列产品,这是面向未来打造的产品。与xG24系列产品相比,其不仅闪存、RAM和GPIO容量增加了一倍,而且凭借更先进的人工智能/机器学习专用内核,其处理机器学习操作的速度提升了高达8倍,而功耗仅为传统嵌入式CPU的1/6,可以支持设备制造商开发适用于各种工业场景的先进边缘智能应用。
此外,芯科科技即将推出的第三代无线开发平台产品将采用芯科科技第二代矩阵矢量处理器,可以将复杂的机器学习运算从主CPU卸载到专门的加速器上,从而显著提升无线设备的机器学习性能(最高可达100倍),同时大幅降低功耗。这种人工智能和物联网的技术融合,将使设备制造商能够更从容地应对工业物联网设备在人工智能/机器学习功能方面的挑战,从而进一步推动‌工业智能化应用加快发展。


公司对2025年工业AI的发展有怎样的愿景?

 图片5.png

ADI首席AI官Rashmi Misra女士


我认为工业 AI 在制造业中会发挥更关键的作用,推动效率提升、创新和增强竞争力。我们会看到更多 AI 技术的无缝集成,同时更加关注伦理问题、卓越运营,并利用 AI 进行产品开发。

工业 AI 有望显著改变制造业,并将更深地融入生产运营,提高效率和生产力。其应用包括预测性维护、质量控制和供应链优化。例如,AI 驱动的预测性维护能够预测设备故障,减少停机时间和维护成本。此外,AI 支持的质量控制系统可以实时检测缺陷,确保更高的产品质量。

我预计,边缘 AI 将通过越来越专业化的边缘 AI 芯片推动应用发展和提升效率,这些芯片能够以更低的功耗执行任务。像 TinyML 和模型量化这样的 AI 技术将继续进步,使更复杂的 AI 算法可以在资源有限的设备上运行。我们可以期待在小型边缘设备上看到更多实时语音识别、计算机视觉和预测性维护的应用,以及更多本地数据处理。

目前的边缘应用大多使用预训练模型,但未来设备上实时训练和微调将变得更加普遍。这意味着边缘设备可以随着时间的推移根据本地数据变化进行学习和调整,从而在无需依赖云端重新训练的情况下提升性能和个性化。


图片6.png

安森美亚太区应用工程技术总监Hector Ng先生


随着技术的不断进步及其在各行各业中的深化应用,AI已成为推动经济增长和社会转型的关键力量。从技术角度看,AI正向着更加智能化、个性化和人性化的方向发展,能够处理更加复杂的任务,并且通过与大数据、云计算、物联网等其他前沿技术的融合,创造出前所未有的解决方案。特别是在自动驾驶、医疗诊断、智能制造、智慧城市等领域,AI技术的应用正在改变传统行业的运作模式,提高生产效率和服务质量,同时也为全球经济创造新的增长点。

 

安森美期望通过持续的研发投入,在智能电源管理和智能感知技术方面保持领先,特别是在工业AI领域,利用碳化硅、图像传感器和其他关键组件方面的技术优势,提供更高效率、更可靠、更智能化的解决方案,以满足工业自动化和智能制造日益增长的需求。例如结合深度学习和神经网络技术的图像传感器设计正引领着智能感知的新浪潮,这些传感器通过集成或紧密配合专用的AI处理单元,能在边缘侧直接执行复杂的目标识别、分类甚至预测任务。为了在更复杂多样的环境中更精准、快速的输出场景信息,安森美的图像传感器未来将会集成更高分辨率,更快速率,嵌入更多的智能算法甚至深度算法、以及非可见光波段的检测等,为边缘智能带来更精美、更细致的图像。



图片3.png

 瑞萨电子全球销售与市场副总裁、瑞萨电子中国总裁赖长青先生


当前,人工智能正以惊人的速度融入我们的工业体系之中,随着算法的不断优化、算力的持续提升以及应用场景的不断拓展,AI将在智能制造、智能物流、智能运维等多个环节发挥关键作用,开启工业4.0乃至更高阶段的新篇章。对于工业智能化的布局,瑞萨的部署可分为两类:

  • 基于信号的实时分析,通过Reality AI工具及解决方案,可进行机器学习模型开发,同时生成可解释性+硬件分析,为客户提供解决方案+参考设计。在边缘节点上Reality AI融合了先进信号处理和机器学习功能,也非常适合工业物联网应用。

  • 机器视觉,依托内置瑞萨专用AI加速硬件(DRP-AI,Helium矢量加速器)的MCU/MPU,我们提供e-AI模型转换工具。配合瑞萨RZ/V2系列MPU或RA8系列MCU,可为客户提供一个覆盖AI性能要求的MCU/MPU平台。并且通过搭载瑞萨自有的DRP-AI,客户可以完成端到端AI推断,无需CPU介入处理。


图片4.png

XMOS亚太区市场和销售负责人牟涛先生


XMOS非常看好工业领域的发展,我们的产品也非常适合应用于新一代的智能制造场景和更先进的工业控制中。具体来说,XMOS的xcore平台软件定义SoC芯片在工业领域的以下三个应用场景中已经取得了突破:

  • XMOS的xcore器件有类似于FPGA的多核并发处理架构,而且可以实现恒定的低延迟,从而被完美地应用于多轴、高精度电机控制,以及电机之间的协调和并行处理,完美体现了XMOS产品超强的多任务运动控制能力;

  • xcore平台还可以灵活地配置I/O硬件,同时还具有多功能多核操作和缓冲,精确的时钟和高效的序列化功能。这些功能在工业场景中不仅可以方便地同时连接多种传感器,而且还使软件设计人员能够把时间关键型I/O处理从主处理器上卸载,以为复杂的实时应用程序创建高速、确定和低延迟的接口,并进行数据格式整理、传感器数据融合甚至在边缘就进行处理;

  • xcore的嵌入式AI处理能力,使工业用户可以开发各种各样的固定式或者便携式制造或者维保工具,实现产品缺陷在线监测和预测性维护等工具性创新。凭借xcore的AI推理能力,结合工业光学监测、麦克风声音检测、电磁环境监测等配件功能,通过对工业现场出现的异常图像和声音/电波谐波进行分析,从而进行免安装、可配置的实时产品和设备检测和监测。

凭借十多年来在各种工业场景中的优异性能,xcore平台器件已经赢得了全球工业客户的信任,提供了制造场景所需的确定性和低延迟;特别是内生具有的实时性能和精确的控制能力,小小的xcore平台器件能够创建强大的工业应用产品。


图片1.png


研华(中国)嵌入式物联网平台事业群总经理许杰弘先生

展望2025年,研华科技对工业AI的发展充满了期待。我们坚信,随着技术的不断进步和应用场景的不断拓展,Edge AI将在工业自动化、智慧城市、智慧医疗等多个领域发挥更大的作用。在Edge Computing & Edge AI引领的工业革命中,研华嵌入式物联网事业群将以技术服务为核心,提供创新的软硬件整合方案,协助充分调用GPU资源来满足市场深层需求。


图片2.png

芯科科技中国区总经理周巍先生

2025年,芯科科技将继续开发和优化集成人工智能/机器学习加速功能的无线SoC和MCU产品,尤其是上述提及的第三代无线开发平台产品以及第二代无线开发平台产品,以助力工业设备和应用持续提升智能化水平。同时,芯科科技也将进一步强化与工业领域客户、伙伴的合作关系,共同探索和打造创新的工业IoT+AI解决方案。


过去一年工业AI行业发展的热点问题、新概念、新进展

 图片5.png

ADI首席AI官Rashmi Misra女士


在工业领域,生成式 AI 已从理论研究逐渐转向实际应用。企业正在利用这些模型改进产品设计、优化制造流程、快速定位工厂车间的故障原因,并提升供应链管理。

AI 与机器人技术的融合使机器更加智能、适应性更强,能够执行复杂任务。随着大型语言模型为机器人应用注入新的活力,这种进步更为显著,加速了机器人前沿模型的发展,使其部署更快速、更灵活。

图片2.png

莱迪思亚太地区应用工程高级总监谢征帆先生 

 

更多行业正加入到应用人工智能浪潮当中来,包括服务器、边缘、工业相关人工智能计算,汽车、高级驾驶辅助系统、车内监测等等。

莱迪思也在拓展AI功能在更多垂直领域的落地,例如AI在农业领域的应用。所谓的农业智能机器,就是色选机方案,完成对花椒的筛选。“当落下来一批固体时,这个机器先要把和花椒形状一致的东西挑选出来,下面的喷嘴进一步识别,如果发现不是花椒,喷嘴就会提供气流把东西吹掉。”谢征帆介绍说,“传统色选机精度较低,很多客户开始采用AI方案来实现。AI会对花椒的物体形状进行标注,然后放到神经网络里训练,训练之后把参数放到机器中,就可以实现筛选功能。美国也有类似的方案,比如农业除草机,下面有传感器来判断是杂草还是作物,如果是杂草,就通过激光除掉。”

 

图片6.png

安森美亚太区应用工程技术总监 Hector Ng先生

 

过去一年,边缘智能在工业AI领域取得了显著进展,特别是在性能优化、安全性和实时性方面,具有广泛的潜在应用价值,例如工业自动化领域实现智能制造提高工厂设备的效率和可维护性,在智能交通领域实现高级驾驶辅助与道路环境监控,医疗保健领域实现远程健康监护,等等。

此外,随着人口老龄化,用户对智能化诊疗体验需求的不断提升,个性化医护设备如助听器的设计不再是简单的音频放大组件,而需要变得更为专业及智能,从而进化为集成了高级数字信号处理、人工智能算法与低功耗管理的微型计算平台。安森美拥有30多年的助听器芯片设计经验,打造了一系列先进的专业数字助听器/OTC辅听方案,包括Ezairo 7160、Ezairo 8300/8310、J10/J20低功耗蓝牙无线OTC等平台。其中,Ezairo 8300/8310在常规处理基础上,扩展到了6核解决方案,处理能力提升了一倍以上,内置了一颗NNA神经网络加速器,可解决AI离线计算的需求,在低功耗状态下能够进行语音唤醒、调整音量、基本参数调整等本地处理,结合用户使用助听器的习惯,通过深度学习的算法来实现自动适配功能。

 

 

图片3.png

瑞萨电子全球销售与市场副总裁、瑞萨电子中国总裁赖长青先生

其实近两年的热点话题一个是生成式AI,另一个是边缘AI。虽然边缘AI不算新的概念,但其在过去一年发展迅速。边缘AI是指将AI技术部署在设备的边缘端,即靠近数据产生的源头进行处理和分析。这种技术可以降低数据传输的延迟和成本,提高数据处理的实时性和安全性。瑞萨电子在边缘AI领域进行了大量投入,除了强大的硬件支持外,软件方面,公司推出了面向边缘AI的一站式开发平台Reality AI,帮助开发者在云端构建专属的模型,并在本地边缘节点上完成部署。同时,瑞萨还联合超过250家生态合作伙伴合作,共同打造完善的边缘AI生态系统,为客户提供丰富的软件库和解决方案。

而生成式AI利用机器学习技术,从训练数据中学习到“思考”的模式,能够创造具有原创性的输出。这种技术具有自主学习、跨模态理解、推理抽象思维和人类社会理解等特征优势,为工业领域的创新提供了强大驱动力。此方面,虽然瑞萨没有直接部署相关的技术,但是公司旗下的电源和模拟相关器件都在此领域发挥重要作用。


图片1.png

研华(中国)嵌入式物联网平台事业群总经理许杰弘先生

在过去的一年里,工业AI行业涌现出了许多热点问题和新概念。其中,Edge AI作为新兴的技术趋势,正以其独特的数据处理能力和实时响应优势,受到越来越多的关注。此外,随着生成式AI技术的不断发展,AIGC边缘AI也成为了行业内的热门话题。在这一背景下,研华科技紧跟技术潮流,不仅在传统自动化边缘AI领域取得了显著成果,还在AIGC边缘AI领域进行了积极探索和实践。我们推出了针对图像识别技术的工业AI解决方案,以及知识库和数据处理软件等,为行业提供了更为丰富和多样化的产品和服务。


图片2.png

芯科科技中国区总经理周巍先生

随着人工智能技术的不断发展,为工业领域带来了新的机遇。它正在逐步应用于工业生产的各个方面,包括设备实时监控、预测性维护、质量控制、流程优化、供应链管理、能源管理、协作机器人、需求预测和远程运维等。可以说,人工智能技术正在凭借强大的数据分析和处理能力、智能化的决策能力以及高效的自动化执行能力,推动工业领域实现革命性的变化。与此同时,人工智能技术也正在与物联网、大数据、云计算等先进技术深度融合,为工业领域提供功能更多、性能更优、效率更高的解决方案。人工智能在工业领域的持续深入应用,也在推动工业生产模式的创新和变革,除了智能化和高效化,它也帮助工业生产在绿色化、个性化、服务化等方向上实现了延伸发展,已成为推动工业发展的一项关键性技术。

 

工业AI的未来将面对怎样的技术与应用挑战?

 图片5.png

ADI首席AI官Rashmi Misra


数据质量和可访问性仍是工业 AI 面临的主要挑战。工业 AI 依赖于大量来自传感器、机器和生产线等不同源头的数据,但这些数据往往分散在不同部门内部,或者存储为不兼容的格式,导致数据整合困难。此外,工业数据可能存在噪声、不完整或不平衡的问题,特别是在老旧设备或传统系统中。要获得准确的 AI 见解,必须对数据进行清理和标准化,这是一项耗时耗力的工作。

确保工业环境中的智能系统稳定可靠同样至关重要。罕见但不可忽视的事件(如设备故障)在训练数据时可能无法得到充分体现,从而限制了 AI 系统有效处理这些状况的能力。

工业应用通常需要实时处理和决策,比如缺陷检测和设备监控。实时运行复杂AI 模型所需的算力会增加边缘设备的负担及延迟。另外,运行高级 AI 模型(特别是深度学习)往往需要消耗大量能源。在工厂环境中,效率和可持续性至关重要,因此最大程度地降低 AI 的能耗很关键。开发低功耗模型和优化 AI 运营以提升能效将是实现工业 AI 可持续发展的重点。


图片6.png

安森美亚太区应用工程技术总监 Hector Ng先生


工业AI包括工业数字孪生应用往往伴随着大规模数据处理和高功耗数据中心,这对服务器电源的能效比提出了更高要求,因此,如何为AI数据中心部署高能效高功率密度的电源方案显得尤为重要,也成为行业亟待破局的一大痛点。安森美在服务器和数据中心领域提供了一系列先进的技术和产品,旨在满足这些高性能计算环境的需求,包括高、中、低压功率分立器件、先进的功率模块方案、智能功率级、数字多相控制器及热插拔智能保险丝、负载点DC-DC稳压器、LDO产品等。随着市场对高能效的AI服务器电源解决方案的需求日益增长,为降低AI数据中心的整体运营成本并符合环保标准,安森美也将基于SiC MOSFET等技术,研发适合AI服务器使用场景的更高转换效率、更强稳定性的电源方案,实现精细化、动态化的电源分配和能效优化,推动AI的发展。

 

另一方面,安森美认为在工业AI中,嵌入式应用和图像传感技术是接下来比较重要的方向,结合AI,机器视觉也会发生革命性的变化。作为智能感知技术领袖企业,安森美致力于为客户提供更好的人工智能感知方案,当前广泛实用的CMOS图像传感器分为全局曝光和卷帘曝光两大类,安森美完全掌握了这两种技术并且有广泛的产品方案,我们认为,未来的图像传感器依然会追求高分辨率,高画质,低成本,这也是安森美图像传感器不断推陈出新的目标。此外,安森美收购了SWIR Vision Systems,显著增强公司的智能感知产品组合,扩展安森美在支持下一代成像系统的深度感知和 3D 成像方面的能力,并为工业、汽车等关键市场的进一步发展铺平道路,尤其是监控、机器视觉、食品检测、自动驾驶等领域。

图片3.png

瑞萨电子全球销售与市场副总裁、瑞萨电子中国总裁赖长青先生


对于任何领域的AI来说,最关键的是三个方面:语音、视觉和基于信号的实时分析。首先,语音识别和控制技术已经越来越成熟,可以应用于各种终端设备和商业化场景。这种技术的发展使得人们可以通过语音来控制各种设备,提高工作的便利性和效率。其次,机器视觉也是工业AI的关键所在。它可以用来做故障检测,或者实现生产过程的筛选,提高产能的质量。另外一个重要的技术,就是信号实时分析。其通过感知各种传感器的数据,进行实时分析,从而提高决策的准确性和效率。

以往人工智能技术依赖于云端,所有的大数据、管理、决策都是集中在云端,这可能会导致数据延迟和隐私泄露风险。在这种情形下,将计算和数据处理下沉到边缘端是一个很好的办法。基于这一思考,瑞萨将关注如何帮助传统的嵌入式工程师将设计规格转换为基于大数据的人工智能设计,因此公司建立了更多的样例和模型,这些模型可以转化为更智能的迁移学习、甚至转化为新语言的代码,从而加快智能设计,让工程师从零开始,把嵌入式开发转化实现为人工智能开发。


图片1.png

研华(中国)嵌入式物联网平台事业群总经理许杰弘先生


我们也清醒地认识到,工业AI的未来将面临着诸多技术挑战。例如,如何更好地解决算力差异化需求的问题,如何实现软硬件的深度融合和定制化设计,以及如何确保边缘设备的安全性和能效等。这些挑战都需要我们不断地进行技术创新和突破。因此,研华科技将继续加大在技术研发和人才培养上的投入,不断提升自身的技术实力和创新能力。同时,我们也将积极与行业内外的合作伙伴开展合作与交流,共同应对技术挑战,推动工业AI技术的不断进步和发展。


图片2.png

芯科科技中国区总经理周巍先生

首先,相比一般场景,工业场景对人工智能运行的可靠性、稳定性和准确性都有更高的要求,运行过程中产生的任何故障或错误都可能导致生产线停机,造成重大经济损失,甚至威胁到工作人员的安全。
其次,在工业领域应用人工智能时,信息安全也至关重要。工业数据通常包含敏感信息,如生产计划、设备状态等,保护这些数据不被非法访问或篡改非常重要。同时,还需要防止恶意攻击者利用人工智能系统中的漏洞对工业生产进行破坏。
此外,即使应用了人工智能技术,工业场景目前或一段时间内尚不能实现完全的无人化,因此,还需要考虑工作人员与人工智能设备/系统之间如何实现有效的承接和转换。

 

如何看待过去一年中国工业AI行业发展?面临怎样的挑战?

 

图片6.png

安森美亚太区应用工程技术总监 Hector Ng


过去一年,中国工业AI行业取得了显著的发展,企业技术创新的加速以及市场需求的持续增长,推动了制造业的数字化转型和智能化升级。同时,中国企业在智能感知、大数据分析、机器学习等领域取得了进步,特别是在5G、物联网等新一代信息技术的支持下,工业AI的应用场景不断拓展,为提升生产效率、降低成本、提高产品质量等方面带来了巨大潜力。

然而,随着产业应用的加深加速,中国工业AI行业也面临着一些挑战。应用场景日益细分,市场竞争日趋激烈,企业和研究机构需要不断投入资源,跟踪最新技术动态,以保持竞争优势。例如智能感知的工业AI应用场景例如工业AI检测、工业扫码及机器人等,其中图像传感器作为AI视觉系统的眼睛,如何在更复杂多样的环境中更精准、快速的输出场景信息至关重要。因此,图像传感器有赖于更高分辨率、像素、景深、非可见光检测等核心能力。工业检测对精度和细节越来越高,新兴行业如新能源、光伏、锂电等需要检测的项目越来越多,随着算法的进一步强大,大分辨率逐渐成为一个新的成长需求。此外,工业AI应用场景越来越细分,如何满足多元化的场景需求也是挑战,例如安森美各种图像传感器可以做双目或者配合结构光得到3维数据,有配合激光实现的dTOF即SiPM, SPAD 解决方案来满足远距离的应用需求,以及smart iTOF的解决方案结合背照式全局快门的像元技术满足短距离的应用需求,无论是用在服务机器人、物流仓储,工业测量检测,帮助客户满足对应的技术挑战。

 

 

图片3.png

瑞萨电子全球销售与市场副总裁、瑞萨电子中国总裁赖长青


现阶段中国制造业智能化转型升级的本质就是从解决可见问题到解决和避免不可见问题的过程。因此如何利用工业大数据和人工智能技术预测生产系统中不可见的问题是一项重要挑战。在此方面,瑞萨正积极探索并应用先进的软硬件解决方案,以提前预警潜在的生产故障,减少日常维护成本。例如,瑞萨的RealityCheck Motor 嵌入式AI电机预测性维护方案,这是一个实际应用RAI技术的例子。我们知道在构建整体解决方案时,要选择正确的传感器,收集适当的数据,并选择最有效的模型。而RAI AutoML工具能够自动构建最有效的模型,帮助用户解决从传感器的选择和放置,甚至完全消除传感器,到数据收集的每一步问题。如果客户没有很好的数据集,瑞萨有一个完整的硬件-软件框架专门用于数据收集。

在此方案中,AI仅仅使用电子信号信息,没有任何传感器辅助条件下,可以预测一个不平衡负载状况。并且方案能在广泛的频率和速度范围内运行,推理时间非常快,仅需约3.5毫秒,并且只占用20KB的Flash和9KB的RAM。这样,在M33内核上就留下了足够的带宽来完成核心电机控制功能和其他任务。


图片2.png

 芯科科技中国区总经理周巍先生


过去一年,随着“人工智能+”行动的提出,可以看到人工智能在中国工业领域的应用取得了不错的进展,产品制造、设备维护、质量控制、物流等多个环节都可以看到人工智能技术在发挥越来越重要的作用。
此外,人工智能在边缘设备上的应用,以及与物联网技术的结合也成为业界正在追逐的趋势,这对于中国这个重视人工智能和物联网技术的工业大国而言,无疑将出现更加广泛、深入的工业IoT+AI应用。
中国工业领域应用人工智能技术所面临的挑战与上述提及的挑战无异,但同时人工智能为现代工业也带来了大量机遇。工业产业链上下游企业应该积极拥抱人工智能技术,加强创新和应用,在提高自身竞争力的同时,推动整个产业实现更高的智能化和更加可持续的发展。


在工业AI的生态系统中,公司提供怎样的解决方案?发展愿景?面临哪些挑战?如何解决?

 图片5.png

ADI首席AI官Rashmi Misra


未来,多模态 AI 将通过整合多种互补传感器输入,提供更深入的洞察,帮助系统实现更优且更具针对性的操作。这将推动传感器的大量广泛应用,为我们广泛的信号链和电源产品组合带来显著的增长动力。

在声学领域,我们正与客户合作,通过开发带有嵌入式神经网络的 5 纳米数字处理器,优化机器学习算法,从而打破传统噪声消除技术的局限。这项核心技术将使我们能够在完整的系统解决方案中进一步优化信号链和电源。我们的 AI 技术将在听力优化、路噪消除、语音意图识别等应用中产生积极影响。

在电源领域,我们利用 AI 解决数据中心电源调节的难题,应对不稳定的电力需求。

我们的解决方案简化了系统设计,将原本需要数周的工作压缩至数小时,帮助客户降低成本,缩短上市时间。

机器人技术也将进一步发展,自主机器人将与人类并肩协作,提高生产率与安全性。AI 驱动的质量控制将实现实时缺陷检测,确保产出一致性,这在对质量标准具有严格要求的行业中尤为重要。

图片2.png

莱迪思亚太地区应用工程高级总监谢征帆先生

 

首先,芯片研发的复杂性极高。这包括构建和优化FPGA的架构,确保它能够高效地处理各类数据应用,同时还涉及到软件工具的开发与持续进化。这一过程不仅需要深厚的技术底蕴,还与大量经验积累紧密相关,因此投入巨大。若缺乏足够的业务量支撑,技术上的突破将变得异常艰难。其次,市场和销售方面的挑战同样不容忽视。FPGA的发展路径在于不断开拓新的应用领域和技术边界。然而,一旦这些应用或技术变得成熟,成本更低的ASIC往往会迅速取代FPGA。这就要求FPGA开发者必须不断创新,在性能和硬件技术上持续探索,以确保在未来5到10年内保持竞争力与发展潜力。

展望未来,莱迪思将继续加大在AI领域的投入。一方面,公司将持续投资并推出新一代的更小型FPGA,以满足AI应用不断增长的算力需求。另一方面,莱迪思也将关注下一代中档FPGA的发展,并不断丰富其软件工具和解决方案集合,为客户提供更加完善的AI开发平台。同时,莱迪思也透露后续产品迭代的方向包括低功耗、先进且灵活的连接性以及针对新兴应用优化的计算能力,并且安全性贯穿其中。

 

图片6.png

安森美亚太区应用工程技术总监 Hector Ng先生

 

安森美的战略是聚焦加速发展的大趋势,专注于可赋能颠覆性创新的高度差异化智能电源和智能感知产品,赋能并支持可持续的生态系统。在工业AI生态系统中,智能电源具有不可忽视的重要价值。安森美拥有先进的SiC、IGBT和栅极驱动技术及持续创新的封装,在SiC领域具有独特的优势。安森美这样拥有数十年硅制造技术,在将SiC以最佳性能和质量、合适的成本大批量推向市场方面走在前列,提供从衬底/外延、晶圆、裸片/器件、模块到系统的一条龙应用支持,和垂直整合的生态系统以降低价格并加快上市时间,在整个SiC供应链全部环节,包括基板衬底到最终产品到封装相关的技术都会进行比较大的投入,以支持我们与客户达成的战略合作。此外,安森美还积极保持与客户密切沟通,从而为客户提供专门配套的IC和参考设计,乃至创建高度定制的系统方案,使客户能充分利用SiC的优势,推动SiC的应用和发展。

 传感器作为工业AI生态系统的数据入口,安森美是智能感知技术全球领袖,我们的智能感知技术赋能工业4.0,实现更智能的工厂、楼宇和家居。我们的优势是长期的投入,提供最全面的产品方案,例如工业AI中的图像传感器方案集成硬件安全模块、安全启动视频认证和控制加密,确保网络安全。安森美智能传感引领工业AI应用中的发展趋势,例如在工业AI的图像传感器领域,从紧凑经济型的全局快门,星光级的卷帘快门,到针对平板显示器市场、工厂自动化等的超高分辨率,技术上也会进一步提高全局快门像元性能、低功耗设计及增大动态范围。


图片4.png

XMOS亚太区市场和销售负责人牟涛先生


XMOS一直在追求让各行各业的客户能够仅用软件编程的方式,自己就能定义和实现高性能、高确定性和智能化的软件定义SoC解决方案,使客户和伙伴的工程师能够充分地发挥其创造性,同时他们开发的解决方案还能够更完美地适用于每一个场景,无论应用是消费产品和工业应用,还是智慧城市、先进农业和协作机器人。为了适用于无边无际的应用场景,xcore®系列平台化软件定义SoC拥有完善的架构,可提供高性能的可配置DSP、边缘AI、控制功能和I/O。

XMOS已向市场推出了三代xcore技术,既可以完成像MCU的控制功能,也可以实现像FPGA的标准时序,更能满足像DSP的复杂数据运算处理,可谓集MCU、FPGA和DSP于一身。其早已被广泛用于开发多元化的应用,实现了从具有最高音质的音频系统到最高精度的电机控制,从车牌识别到工厂自动化等等先进功能,这些应用都通过在相同的、现成可用的芯片上加载不同软件来实现。

XMOS能够有效满足工控对智能化、高精度、低延迟的要求,而且功耗也非常低。可根据客户需要进行定制化,即将多核集群中的其中一个核设定为客户需要的核。其多样化的可配置xcore多核微控制器使集成化和差异化的物联网解决方案能够完全通过软件来打造,并在消费电子、工业和汽车等重要领域内,用支撑性的物联网技术来赋能智能设备。通过使用XMOS的xcore技术,嵌入式软件工程师的创造力可以得到充分发挥。

 

图片1.png

研华(中国)嵌入式物联网平台事业群总经理许杰弘先生


随着AI、物联网、5G等技术的飞速发展以及智能终端设备的广泛部署,我们迎来了数据量爆炸式增长的全新时代。在此背景下,边缘计算(Edge Computing)逐渐崭露头角,成为了推动各行各业变革的重要力量。
作为工业物联网领域的嵌入式解决方案服务商,研华将继续以Edge Computing和Edge AI为核心,深化技术创新和应用落地。我们将继续加大在Edge AI领域的投入和布局,推动技术的创新和应用落地。同时,我们也将积极扩展生态圈和合作伙伴网络,共同探索Edge AI的无限可能,为行业的未来发展贡献更多的智慧和力量。


图片2.png

芯科科技中国区总经理周巍先生

当前,很多工业应用场景都需要快速响应能力,因此边缘计算和本地数据处理能力越来越受重视。因为边缘计算会极大地减少数据传输延迟的情况,可以提高系统的反应速度,这对于工业生产过程中的实时监控和自动控制非常重要。而这正是芯科科技加载人工智能/机器学习加速技术的无线SoC和MCU可以发挥重要作用的地方。
以芯科科技的xG26系列产品为例,其采用了ARM® Cortex®-M33 CPU和用于射频与安全子系统的专用内核,以多核形式实现了性能更高的计算能力,有助于为客户应用释放出主内核。同时,它集成了芯科科技专有的矩阵矢量人工智能/机器学习硬件加速器,可以为包括工业应用在内的所有应用实现更高的智能。该专用内核针对机器学习进行了优化,可以从主CPU上卸载复杂的机器学习运算,从而大幅提高处理机器学习操作的速度。而且,基于机器学习的激活或唤醒提示也可以交由该加速器分担,从而允许更多耗电功能进入休眠状态,可以最大限度地降低功率消耗。
除了在计算能力和智能化方面提供强大支持外,芯科科技的产品还可以在安全性方面提供业内最领先的保护能力,能够有效防止数据泄露、非法获取和模型篡改等安全问题发生,而这是在工业领域应用人工智能时非常看重的方面。
芯科科技的Secure VaultTM安全技术获得了PSA 3级认证,通过Secure Vault和ARM TrustZone技术,可以为芯片构建最高级别的安全性。此外,利用芯科科技的定制化元件制造服务,xG26产品还可以在制造过程中使用客户设计的安全密钥和其他功能进行硬编码,从而进一步增强其抵御漏洞的能力。

最新文章
 2024-11-13
 2024-12-27
 2024-12-16
 2024-11-13