網路邊緣的人工智慧是影響未來科技產業走向的基石。如果說人工智慧是變革的引擎，那麼半導體就是驅動機器學習、神經網路、5G連接以及區塊鏈、數位孿生和元宇宙的出現所定義的新時代的石油。
儘管最近由於供應鍊和宏觀經濟因素對晶片產業造成了破壞，但人工智慧和物聯網的融合，正準備將世界從以雲端為中心的智慧轉變為更分散式的智能架構。
預計到2025年，物聯網裝置產生的資料量將達到驚人的73.1兆位元組資料。因此，從2017年到2025年，端點資料將以85%的複合年增長率成長，驅動智慧從雲端到端點，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「語音作為使用者介面」的開發，以改善人機通信，以及環境感知、預測分析和維護。主要成長領域包括穿戴式裝置、智慧家庭、智慧城市和智慧工業自動化。
在終端嵌入智慧的好處有哪些?許多工業物聯網應用在受記憶體容量、有限的運算和電池功率以及次優連接限制的環境中運作。此外，這些應用通常需要即時回應，這可能對任務和系統至關重要。期望這樣的設備和應用在以雲端為中心的智慧架構中運作是行不通的。
這就是在終端嵌入智慧的力量，正在從標準的工業物聯網實現演變為我們所謂的工業應用的AIoT。
在收集來源轉換資料可以最大限度地減少延遲，並為時間關鍵型應用實現最佳化處理。由於資料不會透過網路處理和傳輸，與資料傳輸和流動相關的安全問題大大降低。
另一個優點是，資料處理可以與端點的信任根連接，使實現不受攻擊的影響。由於資料處理是在來源或非常接近來源處進行的，我們可以充分利用資料引力，並減少與開啟無線電或透過網路移動資料相關的功耗。
我們對客戶的承諾是以最廣泛的MCU和MPU在端點運算技術方面領先業界。這已經使設計師能夠利用我們豐富的物聯網生態系統和AI/ML構建模組，透過利用技術生態系統，以瑞薩可信賴的合作夥伴提供的300多個商業級軟體建立模組為特色。
我們不斷成長的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物聯網應用中支援邊緣和端點AI的新平台。
現實AI會自動搜尋廣泛的訊號處理轉換，並產生客製化的機器學習模型，同時在其方法中保留可追蹤性，並提供有價值的硬體設計分析。該模型運行在瑞薩提供的幾乎每一個MCU和MPU核心上，並不斷添加新的。
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，因為模型開發專門針對非視覺感知用例，並基於高級訊號處理數學和邊緣部署。
這使得進階分析能夠支援完整的硬體設計和完整的框架，包括資料收集、儀器、韌體和ML工作流程。其他解決方案只是簡單地產生演算法和模型，通常只佔典型專案成本的5%，而忽略了其他95%的開發費用。
我們對AIoT設計的全面方法允許開發人員減少計劃外的設備停機時間，提高生產效率，並執行複雜的品質保證任務，這些任務在當前測試環境中是昂貴的或難以複製的。
在一個3噸重的住宅暖通系統中，在51種不同的環境和負載條件下測試的在真實用例中，現實AI在偵測和區分單一故障條件時能夠達到95%以上的準確率。測試也發現，在加熱和冷卻模式下，室內外空氣流動堵塞和充電故障的OEM規格均為5%。
人工智慧和物聯網在工業應用上的融合是一個具有巨大潛力的大趨勢。對現實AI的收購釋放了將先進訊號處理與AI相結合的潛力，並得到瑞薩豐富的硬體、軟體、工具和生態系統的支持，提供釋放創造力所需的所有建構模組。
以上是物聯網邊緣人工智慧正在顛覆工業市場的詳細內容。更多資訊請關注PHP中文網其他相關文章！
