关 闭

新闻中心

EEPW首页 > 工控自动化 > 业界动态 > 研华:边缘智能应用立足工业

研华:边缘智能应用立足工业

—— 向低速自动驾驶和机器人扩展
作者: 时间:2024-06-10 来源:EEPW 收藏

计算机起家的科技一直致力于将先进的技术与传统场景的融合,并且向以外的市场扩展。随着人工智能应用的不断渗透,坚持推动AI相关技术与行业应用的融合,以软硬整合的方式帮助客户实现从云到平台再到边缘的全产业链条覆盖。在AI智能技术迭代及净零可持续应用双重驱动下,将启动新一波产业革命,预期AIoT市场将进入加速成长期。将深耕AIoT + Edge Computing领域,期待维持长期稳健成长动能及产业领导地位。

本文引用地址:http://www.eepw.com.cn/article/202406/459735.htm

研华技术专家鞠剑介绍,研华在软硬件方面涉猎非常全面,作为英伟达、英特尔和微软等国际领先厂商的长期合作伙伴,可以为客户提供基于英伟达、英特尔、华为的全系列产品的硬件平台和基于微软、麒麟操作系统、统信等多种软件生态的应用。具体到边缘侧的AI应用,研华目前重点的产品包括了嵌入式AI 工控机、边缘AI 加速卡、边缘AI 计算平台、EIS 系统和IoT 工业物联网网关等。

1718008309754930.png

工业是研华最熟悉的应用市场,也是边缘AI 发挥的重要舞台,鞠剑介绍研华在自有工业平台的AI 应用分为两大类,一类是以AI 图像识别为基础的相应的开发,比如常见的生产线上的缺陷检测;另一类是以AI数据分析类为主的应用,比如各种工业场景的预防性维护,研华最擅长的是马达震动相关的预防性维护以及电力系统中风力和光伏的发电预测。

虽然云端AI 一直是人工智能最受关注的应用,但对工业应用场景来说,很多云端的AI 应用正在逐渐下放到边缘侧。鞠剑介绍,对工厂来说虽然技术平台可以支持公有云、混合云和私有云等,但99% 的应用还是集中在私有云落地,所以人工智能在工业领域的应用最主要还是边缘侧AI。此外,鞠剑还提到了在网关上实现的纯边缘AI 应用,他指出研华提供了Edge AI 相关的工具可以帮客户进行应用评估,以帮助客户解决边缘侧涉及的硬件(芯片)种类繁多之间的评估选型问题,从而助力客户选择价廉物美的边缘AI 方案。

预测性维护是人工智能技术与工业应用结合的典型案例,鞠剑介绍研华的预测性维护主要涉及的马达震动类和风力与光伏发电预测都是以AI 数据分析为基础的预测性维护案例。在马达震动检测方面是研华积累了10 多年的优势行业,在AI 技术融合之前,研华以震动采集为基础,采集后的数据通过工程技术人员进行后期分析判断。随着AI 技术的引入,研华在震动检测方面的软件整体能力得到很大程度的提升。这个提升过程鞠剑总结了两个阶段,前期没有云平台支持的纯边缘侧AI 能力算力有限,第二个阶段通过接入云平台后可以积累足够多的样品数据,这样就便于判断各种边缘侧数据的类型和原因,从而提前做好预测性分析和警告等。相对而言,风力和光伏发电的预测应用上研华的方案还比较简单,针对这两种发电的非线性不稳定特点,研华会将天气预报和现场气象数据进行统一收集整理,对风力和光伏的发电情况进行一些预测性分析交给客户做相应的决策准备。

即使是工业和电力应用场景,对相关硬件的性能、功耗以及尺寸都有比较苛刻的要求,在这方面鞠剑介绍,研华会根据客户的应用场景进行不同解决方案的选择,以“小批多样”的形式满足不同解决方案的选择,以“小批多样”的形式满足不同客户在各个细分市场的应用需求。研华的产品在边缘侧主打嵌入式,因此主打的一个要求就是尺寸尽可能的小,并且主要提供的是无风扇产品从而提高稳定性并缩减尺寸。随着处理性能越来越强大,当场景必须配置风扇散热时,研华则会以工业标准在满足电磁认证基础上加强散热,从而确保系统性能不受高温影响。

除了工业应用之外,研华在边缘AI 方面还关注低速无人驾驶领域的应用,鞠剑指出这个市场的很多用户是研华传统服务的领域,因此客户的需求与研华的技术具有非常好的契合点,客户在特种车辆的AI 无人驾驶有需求时会主动来寻求研华的解决方案。相比于高速无人驾驶的海量市场,特种车辆的市场差异化比较大,单独研发边缘AI 主机没有经济效益,这就需要研华这样的边缘AI 解决方案提供商提供通用平台解决方案。研华的AR030 解决方案可以为环卫、物流、驾校与机器人等低速无人驾驶应用进行价廉物美的AI 技术赋能。面向机器人领域,研华开发了AFE R770 产品,接口主要是对接机器人多轴这样适合于自动物流车这个领域的接口需求。

研华在面向行业应用的AI 解决方案中同样包含了自行开发的算法部分,鞠剑介绍,研华算法的特点是小样品的算法生成,无论是AI 震动预测性维护还是缺陷检测,客户提供的参考样本可能很少甚至几乎是无法提供样本,只能根据客户的经验提出一些特定估计的数据,研华就需要基于客户提供的需求来推理相应的模拟数据和算法。基于这些参考数据,研华借助包括源学习、数据增强、迁移学习等技术,来完成小样本算法的生产以满足客户的需求。

未来十年将是AI、IoT、边缘运算深入各行业应用的高度发展黄金期。研华将以Sector Driven 及Orchestration的经营理念迎向AIoT + Edge Computing 新机遇,期待维持长期稳健成长动能及产业领导地位,内部也为此正式启动组织转型,并进一步落实“智能地球推手”的长期企业愿景。

(本文来源于《EEPW》2024.6)

image.png




评论


相关推荐

技术专区

关闭