by Sailesh Chittipeddi

　　網絡邊緣的人工智能是影響未來科技產業走向的基石。如果說人工智能是變革的引擎，那么半導體就是驅動機器學習、神經網絡、5G連接以及區塊鏈、數字孿生和元宇宙的出現所定義的新時代的石油。

　　盡管最近由于供應鏈和宏觀經濟因素對芯片行業造成了破壞，但人工智能和物聯網的融合，正準備將世界從以云為中心的智能轉變為更分布式的智能架構。

　　預計到2025年，物聯網設備產生的數據量將達到驚人的73.1兆字節數據。因此，從2017年到2025年，端點數據將以85%的復合年增長率增長，驅動智能從云到端點，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“語音作為用戶界面”的開發，以改善人機通信，以及環境感知、預測分析和維護。主要增長領域包括可穿戴設備、智能家居、智能城市和智能工業自動化。

　　在終端嵌入智能的好處有哪些?許多工業物聯網應用在受內存容量、有限的計算和電池功率以及次優連接限制的環境中運行。此外，這些應用通常需要實時響應，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云為中心的智能架構中運行是行不通的。

　　這就是在終端嵌入智能的力量，正在從標準的工業物聯網實現演變為我們所說的工業應用的AIoT。

　　在收集源轉換數據可以最大限度地減少延遲，并為時間關鍵型應用實現優化處理。由于數據不通過網絡進行處理和傳輸，與數據傳輸和流動相關的安全問題大大降低。

　　另一個優點是，數據處理可以與端點的信任根連接，使實現不受攻擊的影響。由于數據處理是在源處或非常接近源處進行的，我們可以充分利用數據引力，并減少與打開無線電或通過網絡移動數據相關的功耗。

　　我們對客戶的承諾是以最廣泛的MCU和MPU在端點計算技術方面領先于行業。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構建模塊，通過利用技術生態系統，以瑞薩可信賴的合作伙伴提供的300多個商業級軟件構建模塊為特色。

　　我們不斷增長的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持邊緣和端點AI的新平臺。

　　現實AI自動搜索廣泛的信號處理轉換，并生成定制的機器學習模型，同時在其方法中保留可跟蹤性，并提供有價值的硬件設計分析。該模型運行在瑞薩提供的幾乎每一個MCU和MPU核心上，并不斷添加新的。

　　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，并基于高級信號處理數學和邊緣部署。

　　這使得高級分析能夠支持完整的硬件設計和完整的框架，包括數據收集、儀器、固件和ML工作流。其他解決方案只是簡單地生成算法和模型，通常只占典型項目成本的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，并執行復雜的質量保證任務，這些任務在當前測試環境中是昂貴的或難以復制的。

　　實時分析的自動ML解決方案-高級信號處理+端點的AI

　　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真實用例中，現實AI在檢測和區分單個故障條件時能夠達到95%以上的準確率。測試還發現，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%。

　　人工智能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信號處理與AI相結合的潛力，并得到瑞薩豐富的硬件、軟件、工具和生態系統的支持，提供釋放創造力所需的所有構建模塊。