【儀表網(wǎng) 行業(yè)科普】與之前的物聯(lián)網(wǎng)(IoT)和云計(jì)算一樣，人工智能(AI)也具備了變革性技術(shù)的所有特征，在提升工業(yè)運(yùn)營(yíng)方面具有巨大潛力。隨著AI越來越普及，各種軟件和硬件平臺(tái)以及眾多供應(yīng)商之間已經(jīng)出現(xiàn)了快速增長(zhǎng)和變化。
 

　　對(duì)于技術(shù)領(lǐng)導(dǎo)者、工程師和決策者來說，這既是巨大的挑戰(zhàn)，也是充滿希望的機(jī)遇。要對(duì)能夠充分釋放AI在工業(yè)邊緣的潛力的使能技術(shù)進(jìn)行明智投資，駕馭這些復(fù)雜性至關(guān)重要。
 

　　AI在邊緣的實(shí)際應(yīng)用既取決于推理模型的有效性，也取決于推理模型在每個(gè)用例中的有效位置。在許多情況下，用例需要在邊緣計(jì)算設(shè)備上建立推理模型的本地實(shí)例，該實(shí)例可以實(shí)時(shí)響應(yīng)，而不是將請(qǐng)求發(fā)送到云或中央服務(wù)器。根據(jù)給定應(yīng)用程序和推理模型的具體情況，硬件的選擇將屬于以下選項(xiàng)之一：
 

　　· 圖形處理單元（GPU）：以并行處理而聞名，擅長(zhǎng)處理大型 AI 工作負(fù)載，例如訓(xùn)練復(fù)雜的神經(jīng)網(wǎng)絡(luò)。它們對(duì)于需要大量矩陣計(jì)算的任務(wù)(例如圖像和視頻處理)非常高效。但是，對(duì)于邊緣部署，GPU可能非常耗電且成本高昂。
 

　　· 神經(jīng)處理單元（NPU）：專為 AI 任務(wù)而設(shè)計(jì)，為邊緣推理提供出色的性能，在低功耗嵌入式環(huán)境中提供高效率。雖然NPU非常適合特定的AI任務(wù)，但通常不太靈活，不適合通用處理。
 

　　· 中央處理器（CPU）：用途廣泛且使用廣泛，可處理各種任務(wù)，包括更簡(jiǎn)單的AI計(jì)算，并且有利于不需要大量處理的應(yīng)用程序。盡管CPU缺乏處理高強(qiáng)度人工智能工作負(fù)載所需的并行化和效率，但CPU制造商已經(jīng)在通過引入具有不同級(jí)別NPU和GPU集成的新產(chǎn)品來應(yīng)對(duì)這一挑戰(zhàn)。
 

　　使用AI進(jìn)行基于視頻的泄漏檢測(cè)
 

　　AI 在工業(yè)邊緣的一個(gè)有前途的應(yīng)用是泄漏檢測(cè)。借助可以從實(shí)時(shí)視頻片段中快速識(shí)別潛在氣體泄漏的推理模型，制造企業(yè)有可能在數(shù)百個(gè)站點(diǎn)實(shí)現(xiàn)連續(xù)且經(jīng)濟(jì)高效的實(shí)時(shí)泄漏檢測(cè)。
 

　　但是，如果該模型依賴于功能強(qiáng)大的計(jì)算機(jī)和GPU，則可能很難找到合適的硬件來在遠(yuǎn)程和惡劣環(huán)境中可靠地運(yùn)行該模型。如果現(xiàn)有網(wǎng)絡(luò)架構(gòu)無法處理帶寬或延遲要求，那么依靠位于中央的服務(wù)器來托管推理模型也可能具有挑戰(zhàn)性。
 

　　關(guān)于推理模型的具體情況，在部署AI驅(qū)動(dòng)的泄漏檢測(cè)解決方案時(shí)，也可能對(duì)投資類型和工程工作量產(chǎn)生重大影響。例如，如果使用Nvidia GPU在內(nèi)部開發(fā)了推理模型，那么選擇可能是投資于必要的計(jì)算機(jī)硬件的外殼和冷卻裝置，或者等待制造商提供更強(qiáng)大、更堅(jiān)固的計(jì)算模型。如果推理模型與平臺(tái)無關(guān)，那么其他選項(xiàng)也可能出現(xiàn)，例如使用節(jié)能的NPU或AI加速器，以優(yōu)化特定人工智能計(jì)算任務(wù)的性能。
 

　　這些架構(gòu)上的考慮在其他涉及實(shí)時(shí)分析大量數(shù)據(jù)流的用例中也能看到，例如由LiDAR傳感器生成的3D點(diǎn)云。每個(gè)用例可能還有其特定的其他考慮因素，例如推理模型的有效性和成熟度。
 

　　利用AI進(jìn)行預(yù)測(cè)性維護(hù)
 

　　與視頻分析等計(jì)算密集型實(shí)時(shí)應(yīng)用程序相比，預(yù)測(cè)性維護(hù)應(yīng)用程序可能更容易利用增量投資和現(xiàn)有架構(gòu)來利用AI。至關(guān)重要的是，通過可編程邏輯控制器(PLC)和工業(yè)物聯(lián)網(wǎng)平臺(tái)收集有價(jià)值數(shù)據(jù)的系統(tǒng)可能已經(jīng)到位，這些系統(tǒng)可以利用人工智能支持預(yù)測(cè)性維護(hù)平臺(tái)。由于預(yù)測(cè)性維護(hù)并不依賴于對(duì)海量數(shù)據(jù)的即時(shí)實(shí)時(shí)分析，因此推理模型可以駐留在中央服務(wù)器或云服務(wù)器上，而邊緣設(shè)備只需負(fù)責(zé)輕松、經(jīng)濟(jì)高效地收集設(shè)備數(shù)據(jù)即可。

 

　　在預(yù)測(cè)性維護(hù)方面，邊緣設(shè)備也可以在本地運(yùn)行推理模型，而無需GPU或NPU等特殊硬件。高度優(yōu)化的預(yù)測(cè)模型可以在輕型、低功耗處理器上運(yùn)行，例如基于Arm的系統(tǒng)。對(duì)于許多客戶來說，這也是一個(gè)自然的進(jìn)步，他們利用工業(yè)物聯(lián)網(wǎng)獲得了設(shè)備和流程的實(shí)時(shí)可見性，從而發(fā)現(xiàn)了利用這些數(shù)據(jù)實(shí)現(xiàn)更高效運(yùn)營(yíng)和維護(hù)的價(jià)值。
 

　　邊緣計(jì)算的監(jiān)管和注意事項(xiàng)
 

　　圍繞AI的監(jiān)管環(huán)境為邊緣工業(yè)應(yīng)用帶來了挑戰(zhàn)和增長(zhǎng)機(jī)會(huì)。例如，排放報(bào)告法規(guī)可能會(huì)推動(dòng)對(duì)基于AI的泄漏檢測(cè)解決方案的需求，這些解決方案利用邊緣處理，以傳統(tǒng)系統(tǒng)的一小部分成本進(jìn)行全面監(jiān)測(cè)。同樣，關(guān)于管理或減少能源使用的法規(guī)可能會(huì)為 AI 應(yīng)用程序打開大門，這些應(yīng)用程序可以快速查明能源浪費(fèi)區(qū)域并優(yōu)化運(yùn)營(yíng)。
 

　　然而，監(jiān)管也可能為AI解決方案制造障礙，或改變其經(jīng)濟(jì)性。例如，如果某些技術(shù)出現(xiàn)新的分類，這可能會(huì)改變?nèi)斯ぶ悄芄ぞ叩膽?yīng)用方式，無論是通過施加額外限制、強(qiáng)制特定合規(guī)措施，還是改變?nèi)斯ぶ悄芗夹g(shù)進(jìn)出口的激勵(lì)政策。
 

　　人工智能領(lǐng)域的快速演變，還帶來了市場(chǎng)動(dòng)蕩的風(fēng)險(xiǎn)。隨著新參與者帶著創(chuàng)新解決方案涌現(xiàn)，既有企業(yè)轉(zhuǎn)型，或并購(gòu)改變產(chǎn)品供應(yīng)和支持經(jīng)濟(jì)性，市場(chǎng)格局可能被重塑。例如，ChatGPT大型語言模型的推出及其有效性，改變了AI應(yīng)用的格局和認(rèn)知，促使其他公司迅速調(diào)整策略，甚至基于查詢GPT引擎開發(fā)新的商業(yè)產(chǎn)品。Meta、Anthropic、DeepSeek等公司創(chuàng)新的人工智能平臺(tái)，將如何創(chuàng)造新機(jī)遇或使現(xiàn)有解決方案過時(shí)，仍有待觀察。
 

　　企業(yè)需要對(duì)這些市場(chǎng)變化和監(jiān)管變化保持警惕，以保護(hù)他們的投資并確保長(zhǎng)期成功和競(jìng)爭(zhēng)力。在這樣一個(gè)令人興奮且快速增長(zhǎng)的市場(chǎng)中，高度的不確定性是不可避免的。因此，必須考慮解決方案依賴于這些平臺(tái)的可用性所帶來的風(fēng)險(xiǎn)，尤其是未來許可費(fèi)用的不確定性，以及對(duì)訓(xùn)練數(shù)據(jù)和查詢的所有權(quán)的法律問題。
 

　　AI正在迅速成為工業(yè)邊緣計(jì)算的強(qiáng)大工具，它具有提高效率、提供預(yù)測(cè)性洞察和增強(qiáng)運(yùn)營(yíng)彈性的潛力。然而，這也要求決策者仔細(xì)考慮硬件權(quán)衡、不斷變化的應(yīng)用場(chǎng)景、監(jiān)管影響以及適應(yīng)新技術(shù)和新參與者的靈活性。與任何處于創(chuàng)新前沿的技術(shù)一樣，在工業(yè)環(huán)境中充分發(fā)揮AI潛力的旅程將充滿動(dòng)態(tài)變化。今天深思熟慮、戰(zhàn)略性投資可以為未來的可持續(xù)增長(zhǎng)和競(jìng)爭(zhēng)優(yōu)勢(shì)奠定基礎(chǔ)。