面向工厂的实时连续人工智能
东京——每家承诺“智能制造”的公司都在承诺对人工智能的希望。
这个美丽的新世界需要对高成本的人工智能系统进行大量投资，以及建立“学习”平台和联系云服务提供商的成本。宏伟的计划始于大数据收集，以便机器可以学习并找出以前未知的东西。
这就是理论。
然而，在现实世界中，许多公司发现人工智能难以实施。有些人指责他们缺乏人工智能经验，或者缺乏充分利用人工智能的内部数据科学家电缆。其他人抱怨他们无法建立已安装 AI 系统的概念证明。无论如何，制造商开始意识到人工智能不是“如果你建造它，他们就会来”的交易。
进入瑞萨电子。
这家日本芯片公司声称在全球工厂自动化市场处于领先地位。它正在为运营技术（OT）领域提出“实时连续人工智能”。这种方法与“统计人工智能”形成鲜明对比，“统计人工智能”通常由大数据公司用来促进信息技术 (IT) 领域的自动化。
点击查看大图
IT 的统计 AI 与 OT 的持续 AI（来源：瑞萨电子）
瑞萨电子执行副总裁兼工业解决方案业务部总经理 Yoshikazu Yokota 告诉 EE Times，嵌入式 AI 对于 OT 中的故障检测和预测性维护至关重要。他解释说，当任何给定系统或流程中出现异常时，嵌入式人工智能可以“在本地实时做出决策”。瑞萨在三年前提出了“端点人工智能”的想法，并开始在自己的 Naka 半导体工厂进行实验。
“我们的计划是在 OT 中实现实时推理，同时逐步增加端点的 AI 功能，”横田说。
瑞萨电子执行副总裁 Yoshikazu Yokota 计划专注于在 OT 中提供实时推理。 （照片：EE Times）
通过将 AI 引入工厂车间，瑞萨电子希望帮助目前正在努力完成他们自己的 AI 实施的概念验证的客户，并了解他们在 AI 方面的投资回报。
何时将 AI 应用于 OT
瑞萨电子工业解决方案业务部战略与规划部高级总监 Mitsuo Baba 告诉我们，当特定问题（例如生产线）已经确定时，人工智能最适合应用于 OT。
例如，假设有一位技能娴熟的运营经理，他有足够的经验来检测工厂中的某些异常情况。巴巴说：“我们可以使用人工智能来划清界限——并定义——生产缺陷期间何时何地开始出现异常情况，而不是派这位经理去检查制造过程的每个阶段。”人工智能可以成为持续监控生产线的监视者，防止产品的细小缺陷进入下一个生产阶段。
在这样的工厂自动化示例中，人工智能只需要根据预先确定的问题进行一次训练。 AI 推理在终端设备上实时运行，无需返回云端。 Baba 表示，30Kbytes 的数据通常足以用于端点推理，相比之下，统计人工智能同时进行学习和推理，通常需要在云中处理高达 300MB 的数据。
简而言之，瑞萨正在提倡可以在 MCU 上完成的 AI 推理。
瑞萨并没有用成本高昂的全新 AI 机器替换现有的生产线，而是提出了一种“AI 单元解决方案”套件，可以连接到当前的生产设备上。
巴巴表示，瑞萨没有计划挑战英伟达这样的人工智能芯片公司。 “我们的目标是引领嵌入式 AI 的新细分市场，其中推理所需的数据非常小，甚至可以在现有的 MCU/MPU 上运行，”巴巴说。
物联网技术