国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

近年來(lái)，人工智能的應(yīng)用場(chǎng)合已經(jīng)從過(guò)往的依賴超級(jí)計(jì)算機(jī)轉(zhuǎn)移到邊緣計(jì)算，這不僅得益于算法的巨大改進(jìn)，而且得益于邊緣計(jì)算算力的巨大進(jìn)步和分布式計(jì)算框架的形成。這里，筆者就人工智能的工業(yè)應(yīng)用前景以及工業(yè)人工智能在邊緣計(jì)算中的應(yīng)用做一定的擴(kuò)展。

1 人工智能的工業(yè)應(yīng)用前景

Gartner把人工智能的應(yīng)用分成五個(gè)復(fù)雜等級(jí)：

（1）響應(yīng)對(duì)象遵循簡(jiǎn)單規(guī)則，但可應(yīng)對(duì)不斷變化的環(huán)境，如無(wú)人機(jī)；

（2）分類裝置或系統(tǒng)能識(shí)別物件的類型，并能在受控的環(huán)境中采取簡(jiǎn)單的操作對(duì)物品進(jìn)行處理，如倉(cāng)儲(chǔ)機(jī)器人；

（3）響應(yīng)對(duì)象通過(guò)對(duì)問(wèn)題和情境的理解服務(wù)于另一對(duì)象，如無(wú)人駕駛汽車、個(gè)人助理；

（4）從多個(gè)資源采集信息進(jìn)行學(xué)習(xí)以解決復(fù)雜問(wèn)題，如IBM的Watson，全自動(dòng)軍用無(wú)人機(jī)；

（5）創(chuàng)建者發(fā)動(dòng)范式轉(zhuǎn)移或思考方式的轉(zhuǎn)變，如創(chuàng)造一種新的業(yè)務(wù)模型。

最后一種人工智能的應(yīng)用不僅是人們使用的工具，還具有潛力創(chuàng)建危害人類的動(dòng)作，改變?nèi)伺c技術(shù)的關(guān)系以及人在社會(huì)和經(jīng)濟(jì)中的角色。因此，對(duì)于這一類人工智能的應(yīng)用，開發(fā)者必須事先深思熟慮。

對(duì)于這五類人工智能應(yīng)用，其組織形式有三種， 即單獨(dú)的人工智能、聯(lián)合的人工智能和群體的人工智能。單獨(dú)的人工智能系統(tǒng)是一個(gè)獨(dú)立的實(shí)體，能夠獨(dú)立地解決問(wèn)題；企業(yè)通過(guò)監(jiān)督實(shí)體的運(yùn)行對(duì)其進(jìn)行集中控制。在一個(gè)聯(lián)合的人工智能應(yīng)用結(jié)構(gòu)中，一個(gè)實(shí)體的多個(gè)版本雖然以相同的方式工作，但處理的是不同的問(wèn)題（例如機(jī)器人顧問(wèn)、個(gè)人助理)；企業(yè)可以對(duì)實(shí)體進(jìn)行 集中控制或給予更多的自治權(quán)。在群體AI應(yīng)用結(jié)構(gòu)中， 多個(gè)實(shí)體共同為處理同一個(gè)問(wèn)題工作（例如多無(wú)人機(jī)燈光秀，美國(guó)空軍用噴氣式飛機(jī)釋放Perdix山鶉微型無(wú)人機(jī)的實(shí)驗(yàn)）；實(shí)體機(jī)器執(zhí)行自治的控制，或者只需要少量的人工管理。

工業(yè)人工智能或者人工智能的工業(yè)應(yīng)用涵蓋從低級(jí)的人工智能應(yīng)用（如自動(dòng)化）到具有決策能力的高端人工智能；既可以是集中控制的人工智能，也可以是分布式的人工智能。

工業(yè)人工智能應(yīng)用最常見的起點(diǎn)是自動(dòng)化，但不能就此止步。人工智能更強(qiáng)大的用途是幫助人類決策和互動(dòng)。人工智能可以對(duì)信息進(jìn)行分類，并以比人類更高的速度進(jìn)行預(yù)測(cè)，因此用人工智能的方法處理工業(yè)物聯(lián)網(wǎng)設(shè)備產(chǎn)生的大量數(shù)據(jù)，可轉(zhuǎn)變?yōu)閺?qiáng)大的分析和決策工具。

大多數(shù)工業(yè)人工智能項(xiàng)目按其服務(wù)目標(biāo)大體可分為四類：（1）工業(yè)資產(chǎn)管理的人工智能應(yīng)用，包括設(shè)備自動(dòng)化、設(shè)備穩(wěn)定運(yùn)行和設(shè)備運(yùn)行狀況監(jiān)控；（2）流程的人工智能應(yīng)用，包括通過(guò)跨多個(gè)資產(chǎn)設(shè)備或跨多個(gè)流程的自動(dòng)化和穩(wěn)定運(yùn)行，以提高效率、改善質(zhì)量和實(shí)現(xiàn)產(chǎn)量最大化；（3）為實(shí)現(xiàn)卓越運(yùn)營(yíng)和/或業(yè)務(wù)敏捷性的人工智能應(yīng)用，包括能源成本優(yōu)化、預(yù)測(cè)性維護(hù)、物流和調(diào)度、研發(fā)等；（4）在CAD/CAM中應(yīng)用人工智  能，優(yōu)化設(shè)計(jì)結(jié)果。

1.1 工業(yè)資產(chǎn)管理的人工智能應(yīng)用

IBM的Watson物聯(lián)網(wǎng)是人工智能應(yīng)用于資產(chǎn)管理的典型范例。其Maximo企業(yè)資產(chǎn)管理（EAM）軟件系統(tǒng)運(yùn)用Watson物聯(lián)網(wǎng)采集大量實(shí)時(shí)數(shù)據(jù)，再用人工智能的軟件工具對(duì)數(shù)據(jù)進(jìn)行挖掘和分析，對(duì)工廠的關(guān)鍵物理資產(chǎn)（無(wú)論是分立的機(jī)器、復(fù)雜的功能資產(chǎn)系統(tǒng)， 還是人力資產(chǎn)）及其運(yùn)維，都能做出更好、更及時(shí)的決策。另外，此類資產(chǎn)生命周期管理和維護(hù)解決方案，使用實(shí)時(shí)數(shù)據(jù)收集、診斷和分析工具來(lái)延長(zhǎng)資產(chǎn)的可用生命周期，提升整體維護(hù)的卓越實(shí)踐，滿足日益復(fù)雜的健康、安全和環(huán)境（HSE）要求，并將風(fēng)險(xiǎn)管理嵌入日常業(yè)務(wù)流程來(lái)控制操作風(fēng)險(xiǎn)等，都可以從人工智能的應(yīng)用得到很好的效果。

具有人工智能的企業(yè)資產(chǎn)管理系統(tǒng)還可以幫助解決有經(jīng)驗(yàn)的操作員和運(yùn)營(yíng)工程師退休導(dǎo)致的人才和知識(shí)流失的問(wèn)題。系統(tǒng)通過(guò)學(xué)習(xí)和固化經(jīng)過(guò)驗(yàn)證的工作流程和卓越實(shí)踐，發(fā)掘作為工廠管理運(yùn)維中堅(jiān)力量的技術(shù)員工長(zhǎng)期積累的知識(shí)和關(guān)鍵技能，從而達(dá)到以較少的人力資源完成更有效率和成本效益的工作的效果。

1.2 流程的人工智能應(yīng)用

人工智能應(yīng)用于流程包含以下方面：（1）人工智能應(yīng)用于設(shè)計(jì)和工程流程是用兼容人工智能的數(shù)字平臺(tái)取代基于文檔的信息交換來(lái)支持設(shè)計(jì)和工程。只要把相關(guān)來(lái)源的信息都加以數(shù)字化處理，接下去就可以利用機(jī)器學(xué)習(xí)或人工智能算法，將以前依靠手工完成的任務(wù)轉(zhuǎn)換為自動(dòng)操作，這將降低開發(fā)成本。人工智能設(shè)計(jì)和工程流程的目標(biāo)是建立一個(gè)集成的“系統(tǒng)的系統(tǒng)”，從產(chǎn)品開發(fā)的需求、設(shè)計(jì)、制造，一直到用戶使用產(chǎn)品各個(gè)階段構(gòu)成閉環(huán)，通過(guò)工業(yè)物聯(lián)網(wǎng)實(shí)現(xiàn)運(yùn)行的實(shí)時(shí)監(jiān)控， 然后部署人工智能系統(tǒng)分析數(shù)據(jù)、上升為知識(shí)，并利用這些知識(shí)來(lái)改進(jìn)產(chǎn)品的設(shè)計(jì)、制造和使用。（2）人工智能應(yīng)用于操作流程是用實(shí)時(shí)精確的工業(yè)人工智能自動(dòng)運(yùn)行平臺(tái)對(duì)關(guān)鍵生產(chǎn)流程和資產(chǎn)管理實(shí)施標(biāo)準(zhǔn)化的操作，達(dá)到提高效率、減少燃料和能源消耗、提高質(zhì)量、降低成本和改進(jìn)決策的最終目標(biāo)。

美國(guó)OSIsoft公司采用云原生的平臺(tái)即服務(wù)（PaaS）的策略，創(chuàng)建了可供預(yù)裝數(shù)據(jù)中心、邊緣和云端運(yùn)行的安全的工業(yè)數(shù)據(jù)基礎(chǔ)架構(gòu)OSIsoft Cloud Services（OCS）。他們還與匹茨堡的Petuum公司技術(shù)合作，將創(chuàng)新的高級(jí)人工智能自動(dòng)運(yùn)行套件集成到OCS中，開展工業(yè)人工智能的項(xiàng)目服務(wù)。

圖1顯示了Petuum工業(yè)人工智能自動(dòng)運(yùn)行平臺(tái)的系統(tǒng)功能。它可從多種來(lái)源獲取數(shù)據(jù)，包括來(lái)自控制系統(tǒng)的數(shù)據(jù)、機(jī)械裝置的數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、圖像數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)庫(kù)、時(shí)間序列數(shù)據(jù)庫(kù)、歷史數(shù)據(jù)庫(kù)、客戶關(guān)系管理系統(tǒng)（CRM）數(shù)據(jù)、企業(yè)資源規(guī)劃系統(tǒng)（ERP）數(shù)據(jù)等。它提供復(fù)雜的數(shù)據(jù)處理、數(shù)據(jù)清洗和機(jī)器學(xué)習(xí)/深度學(xué)習(xí)的傳遞途徑，以在一系列工業(yè)用例 中實(shí)現(xiàn)對(duì)線性數(shù)據(jù)、暫態(tài)數(shù)據(jù)、長(zhǎng)程數(shù)據(jù)和非線性數(shù)據(jù)等模式敏感的高級(jí)人工智能，從而在對(duì)流程和資產(chǎn)進(jìn)行數(shù)據(jù)分析、操作規(guī)范化的基礎(chǔ)上，通過(guò)自動(dòng)運(yùn)行獲得卓越運(yùn)行的效果。

圖1 Petuum工業(yè)人工智能自動(dòng)運(yùn)行平臺(tái)的系統(tǒng)功能（來(lái)源：Petuum）

Petuum工業(yè)AI平臺(tái)已經(jīng)在水泥、采礦、金屬、化工、煉油、采油和天然氣采集等多個(gè)工業(yè)行業(yè)的資產(chǎn)管理和生產(chǎn)流程中獲得成功應(yīng)用。Cemex是全球知名建筑材料公司，在水泥廠的回轉(zhuǎn)窯和熟料冷卻系統(tǒng)中，將OSIsoft PI系統(tǒng)與Petuum工業(yè)人工智能自動(dòng)運(yùn)行軟件整合，發(fā)揮了更好的效能。人工智能平臺(tái)直接用于控制系統(tǒng)，為重要的過(guò)程變量提供精確的實(shí)時(shí)預(yù)測(cè)，為關(guān)鍵控制變量設(shè)置規(guī)范化的運(yùn)行區(qū)間，并在保持適用的靜態(tài)和動(dòng)態(tài)約束的同時(shí)實(shí)現(xiàn)在操作人員監(jiān)控下的自動(dòng)運(yùn)行， 不僅提高產(chǎn)量，還節(jié)約能源高達(dá)7%。這改變了水泥行業(yè)的格局，并向安全、標(biāo)準(zhǔn)化運(yùn)營(yíng)的數(shù)字化轉(zhuǎn)型邁出了一步，為今后加強(qiáng)高質(zhì)量產(chǎn)品組合，將成本降至最低， 實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)提供了堅(jiān)實(shí)基礎(chǔ)。

1.3  為實(shí)現(xiàn)卓越運(yùn)營(yíng)和/或業(yè)務(wù)敏捷性的人工智能應(yīng)用

運(yùn)用工業(yè)人工智能滿足企業(yè)卓越運(yùn)營(yíng)和/或業(yè)務(wù)敏 捷性的要求，是通過(guò)工業(yè)物聯(lián)網(wǎng)從工廠的生產(chǎn)線采集生產(chǎn)過(guò)程的數(shù)據(jù)和機(jī)械裝置的數(shù)據(jù)，并將其與ERP系統(tǒng)數(shù)據(jù)集成，采用全新的人工智能套件、機(jī)器學(xué)習(xí)和流分析，幫助生產(chǎn)管理人員和業(yè)務(wù)管理人員理解設(shè)備、人員、供應(yīng)商和客戶之間的復(fù)雜關(guān)系，了解企業(yè)當(dāng)前生產(chǎn)和市場(chǎng)的實(shí)時(shí)狀況，預(yù)測(cè)未來(lái)可能會(huì)發(fā)生的狀況，既能確保工廠的產(chǎn)品能按質(zhì)按量向客戶交付，還能應(yīng)付市場(chǎng)的變化及時(shí)調(diào)整生產(chǎn)計(jì)劃，并與生產(chǎn)系統(tǒng)貫通，提前做好完成新生產(chǎn)任務(wù)的必要技術(shù)和原材料準(zhǔn)備，以保證計(jì)劃的實(shí)施。總而言之，在生產(chǎn)運(yùn)行中保證其效率、成本控制和產(chǎn)出率；在業(yè)務(wù)運(yùn)營(yíng)中支持業(yè)務(wù)人員的操作以確保業(yè)務(wù)敏捷性的實(shí)施。

用戶要求運(yùn)用人工智能分析工業(yè)物聯(lián)網(wǎng)采集的數(shù)據(jù)流和ERP、CRM等系統(tǒng)的常備數(shù)據(jù)時(shí)，能提供一種無(wú)需專業(yè)技能的簡(jiǎn)化方式，無(wú)論是數(shù)據(jù)科學(xué)家還是業(yè)務(wù)經(jīng)理都可以使用這種分析方法來(lái)快速選擇、啟動(dòng)、轉(zhuǎn)換和操作物聯(lián)網(wǎng)數(shù)據(jù)。美國(guó)SAS Analytics公司的軟件有許多案例，在這些方面獲得了用戶的認(rèn)可。

1.4 在CAD/CAM中應(yīng)用人工智能

在計(jì)算機(jī)輔助設(shè)計(jì)和制造過(guò)程中結(jié)合應(yīng)用人工智能的效果明顯。例如在采用CAD做電路布線、外觀設(shè)計(jì)， 采用CAM做產(chǎn)品加工路徑設(shè)計(jì)和運(yùn)動(dòng)軌跡規(guī)劃時(shí)，都 可以應(yīng)用人工智能，還可以集成到控制器中執(zhí)行。由于設(shè)計(jì)軟件數(shù)據(jù)結(jié)構(gòu)明確，對(duì)于機(jī)器學(xué)習(xí)來(lái)說(shuō)便于學(xué)習(xí)， 也便于生成語(yǔ)義。據(jù)了解，西門子正在這個(gè)方向深耕。OpenAI新近推出兩個(gè)多模態(tài)模型，一個(gè)是結(jié)合計(jì)算機(jī)視覺CV的DELL-E，另一個(gè)是與自然語(yǔ)言處理NLP結(jié)合的CLIP，它們可以通過(guò)文本直接生成相對(duì)應(yīng)的圖像。人工智能的長(zhǎng)期目標(biāo)是構(gòu)建多模態(tài)的神經(jīng)網(wǎng)絡(luò)，即人工智能可以學(xué)習(xí)以文本和視覺為主的跨模態(tài)的概念，由此更好地理解世界。DELL-E和CLIP使我們更接近“多模態(tài)人工智能系統(tǒng)”的目標(biāo)，這對(duì)于在CAD/CAM領(lǐng)域中應(yīng)用人工智能，會(huì)有大的推進(jìn)。

2 在工業(yè)邊緣分析中應(yīng)用人工智能的方法

用人工分析一條生產(chǎn)裝配線上所有傳感器生成的信息可能需要花費(fèi)很長(zhǎng)的時(shí)間，由此可以理解為什么往往只有不到一半的結(jié)構(gòu)化數(shù)據(jù)被用于決策。至于非結(jié)構(gòu)化數(shù)據(jù)被分析或使用的比例更低，譬如一臺(tái)IP攝像頭24小時(shí)產(chǎn)生的近1012兆字節(jié)的視頻數(shù)據(jù)中只有10%被用來(lái)進(jìn)行分析。這些數(shù)據(jù)表明，盡管我們有能力收集越來(lái)越多的信息，但在數(shù)據(jù)分析方面仍存在疏漏。靠質(zhì)檢人員的視覺來(lái)檢查生產(chǎn)流水線上產(chǎn)品的微小缺陷，既耗費(fèi)大量的勞力，還容易產(chǎn)生視力疲勞和人為錯(cuò)誤。同樣，高鐵軌道緊固件的人工目視檢查，只能在列車停運(yùn)后的下半夜進(jìn)行，不僅費(fèi)時(shí)，而且難度大。對(duì)高壓電覽和變電站設(shè)備進(jìn)行人工檢查也使人員面臨額外的風(fēng)險(xiǎn)。

人類無(wú)法分析所有采集的數(shù)據(jù)，可借助將人工智能納入工業(yè)物聯(lián)網(wǎng)的方法去解決。按照建模的目標(biāo)，機(jī)器學(xué)習(xí)運(yùn)用統(tǒng)計(jì)計(jì)算可以發(fā)現(xiàn)數(shù)據(jù)中蘊(yùn)含的趨勢(shì)、模式、特征、屬性和結(jié)構(gòu)，以新的觀察結(jié)果為決策提供依據(jù)； 機(jī)器學(xué)習(xí)還可以通過(guò)一定的算法如神經(jīng)網(wǎng)絡(luò)等自動(dòng)學(xué)習(xí)和改進(jìn)，無(wú)需編程。

通過(guò)工業(yè)物聯(lián)網(wǎng)和/或直接在邊緣可編程工業(yè)控制 器（或其它具有數(shù)據(jù)采集功能的邊緣計(jì)算裝置）采集大量原始數(shù)據(jù)后，如何對(duì)這些數(shù)據(jù)進(jìn)行分析和挖掘？ 盡管現(xiàn)在邊緣可編程工業(yè)控制器具有強(qiáng)大的運(yùn)算能力，但也難以支撐復(fù)雜的分析運(yùn)算，特別是需要經(jīng)過(guò)一定時(shí)間的采集數(shù)據(jù)，并經(jīng)過(guò)一定時(shí)間的訓(xùn)練才可能建立人工智能模型，因此建模和訓(xùn)練的任務(wù)最好是放在云服務(wù)器或本地服務(wù)器中完成。圖2描述了這種在邊緣實(shí)行人工智能應(yīng)用的三步曲，即首先在邊緣進(jìn)行數(shù)據(jù)采集，其次把大量原始數(shù)據(jù)發(fā)往云端，利用云端的人工智能軟件工具實(shí)施建模和訓(xùn)練，待模型經(jīng)過(guò)驗(yàn)證符合預(yù)定的要求和判據(jù)后，再下裝至邊緣可編程工業(yè)控制器或邊緣計(jì)算機(jī)，執(zhí)行人工智能模型的推理、決策。這樣做的優(yōu)點(diǎn)是：數(shù)據(jù)采集的低時(shí)延、通信量大幅度削減，人工智能建模的速度和精度由于云服務(wù)器的算力而得以顯著提升，在邊緣執(zhí)行人工智能模型分析決策的及時(shí)性。當(dāng)然，如果用戶對(duì)關(guān)鍵數(shù)據(jù)非常敏感，不允許將數(shù)據(jù)送往公有云去處理和訓(xùn)練，那么只好利用本地的服務(wù)器。

圖2 實(shí)施邊緣分析的三個(gè)步驟（來(lái)源：IEB）

人工智能模型需要在高級(jí)神經(jīng)網(wǎng)絡(luò)和消耗大量資源的機(jī)器學(xué)習(xí)或深度學(xué)習(xí)算法上進(jìn)行訓(xùn)練，這些算法需要更強(qiáng)大的處理能力，如支持并行計(jì)算、功能強(qiáng)大的GPU處理器， 以便分析數(shù)量巨大的訓(xùn)練數(shù)據(jù)。訓(xùn)練一個(gè)人工智能模型包括選擇一個(gè)機(jī)器學(xué)習(xí)模型，并根據(jù)采集到的和預(yù)處理的數(shù)據(jù)進(jìn)行訓(xùn)練。為了確保準(zhǔn)確性，在此過(guò)程中還需要對(duì)參數(shù)進(jìn)行評(píng)估和調(diào)整。有許多訓(xùn)練模型和工具可供選擇，包括現(xiàn)成的深度學(xué)習(xí)設(shè)計(jì)框架，如PyTorch、TensorFlow和Caffe。訓(xùn)練通常在指定的人工智能訓(xùn)練機(jī)器或云計(jì)算服務(wù)上進(jìn)行（如AWS Deep Learning AMIs、Amazon SageMaker Autopilot、谷歌云人工智能、Azure Machine Learning等），而不是在現(xiàn)場(chǎng)進(jìn)行。在國(guó)內(nèi)，華為云一站式AI開發(fā)平臺(tái)ModelArts也是很好的選擇，其通用預(yù)訓(xùn)練模型架構(gòu)EI-Backbore能讓模型在下游任務(wù)中獲得良好性能。

在云端訓(xùn)練好AI模型后便可將此模型部署在邊緣計(jì)算機(jī)上，可以根據(jù)新采集和預(yù)處理的數(shù)據(jù)快速有效地做出分析推斷和預(yù)測(cè)。盡管如此，用戶還需要一個(gè)轉(zhuǎn)換工具來(lái)轉(zhuǎn)換訓(xùn)練好的模型，使其運(yùn)行在專門的邊緣處理器/加速器上，如Intel OpenVINO或NVIDIA CUDA。用戶需要根據(jù)邊緣計(jì)算的需要來(lái)選擇合適的處理器。推理分析按照不同的數(shù)據(jù)分析能力可分為低、中、高三種不同的邊緣計(jì)算級(jí)別和要求。

在邊緣和云之間傳輸數(shù)據(jù)不僅昂貴、耗時(shí)，還會(huì)產(chǎn)生延遲。對(duì)于低級(jí)別的邊緣計(jì)算，應(yīng)用程序只向云發(fā)送少量有用數(shù)據(jù)，這減少了延遲時(shí)間、帶寬消耗、數(shù)據(jù)傳輸費(fèi)用、功耗和硬件成本。一個(gè)沒有加速器的基于ARM的芯片就足以用于采集和分析數(shù)據(jù)，做出快速推 理或決策。

對(duì)于中級(jí)別的邊緣計(jì)算，比如需要處理各種IP攝像機(jī)的數(shù)據(jù)流，只有具有足夠的處理幀速的處理器，才能用于計(jì)算機(jī)視覺或視頻分析。基于人工智能模型和用例的性能要求，還應(yīng)滿足廣泛的數(shù)據(jù)復(fù)雜性，例如大型公共監(jiān)控網(wǎng)絡(luò)的人臉識(shí)別應(yīng)用。大多數(shù)工業(yè)邊緣計(jì)算應(yīng)用還需要考慮對(duì)功耗的限制，或采用無(wú)風(fēng)扇散熱設(shè)計(jì)。在此級(jí)別上可以使用高性能CPU、入門級(jí)GPU或VPU。例如，Intel酷睿i7系列CPU，通過(guò)OpenVINO工具包和基于AI/ML加速器的軟件，提供了一個(gè)高效的計(jì)算機(jī)視覺解決方案，才可在邊緣執(zhí)行推理。

高級(jí)別的邊緣計(jì)算涉及到使用更復(fù)雜模式識(shí)別的人工智能專家系統(tǒng)，數(shù)據(jù)處理的負(fù)載更重，如為了通過(guò)公共安全系統(tǒng)自動(dòng)視頻監(jiān)控的行為分析來(lái)檢測(cè)安全事件或潛在威脅事件。高級(jí)別的邊緣計(jì)算的分析推理通常使用加速器，包括高性能的GPU、VPU、TPU或FPGA，這些加速器耗能多（200瓦或更多），對(duì)散熱的要求更高。

有幾種工具可以用于不同的硬件平臺(tái)，幫助加速應(yīng)用程序開發(fā)過(guò)程或提高人工智能算法的整體性能。深度學(xué)習(xí)框架是一種允許用戶更容易和快速地構(gòu)建深度學(xué)習(xí)模型，而無(wú)需深入底層算法細(xì)節(jié)的工具，它以一種清晰而簡(jiǎn)潔的方式向用戶提供界面和軟構(gòu)件庫(kù)，用戶只要從中選擇一組合適的預(yù)先構(gòu)建并經(jīng)優(yōu)化的構(gòu)件來(lái)定義模型，然后就可以通過(guò)處理大量的數(shù)據(jù)來(lái)訓(xùn)練模型。

硬件供應(yīng)商提供的人工智能加速器工具包是專門為在其平臺(tái)上加速機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺等人工智能應(yīng)用而設(shè)計(jì)的。如Intel OpenVINO，Intel的開放視覺推理和神經(jīng)網(wǎng)絡(luò)優(yōu)化工具包，旨在幫助開發(fā)人員在Intel 平臺(tái)上構(gòu)建強(qiáng)大的計(jì)算機(jī)視覺應(yīng)用程序。OpenVINO 還支持對(duì)深度學(xué)習(xí)模型進(jìn)行更快的推理。又如NVIDIA CUDA運(yùn)算平臺(tái)可為嵌入式系統(tǒng)、數(shù)據(jù)中心、云平臺(tái)和基于NVIDIA CUDA構(gòu)建的超級(jí)計(jì)算機(jī)上的GPU提供高性能并行計(jì)算，加速應(yīng)用程序運(yùn)行。

3 后記

在國(guó)內(nèi)，人工智能是繼智能制造、工業(yè)4.0、工業(yè) 互聯(lián)網(wǎng)之后被大家熱炒的話題。不過(guò)人工智能在國(guó)內(nèi)真正付諸于實(shí)踐的還是一些金融服務(wù)、醫(yī)療和人臉識(shí)別等領(lǐng)域，鮮見人工智能的工業(yè)應(yīng)用。盡管也有個(gè)別公司的工業(yè)人工智能應(yīng)用獨(dú)樹一幟，如北京寄云科技公司的工業(yè)數(shù)據(jù)分析模型開發(fā)和部署平臺(tái)（DaStudio 和DaRuntime）利用機(jī)器學(xué)習(xí)對(duì)工業(yè)數(shù)據(jù)進(jìn)行分析建 模，但總的來(lái)說(shuō)與歐美工業(yè)發(fā)達(dá)國(guó)家工業(yè)人工智能頻頻喜獲應(yīng)用突破形成鮮明的對(duì)比。這從另一個(gè)側(cè)面反映了一個(gè)老問(wèn)題：為什么一涉及到信息技術(shù)的前沿， 在我國(guó)總是難以落實(shí)到工業(yè)制造？筆者希望讓大家特別是工業(yè)人了解，人工智能的工業(yè)應(yīng)用不是憑熱炒就能生效的技術(shù)，而是需要有恰當(dāng)?shù)娜肟凇⒑线m的方法和持之以恒沉到工業(yè)現(xiàn)場(chǎng)的毅力，才可能進(jìn)入大有用武之地的境界。AP

作者簡(jiǎn)介：

彭 瑜，教授級(jí)高工，上海工業(yè)自動(dòng)化儀表研究院技術(shù)顧問(wèn)，PLCopen中國(guó)組織名譽(yù)主席。

摘自《自動(dòng)化博覽》2021年2月刊