2018 NI趨勢展望報告

NI供稿

加速到來(lái)的未來(lái)

我們進(jìn)入21世紀已近20年，從自主學(xué)習機器人、價(jià)格不再遙不可及的基組測序、到無(wú)處不在的數據存儲，不可否認，技術(shù)的發(fā)展從未如此之快。以此速度面向未來(lái)，我們是時(shí)候審慎思考我們將去向何方、我們該如何到達。

近期有一些最令人興奮的科技進(jìn)步，包括人工智能和云計算超越人類(lèi)智慧的時(shí)間比預測提前了整整10年；硅鍺異質(zhì)雙極晶體管設定了新的速度參數標準。此外，NIOEP9電動(dòng)超級跑車(chē)在2:40:33的時(shí)間內以160英里每小時(shí)的速度自主完成了3.4英里的美洲賽道（Circuitof Americas track），創(chuàng )造了新的世界記錄；而經(jīng)過(guò)原型驗證的超級高鐵系統有望以600英里每小時(shí)的平均速度將乘客送到目的地。延續這一趨勢，2018年無(wú)疑將成為技術(shù)進(jìn)步的又一標桿年。

在即將到來(lái)的這一年，基于大模擬數據（Big AnalogData?）解決方案和功能日益強大的機器學(xué)習 將會(huì )生成新的商業(yè)視角。我們將繼續迎來(lái)車(chē)輛網(wǎng)技術(shù)和智能工廠(chǎng)的重大里程碑、看到在集成電路日趨復雜的需求下測試時(shí)間反而大幅減少、見(jiàn)證5G通信和連接振奮人心的進(jìn)展。

我們都在競相奔向未來(lái)，NI將繼續以軟件為中心的開(kāi)放平臺加快所有用戶(hù)定義的測試、測量和控制系統的開(kāi)發(fā)，助力用戶(hù)始終走在技術(shù)最前沿。未來(lái)正加速而來(lái)，您準備好了嗎？

文章目錄

   成功管理IIoT的3大準則

工業(yè)物聯(lián)網(wǎng)(IIoT)中智能設備和互聯(lián)設備的數量快速增加，為提高性能和降低成本提供了巨大的機會(huì )，但一個(gè)往往被忽視的挑戰是如何高效地管理這些分布式系統。

   5G將顛覆測試過(guò)程

5G創(chuàng )新不止于設計測試和測量解決方案將成為產(chǎn)品商業(yè)化周期中的關(guān)鍵環(huán)節，但是5G需要的測試方法與之前的無(wú)線(xiàn)技術(shù)截然不同。了解哪些技術(shù)正在讓5G逐步變成現實(shí)。

   打破摩爾定律

盡管最近關(guān)于摩爾定律消亡的言論很多，實(shí)際情況與摩爾定律也有所偏差，但數十年的創(chuàng )新基本上還是一直遵循著(zhù)摩爾定律。但現在，這個(gè)經(jīng)過(guò)50多年驗證的定律再次面臨挑戰。了解這一現狀如何影響半導體市場(chǎng)的未來(lái)發(fā)展。

   汽車(chē)電氣化：顛覆汽車(chē)產(chǎn)業(yè)及其他行業(yè)

電氣化的影響 - 汽車(chē)電氣化趨勢不只是全球從內燃機汽車(chē)和混合動(dòng)力汽車(chē)向全電動(dòng)汽車(chē)的轉變。除了車(chē)輛本身日益復雜化的影響，我們還需要考慮對支持基礎設施提出的新要求。

   通過(guò)機器學(xué)習，自動(dòng)獲取工程信息

智能系統不僅生成大量數據，也依賴(lài)于數據，但大幅增加的數據量加劇了大模擬數據挑戰。了解機器學(xué)習如何幫助工程師解決面前的問(wèn)題，專(zhuān)注于探索和應對下一個(gè)重大挑戰。

成功管理IIoT的3大準則

工業(yè)物聯(lián)網(wǎng)（IIoT）已經(jīng)從概念和試點(diǎn)項目迅速演變?yōu)榇笠幠５膹S(chǎng)級部署，并取得了豐碩的成果。這些成果主要表現在為前瞻性公司（如捷豹路虎、中國鋼鐵和杜克能源）提供更加優(yōu)化的數據分析和決策，以最大限度地延長(cháng)正常運行時(shí)間，提升性能并推動(dòng)未來(lái)的產(chǎn)品創(chuàng )新。工業(yè)正在日益智能化和互聯(lián)化。如果無(wú)法跟上IIoT創(chuàng )新的步伐，不僅可能丟失市場(chǎng)份額，而且會(huì )消耗許多不必要的成本。事實(shí)上，據埃森哲2017年3月的《ConnectedBusiness Transformation》報告指出：“95%的商業(yè)領(lǐng)袖期望他們的公司在未來(lái)三年內使用IIoT?！?/span>

結合目前的邊緣節點(diǎn)硬件和數據分析軟件，通過(guò)小型IIoT試點(diǎn)實(shí)現設備預測性維護和智能機器互聯(lián)控制所獲得的商業(yè)優(yōu)勢是顯而易見(jiàn)的?，F有的技術(shù)已經(jīng)完全可以容納更大規模的工業(yè)互聯(lián)系統，但同時(shí)也帶來(lái)了更大的工業(yè)數據智能管理挑戰。而現在，最受關(guān)注的技術(shù)熱點(diǎn)和挑戰是：如何擴展和管理大型IIoT部署，包括遠程系統管理、軟件配置管理和數據管理。

1.遠程系統管理

隨著(zhù)運營(yíng)技術(shù)成本的降低，針對關(guān)鍵資產(chǎn)的監測和控制系統應用日益普及。資產(chǎn)和維護經(jīng)理正在面臨的挑戰是，如何利用高性?xún)r(jià)比的策略來(lái)管理這些運營(yíng)資產(chǎn)并最大限度地減少資產(chǎn)停機。公司可以利用云托管技術(shù)提供的靈活性來(lái)實(shí)現遠程系統管理解決方案，從而掌握多個(gè)互聯(lián)系統的狀態(tài)。

成功的遠程系統管理解決方案需要能夠解決配置、診斷和邊緣設備管理等方面的挑戰。遠程系統管理功能通常包括任務(wù)或進(jìn)程級的系統參數監測，如內存和CPU使用情況、網(wǎng)絡(luò )和I/O統計信息，以幫助最大限度地減少由于軟件錯誤而導致停機所產(chǎn)生的影響，并發(fā)現潛在的安全漏洞。

2.軟件配置管理

IIoT市場(chǎng)對持續交付和改進(jìn)有很高的期望。與日俱增的快速上市壓力要求企業(yè)使用靈活的軟件來(lái)修復漏洞、修改功能以及解決安全漏洞。如果沒(méi)有有效的軟件管理策略，就會(huì )導致系統運行的軟件過(guò)時(shí)，從而影響資產(chǎn)性能、安全性和可靠性。IIoT公司可通過(guò)部署經(jīng)驗證的框架和最佳實(shí)踐來(lái)避免手動(dòng)軟件部署的高成本和低效率。

在工業(yè)環(huán)境中，高效的軟件配置管理策略應可應對高度動(dòng)態(tài)環(huán)境中不斷變化的系統利用率和網(wǎng)絡(luò )穩定性。位于IIoT不同階段的多個(gè)供應商提供的系統方案是高度混合的，更加需要能夠跟蹤和控制應用程序級以及固件級微小軟件更改的技術(shù)。展望未來(lái)，企業(yè)需要在保證現有業(yè)務(wù)的基礎上，轉換到一個(gè)集成了軟件配置管理的優(yōu)化平臺，以探索運營(yíng)技術(shù)（OT）和主流IT解決方案之間的邊緣聯(lián)接。

“百分之九十五的商業(yè)領(lǐng)袖期望他們的公司在未來(lái)三年內使用IIoT?！?/span>

—埃森哲, 2017

3.數據管理

IIoT系統會(huì )生成大量數據，數據量將會(huì )達到TB級，甚至是艾字節級別。管理這些數據以實(shí)現優(yōu)化的商業(yè)決策是企業(yè)在了解自身業(yè)務(wù)并實(shí)現提升的過(guò)程中必須實(shí)現的一個(gè)要素。IIoT系統產(chǎn)生的數據中隱藏著(zhù)大量有價(jià)值的信息，這些信息可以借助先進(jìn)的智能信號處理算法挖掘出來(lái)。隨著(zhù)數據管理技術(shù)的日益普及，企業(yè)可以有多種方案來(lái)管理其數據，在整個(gè)企業(yè)范圍內獲取不同層次的有用信息。

數據管理策略需要同時(shí)包含能夠運行在邊緣側和企業(yè)級的分析功能。據《IDCFutureScape: Worldwide Internet of Things 2017 Predictions》報告指出：到2019年，至少有40%的IoT數據將存儲到邊緣設備進(jìn)行處理、分析和操作。高效的數據管理解決方案必須能夠整合來(lái)自多個(gè)分散源的數據，并提供不同級別的分析，以便讓正確的人員獲得正確的信息，并將原始數據轉化為有據可依的決策。

是時(shí)候展示平臺的力量

現在，構建IIoT解決方案可以為企業(yè)帶來(lái)前所未有的競爭優(yōu)勢，同時(shí)避免被不斷更新的市場(chǎng)淘汰。 各行各業(yè)的公司正在采用一系列顛覆性的平臺和生態(tài)系統，利用傳感器驅動(dòng)的計算、工業(yè)分析和智能機器應用等智能技術(shù)，將業(yè)務(wù)轉變?yōu)閷?shí)現創(chuàng )新和發(fā)展的引擎。借助IIoT技術(shù)，我們可以利用這些最先進(jìn)的平臺的優(yōu)勢，降低維護成本，提高資產(chǎn)利用率。

5G將顛覆測試過(guò)程

5G代表著(zhù)新一代的變革，將深刻影響全球的企業(yè)和消費者。它有望提供革命性的無(wú)限制的體驗，具有更快的數據，更短的網(wǎng)絡(luò )響應時(shí)間（更低的延遲），隨時(shí)隨地的即時(shí)訪(fǎng)問(wèn)以及數十億個(gè)設備的容量。我們這里說(shuō)的不只是更快速地將視頻下載到手機上。與3G和4G不同，5G的應用領(lǐng)域遠不只是移動(dòng)設備，它將擴展到我們生活的各個(gè)方面。從實(shí)現工業(yè)物聯(lián)網(wǎng)到確保自主汽車(chē)的安全，5G將以難以想象的方式改變我們的生活。

十年后，我們回頭看時(shí)，肯定會(huì )說(shuō)5G是迄今為止最重要的技術(shù)之一。它實(shí)現了當今正在興起的一切，包括可以相互通信的自主駕駛汽車(chē)，以及最快速的視頻體驗。

—Patrick Moorhead，Moor   Insights & Strategy總裁兼首席分析師

通往5G之路

3GPP標準機構正在馬不停蹄地定義5G，但真正的工作才剛剛開(kāi)始?，F在，半導體、網(wǎng)絡(luò )基礎設施、云、軟件、制造和測試技術(shù)領(lǐng)域的公司必須設計、開(kāi)發(fā)、測試和交付能夠利用這些新無(wú)線(xiàn)功能的解決方案。這并非易事。

5G采用了大規模MIMO和毫米波等新技術(shù)。兩種技術(shù)都使用多天線(xiàn)和波束成形技術(shù)，這與目前和以往的無(wú)線(xiàn)架構有很大的不同。5G還包括新的無(wú)線(xiàn)控制機制，通過(guò)將控制與數據分割開(kāi)來(lái)實(shí)現網(wǎng)絡(luò )切片的概念，使服務(wù)擴展到單個(gè)用戶(hù)設備。

另外，5G標準比3G和4G標準要復雜得多。5G將變革我們的網(wǎng)絡(luò )，所以行業(yè)必須改變這些系統的設計、開(kāi)發(fā)和測試方式。對于算法設計，如果要從概念過(guò)渡到生產(chǎn)，只是對系統進(jìn)行建模而沒(méi)有進(jìn)行真實(shí)的驗證是不夠的。而對于測試來(lái)說(shuō)，僅針對單個(gè)組件的傳統方法將無(wú)法解釋對系統的整體影響。

基于平臺的方法

世界各地的無(wú)線(xiàn)研究人員很快就發(fā)現，成功的唯一途徑是采用以軟件為中心的平臺化方法來(lái)開(kāi)展5G研究。諾基亞推出了首個(gè)73GHz的毫米波5G原型，并使用毫米波頻譜打破了移動(dòng)接入數據速率的紀錄。隆德大學(xué)開(kāi)發(fā)了第一個(gè)大規模MIMO原型，布里斯托大學(xué)和Facebook的研究人員擴展了其大規模MIMO原型，創(chuàng )造了前所未有的頻譜效率里程碑。

這些系統原型已經(jīng)成為5G技術(shù)演變中的重要環(huán)節。這些案例中使用的平臺化設計方法充分利用了軟件無(wú)線(xiàn)電（SDR）來(lái)應對系統挑戰以及縮短獲得結果的時(shí)間。用于設計和原型驗證的SDR將隨著(zhù)軟件的變化而不斷發(fā)展。我們甚至可以預想功能更加強大的SDR，其軟件將擴展到擴展到物理層之上，以利用龐大的開(kāi)源軟件生態(tài)系統。這將使研究人員能夠解決更上層的網(wǎng)絡(luò )，進(jìn)一步減少采用時(shí)間，并打破了孤立的設計方法。

5G創(chuàng )新不止于設計

測試和測量解決方案將成為5G商業(yè)化周期的關(guān)鍵。測試系統必須擴展到物理層之上，才能使用可控/可轉向的波束來(lái)快速且經(jīng)濟高效地測試這些新的多天線(xiàn)技術(shù)。此外，這些系統必須解決具有極寬帶寬的新毫米波設備。這些測試解決方案不僅需要能夠測試設備的重要參數，而且還要具有成本效益，不僅能充分發(fā)揮5G的潛力，而且可使之得到廣泛應用。

基于這些特性，5G需要采用不同的方法來(lái)測試無(wú)線(xiàn)設備和系統。例如，系統級空口傳輸技術(shù)(Over-the-air,OTA)測試將成為5G生態(tài)系統的標準測試之一。OTA測試提出了幾個(gè)挑戰，但最困難的地方或許是測試設備和待測設備共存的環(huán)境?？諝馐且环N不可預知的媒介，而信道本身也隨時(shí)間和環(huán)境條件而變化。無(wú)線(xiàn)測試工程師必須在OTA場(chǎng)景中隔離通道，并逐個(gè)使用波束來(lái)控制設備，以有效地“測試”設備。

此外，英特爾等公司已經(jīng)推出了早期的相控陣天線(xiàn)模塊，其特征是直接連接到RF前端的天線(xiàn)，以最大限度減少系統損耗。因為設備的訪(fǎng)問(wèn)會(huì )受到限制，測試設備的頻率必須升高到毫米波頻帶，然后逐個(gè)波束地分析主要性能參數。

最后一點(diǎn)，盡管帶寬是一個(gè)常見(jiàn)的測試挑戰，但是經(jīng)過(guò)測試的5G帶寬預計將比標準LTE信道寬50倍。在這些帶寬下，測試系統不僅必須生成和采集更寬帶寬的波形，還需要能夠實(shí)時(shí)處理所有數據。

下一步

無(wú)線(xiàn)研究人員采用基于SDR的平臺設計方法，加快了5G的早期研究階段以及所獲得的成果?，F在，測試解決方案提供商也必須這樣做。5G要求我們必須以前所未有的方式轉變測試方法，而靈活且可配置的平臺化方法對于生態(tài)系統的發(fā)展至關(guān)重要。

打破摩爾定律

最近關(guān)于摩爾定律終結的言論非常多。 雖然經(jīng)過(guò)了五十多歲的反復驗證，這一定律再次再次面臨挑戰，但請不要對半導體和電子市場(chǎng)的前景悲觀(guān)失望。英特爾聯(lián)合創(chuàng )始人戈登摩爾（GordonMoore）提出了一個(gè)著(zhù)名的定律：半導體的晶體管數量一開(kāi)始將每12個(gè)月翻一番，之后將每24 個(gè)月翻一番。盡管有一些微小的偏差，但半導體處理技術(shù)的發(fā)展數十年來(lái)一直遵循這一定律。 這種“無(wú)限制”的體積縮?。?/span>scaling）可允許復用類(lèi)似的架構設計，為半導體技術(shù)的發(fā)展提供更低的成本、更低的功耗以及更快的處理速度。而這種“無(wú)限制”的體積縮小的終結是否意味著(zhù)計算技術(shù)的進(jìn)步即將走到盡頭？ 盡管這一威脅嚴重到足以讓DARPA增加資金投入到后摩爾定律世界的研究，但科學(xué)家和工程師一直以來(lái)都在不斷地克服縮小體積芯片過(guò)程中的障礙，而純粹針對半導體芯片體積縮小的一些創(chuàng )新替代方案則描繪了一個(gè)明朗有趣的未來(lái)?！澳柖傻慕K結可能是一個(gè)轉折點(diǎn)?！?/span>Microsoft Research企業(yè)副總裁PeterLee博士在《經(jīng)濟學(xué)人》2016年3月的季度技術(shù)報告中表示。這將充滿(mǎn)挑戰- 但同時(shí)也是一個(gè)機會(huì )，可以探索不同的方向，并真正打破這一定律。

打破摩爾定律的歷史

從摩爾定律的角度是看在芯片上的三極管數量（也就是更小的體積上存在更多的三極管數量），但是對于半導體行業(yè)來(lái)說(shuō)這些并不意味著(zhù)所有半導體瞄準的方向，包括更高速的處理速度和更低的功耗，都是半導體技術(shù)提升帶來(lái)的好處。人們對半導體技術(shù)提升帶來(lái)的好處的預期數十年來(lái)一直在變成現實(shí)，但這些好處將不再容易實(shí)現或預期。處理器的冷卻問(wèn)題阻礙了處理器頻率技術(shù)的指數級上升，但這種明顯的“障礙”激發(fā)了大量創(chuàng )新，促進(jìn)了多核處理器的普及。雖然核心頻率的增長(cháng)受到限制，但由于多核技術(shù)的發(fā)展，結合可加快圖形、游戲和視頻播放速度的專(zhuān)用矢量處理單元，PC系統性能仍不斷提升。但這些新技術(shù)給開(kāi)發(fā)軟件模型最好地利用這些新的處理塊帶了新的挑戰。隨著(zhù)處理架構的變化，高速晶體管的應用不再僅限于CPU，也應用到I/O子系統中，為處理器提供更高網(wǎng)絡(luò )、攝像頭和數據采集帶寬。高速信號處理在無(wú)線(xiàn)和有線(xiàn)標準中的應用使得I/O帶寬的增長(cháng)速度已經(jīng)超過(guò)了純粹的晶體管體積縮小速度。

“摩爾定律的終結可能是一個(gè)轉折點(diǎn)。這將充滿(mǎn)挑戰 - 但同時(shí)也是一個(gè)機會(huì )，可以探索不同的方向，并真正打破這一定律?！?/span>

—Peter Lee博士，企業(yè)副總裁，Microsoft  Research

利用第三維度（3D-IC和SiP）

隨著(zhù)芯片設計方面的不斷突破，以前對摩爾定律終結的預測已經(jīng)變成現實(shí)。目前的技術(shù)正在通過(guò)堆疊芯片和晶體管來(lái)更充分地利用第三維度，這將進(jìn)一步增加晶體管的密度，但也可能帶來(lái)新的設計和測試問(wèn)題。例如，晶體管體積越小，成本越高，這要求新的芯片能夠結合更多的系統功能來(lái)匹配更高的價(jià)格。這種先進(jìn)的“片上系統(SoC)”方法表現在FPGA從簡(jiǎn)單的邏輯門(mén)陣列演變成高性能I/O和處理系統，將處理器、DSP、存儲器和數據接口組合到單個(gè)芯片中。許多擴大芯片密度的新選擇從第三維度來(lái)考慮，即如何設計晶體管以及如何使用3D-IC技術(shù)將現有芯片組合到一個(gè)封裝中。雖然片上系統在設計和測試方面更為復雜，但它們的設計目的是通過(guò)高集成度來(lái)降低終端設計的成本。即便有這些好處，但芯片堆疊會(huì )帶來(lái)新的復雜性，進(jìn)而帶來(lái)新的挑戰。隨著(zhù)越來(lái)越多的系統開(kāi)始從第三維度考慮體積縮小，調試和測試挑戰將變得更加明顯，更多的芯片空間將被用于提供集成的調試和測試功能。

新的計算架構

歷史表明，以往在縮小芯片體積時(shí)遇到的各種問(wèn)題激勵工程師進(jìn)行創(chuàng )新，通過(guò)改進(jìn)架構來(lái)更好地利用硅技術(shù)。最新的各種挑戰開(kāi)創(chuàng )了需求導向的計算時(shí)代，即通過(guò)將多個(gè)不同類(lèi)型的獨特計算架構相結合來(lái)解決問(wèn)題。這種趨勢越來(lái)越廣泛地應用于圖像處理器GPU，并與通用CPU相輔相成，但是隨著(zhù)FPGA、向量處理器甚至針對特定應用的計算塊促進(jìn)專(zhuān)用計算技術(shù)加速發(fā)展，該技術(shù)也在更快速地擴張。這些加速的技術(shù)，如機器學(xué)習技術(shù)，將成為未來(lái)片上系統的標準組成模塊。利用這些混合處理架構的關(guān)鍵是能夠幫助用戶(hù)使用上層描述語(yǔ)言進(jìn)行設計并部署到各種處理引擎以提高處理速度的軟件工具和框架。隨著(zhù)異構計算成為縮小芯片體積的的選擇，最初研發(fā)多核芯片以利用并行性的場(chǎng)景將重演。盡管摩爾定律的適用性再次受到威脅，但機器學(xué)習和自主駕駛等市場(chǎng)需求將持續擴展處理能力和I/O帶寬，為推動(dòng)架構創(chuàng )新提供新的機遇。

汽車(chē)電氣化：顛覆汽車(chē)產(chǎn)業(yè)及其他行業(yè)

在全球范圍內，政府正在推行新的指令，這些指令將導致內燃機逐漸消失。中國率先規定在2018年之前上路的新車(chē)輛中，必須有8％是“新能源”或零排放車(chē)輛，這是很大的挑戰，因為目前這一比例僅為2％至3％。類(lèi)似的限制內燃機未來(lái)發(fā)展的政府法規已經(jīng)遍及全球，與此同時(shí)，混合動(dòng)力汽車(chē)和全電動(dòng)汽車(chē)產(chǎn)業(yè)的重要性和發(fā)展也不容忽視。沃爾沃可能是汽車(chē)制造商中立場(chǎng)最堅定的，該公司承諾到2019年僅生產(chǎn)混合動(dòng)力汽車(chē)或全電動(dòng)汽車(chē)，并承諾到2025年將銷(xiāo)售超過(guò)100萬(wàn)輛電動(dòng)汽車(chē)?！斑@個(gè)法令標志著(zhù)內燃機汽車(chē)的結束?！?沃爾沃總裁兼CEO H?kan Samuelsson在2017年7月的一次聲明中表示。

“這個(gè)法令標志著(zhù)內燃機汽車(chē)的結束?！?/span>               —H?kan  Samuelsson，沃爾沃總裁兼CEO

不只是EV / HEV

從內燃機到混合動(dòng)力以及全電動(dòng)汽車(chē)的轉變只是車(chē)輛電力電子系統中變化最顯著(zhù)的一部分。電氣化對車(chē)輛子系統也同樣很重要。10年前，方向盤(pán)和前輪之間采用完全機械聯(lián)接并不罕見(jiàn)。方向盤(pán)連接到一根轉動(dòng)軸，轉動(dòng)軸再連接到用于轉動(dòng)車(chē)輪的齒條齒輪裝置，甚至是更高效的液壓系統，也仍保持方向盤(pán)和輪胎之間的機械耦合。油門(mén)踏板和手動(dòng)變速器也采用相似的連接。

線(xiàn)控技術(shù)在現代車(chē)輛中的普及打破了這種模式。傳感器、遠程執行機構和多個(gè)控制系統已經(jīng)取代了機械耦合。方向盤(pán)與前輪之間不再直接連接，而是由轉向柱上的傳感器測量車(chē)輪的角度。然后，嵌入式控制器將該測量換算成一個(gè)角度值，并將該值發(fā)送到車(chē)輛的通信總線(xiàn)。在通信總線(xiàn)上的另一個(gè)端，另一個(gè)控制器接收該值，根據車(chē)速和駕駛員設置將其轉換為車(chē)輪角度，然后命令執行機構將車(chē)輪移動(dòng)到所需的角度。在許多車(chē)輛中，安全系統位于線(xiàn)控轉向系統的中間，以確保車(chē)輛停留在行車(chē)道內，并避免車(chē)道中的障礙物。隨著(zhù)車(chē)輛電力電子子系統數量的增長(cháng)，汽車(chē)本身也開(kāi)始看起來(lái)像一個(gè)微電網(wǎng)，在微電網(wǎng)中，公共電力總線(xiàn)連接著(zhù)越來(lái)越多的源極和漏極組件，每個(gè)組件都由獨立的嵌入式控制系統進(jìn)行管理。

更廣泛的影響

從更廣義的角度來(lái)看政府汽車(chē)法令的影響，電氣化的指數增長(cháng)和內燃機時(shí)代的即將終結要求電力基礎設施發(fā)生根本性的變化才能支持汽車(chē)發(fā)電廠(chǎng)的轉型。在任何街角的加油站中，一輛內燃機汽車(chē)只需大約10分鐘的時(shí)間就能將油箱加滿(mǎn)，繼續行駛300英里。而即使是使用專(zhuān)用增壓器，類(lèi)似的充電站需要至少一個(gè)小時(shí)的時(shí)間才能使全電動(dòng)車(chē)輛充滿(mǎn)電。即使是針對日常通勤所需的緩慢充電，充電硬件也有需要一定的考量。對于房主來(lái)說(shuō)，安裝充電站可能像在車(chē)庫中放置大電流電路一樣簡(jiǎn)單，但對于房屋或公寓的租賃者而言，情況就有點(diǎn)復雜。如果汽車(chē)主人都住在一個(gè)城市，并在街上停車(chē)，那么家庭收費站的概念可能是完全不可能實(shí)現的。

從電力公司的前景來(lái)看汽車(chē)電氣化的未來(lái)，基于日常勞動(dòng)力進(jìn)度的循環(huán)需求加上快速充電的高負載需求，為電網(wǎng)提出了難以置信的新挑戰。如果所有上班者都在下午5點(diǎn)回家，并在同一時(shí)間內插入電動(dòng)汽車(chē)，這會(huì )改變電網(wǎng)典型峰值需求的時(shí)間，區域高峰耗電領(lǐng)域將從供暖或制冷變成交通運輸。對于規模較大的加油站，眾多用于快速充電的增壓器將需要類(lèi)似于中等規模小區所需的電能。政府法規驅動(dòng)的電動(dòng)汽車(chē)趨勢直接導致車(chē)輛復雜性的增長(cháng)，并間接導致對增加基礎設施的迫切需求。汽車(chē)行業(yè)的未來(lái)將推動(dòng)電網(wǎng)的未來(lái)，這將需要更智能的控制系統。將其變?yōu)楝F實(shí)需要建立安全可靠的控制系統，這是一個(gè)真正跨領(lǐng)域的挑戰。為了快速上市，這將需要更多地依賴(lài)實(shí)時(shí)測試、生產(chǎn)測試以及能夠熟練使用業(yè)界領(lǐng)先的靈活開(kāi)放平臺來(lái)開(kāi)發(fā)各種工具的生態(tài)系統合作伙伴。借助正確的工具，工程師將能夠適應汽車(chē)電氣化所需的變革性技術(shù)。

通過(guò)機器學(xué)習，自動(dòng)獲取工程信息

機器學(xué)習已經(jīng)在模式識別（patternrecognition）相關(guān)的某些利基領(lǐng)域取得了顯著(zhù)的成果，但是該技術(shù)正在對企業(yè)產(chǎn)生更大、更長(cháng)遠的影響，需要相關(guān)行業(yè)提出更廣泛的見(jiàn)解以及提高效率。技術(shù)巨頭對機器學(xué)習應用的投資正在引起廣泛的關(guān)注。Google在美國總部以外的最大型開(kāi)發(fā)人員團隊就是致力于研究機器學(xué)習。微軟公司推出開(kāi)源CNTK，百度發(fā)布了PaddlePaddle、亞馬遜決定在AWS上支持MXNet，此外Facebook也開(kāi)發(fā)了兩個(gè)深度學(xué)習框架。消費者領(lǐng)域的機器學(xué)習應用浪潮將滲透到工業(yè)中，這將幫助工程師和管理人員通過(guò)自動(dòng)化數據分析改進(jìn)業(yè)務(wù)運營(yíng)。除了推動(dòng)創(chuàng )新，機器學(xué)習還帶來(lái)了直接即時(shí)的業(yè)務(wù)改進(jìn)，例如正常運行時(shí)間延長(cháng)、生產(chǎn)成本降低以及工程開(kāi)發(fā)效率提高。

機器學(xué)習以數據為基礎

網(wǎng)絡(luò )智能系統提高數據可見(jiàn)性的能力一方面使物聯(lián)網(wǎng)（IoT）大大受益，另一方面也帶來(lái)了大模擬數據的挑戰。ABIResearch (QTR 1 2017)指出，工業(yè)設備的傳感器和機器數據預計到2020年將超過(guò)78艾字節，這些數據可能包含當今技術(shù)無(wú)法發(fā)現的機器故障、制造缺陷或重要驗證測試數據相關(guān)的證據。大量數據結合機器學(xué)習算法，可訓練出更精確的模型，更快速生成結果，但前提是能夠有效獲取這些海量數據。系統設計人員在部署機器學(xué)習技術(shù)時(shí)，首先需要能夠查看到規范有序的數據集，然后才能為互連系統開(kāi)發(fā)更全面的數據采集和管理策略。

驅動(dòng)創(chuàng )新

在產(chǎn)品開(kāi)發(fā)過(guò)程中處理設計缺陷可能會(huì )導致昂貴的代價(jià)，這也是工程師將很多時(shí)間、注意力和預算用在設計驗證和測試上的原因。在機器學(xué)習幫助工程師將寶貴的工程時(shí)間集中在最需要測試和驗證的產(chǎn)品領(lǐng)域之前，我們需要整理歷史測試數據，使其便于訪(fǎng)問(wèn)。

提高產(chǎn)量

目前大多數制造商的做法是篩選通過(guò)/失敗條件并保存數據以便進(jìn)行取證分析、校準記錄和溯源。一些制造商使用更先進(jìn)的自動(dòng)測試方法，但機器學(xué)習模型可以幫助他們更加高效的定位產(chǎn)品缺陷，而不論其產(chǎn)生的根本原因是什么。當前版本的硅片組件是否來(lái)自新的晶圓廠(chǎng)？設計是否包括仿冒組件？實(shí)際工程應用中，無(wú)數的異?？赡軙?huì )導致缺陷，因此為所有異常分別設置測試條件是不切實(shí)際的。但機器學(xué)習技術(shù)能夠幫助制造測試工程師發(fā)現在設計和測試產(chǎn)品時(shí)未察覺(jué)的缺陷。

提高正常運行時(shí)間

許多加工制造或其他加工行業(yè)的公司都擁有龐大的數據庫來(lái)存儲工業(yè)資產(chǎn)維護和運營(yíng)數據。當今的現狀是維護工程師手工處理這些數據，但未來(lái)將采用機器學(xué)習方法來(lái)處理這些數據、對操作狀態(tài)進(jìn)行分類(lèi)以及檢測異常。經(jīng)過(guò)訓練的系統將能夠自動(dòng)識別異常情況，并提醒維護人員進(jìn)行故障排除。

利用邊緣

從許多角度來(lái)看，機器學(xué)習的時(shí)代已經(jīng)到來(lái)。高性能處理以及傳感器融合與機器學(xué)習的結合，將幫助工程師開(kāi)發(fā)更高性能的系統，可以在邊緣側解讀數據，而無(wú)需與企業(yè)堆棧進(jìn)行通信。一些技術(shù)可以在邊緣設備上直接訓練和運行模型，為工程師提供以下三種系統架構選項來(lái)進(jìn)行模型訓練和部署：云端、邊緣或兩者結合?；谡鎸?shí)物理信號將邊緣設備智能化，可以減少決策的延遲和對昂貴的IT基礎架構的需求，這有助于緩解數十億臺新設備競爭有限帶寬的狀況。

平臺將利用機器學(xué)習的強大力量

需要注意的一個(gè)關(guān)鍵因素是將機器學(xué)習納入現有技術(shù)平臺，這將有助于開(kāi)發(fā)人員專(zhuān)注于新問(wèn)題，快速將相鄰的技術(shù)整合在一起，避免中間件丟失。大多數工程師不希望將時(shí)間花在處理已有答案或者僅因為工具鏈的緣故而被認為是必要問(wèn)題。當前平臺支持哪些云分析？哪些公司的云？部署模型時(shí)是否會(huì )存在RTOS兼容性問(wèn)題？ 將機器學(xué)習集成到云、軟件和硬件平臺將提供前期的技術(shù)棧，使工程師可以專(zhuān)注于新的挑戰。

“有很多選擇可以幫助企業(yè)提取其分散的商業(yè)信息系 統中隱藏的有用信息。機器學(xué)習平臺可以通過(guò)最新獲取的IoT傳感器數據快速的將這些數據整合在一起。讓平臺來(lái)完成這些瑣碎的工作，使企業(yè)可以專(zhuān)注于進(jìn)行更加優(yōu)化的決策?！?/span>

—Andy Timm, CTO, PTC

當今的機器學(xué)習應用可以非?？焖俚卦谝槐鞠鄡灾姓业疥P(guān)于狗的照片，但商業(yè)領(lǐng)袖正在尋找合適的工程師和平臺以及下一代機器學(xué)習，以在大模擬數據中找到提高正常運行時(shí)間、產(chǎn)量和效率的有用信息。