研華：邊緣智能應用立足工業(yè)

以工業(yè)計算機起家的研華科技一直致力于將先進(jìn)的技術(shù)與傳統工業(yè)場(chǎng)景的融合，并且向工業(yè)以外的市場(chǎng)擴展。隨著(zhù)人工智能應用的不斷滲透，研華堅持推動(dòng)AI相關(guān)技術(shù)與行業(yè)應用的融合，以軟硬整合的方式幫助客戶(hù)實(shí)現從云到平臺再到邊緣的全產(chǎn)業(yè)鏈條覆蓋。在A(yíng)I智能技術(shù)迭代及凈零可持續應用雙重驅動(dòng)下，將啟動(dòng)新一波產(chǎn)業(yè)革命，預期A(yíng)IoT市場(chǎng)將進(jìn)入加速成長(cháng)期。研華將深耕AIoT + Edge Computing領(lǐng)域，期待維持長(cháng)期穩健成長(cháng)動(dòng)能及產(chǎn)業(yè)領(lǐng)導地位。

研華技術(shù)專(zhuān)家鞠劍介紹，研華在軟硬件方面涉獵非常全面，作為英偉達、英特爾和微軟等國際領(lǐng)先廠(chǎng)商的長(cháng)期合作伙伴，可以為客戶(hù)提供基于英偉達、英特爾、華為的全系列產(chǎn)品的硬件平臺和基于微軟、麒麟操作系統、統信等多種軟件生態(tài)的應用。具體到邊緣側的AI應用，研華目前重點(diǎn)的產(chǎn)品包括了嵌入式AI 邊緣智能工控機、邊緣AI 加速卡、邊緣AI 計算平臺、EIS 邊緣智能系統和IoT 工業(yè)物聯(lián)網(wǎng)網(wǎng)關(guān)等。

工業(yè)是研華最熟悉的應用市場(chǎng)，也是邊緣AI 發(fā)揮的重要舞臺，鞠劍介紹研華在自有工業(yè)平臺的AI 應用分為兩大類(lèi)，一類(lèi)是以AI 圖像識別為基礎的相應的開(kāi)發(fā)，比如常見(jiàn)的生產(chǎn)線(xiàn)上的缺陷檢測；另一類(lèi)是以AI數據分析類(lèi)為主的應用，比如各種工業(yè)場(chǎng)景的預防性維護，研華最擅長(cháng)的是馬達震動(dòng)相關(guān)的預防性維護以及電力系統中風(fēng)力和光伏的發(fā)電預測。

雖然云端AI 一直是人工智能最受關(guān)注的應用，但對工業(yè)應用場(chǎng)景來(lái)說(shuō)，很多云端的AI 應用正在逐漸下放到邊緣側。鞠劍介紹，對工廠(chǎng)來(lái)說(shuō)雖然技術(shù)平臺可以支持公有云、混合云和私有云等，但99% 的應用還是集中在私有云落地，所以人工智能在工業(yè)領(lǐng)域的應用最主要還是邊緣側AI。此外，鞠劍還提到了在網(wǎng)關(guān)上實(shí)現的純邊緣AI 應用，他指出研華提供了Edge AI 相關(guān)的工具可以幫客戶(hù)進(jìn)行應用評估，以幫助客戶(hù)解決邊緣側涉及的硬件（芯片）種類(lèi)繁多之間的評估選型問(wèn)題，從而助力客戶(hù)選擇價(jià)廉物美的邊緣AI 方案。

預測性維護是人工智能技術(shù)與工業(yè)應用結合的典型案例，鞠劍介紹研華的預測性維護主要涉及的馬達震動(dòng)類(lèi)和風(fēng)力與光伏發(fā)電預測都是以AI 數據分析為基礎的預測性維護案例。在馬達震動(dòng)檢測方面是研華積累了10 多年的優(yōu)勢行業(yè)，在A(yíng)I 技術(shù)融合之前，研華以震動(dòng)采集為基礎，采集后的數據通過(guò)工程技術(shù)人員進(jìn)行后期分析判斷。隨著(zhù)AI 技術(shù)的引入，研華在震動(dòng)檢測方面的軟件整體能力得到很大程度的提升。這個(gè)提升過(guò)程鞠劍總結了兩個(gè)階段，前期沒(méi)有云平臺支持的純邊緣側AI 能力算力有限，第二個(gè)階段通過(guò)接入云平臺后可以積累足夠多的樣品數據，這樣就便于判斷各種邊緣側數據的類(lèi)型和原因，從而提前做好預測性分析和警告等。相對而言，風(fēng)力和光伏發(fā)電的預測應用上研華的方案還比較簡(jiǎn)單，針對這兩種發(fā)電的非線(xiàn)性不穩定特點(diǎn)，研華會(huì )將天氣預報和現場(chǎng)氣象數據進(jìn)行統一收集整理，對風(fēng)力和光伏的發(fā)電情況進(jìn)行一些預測性分析交給客戶(hù)做相應的決策準備。

即使是工業(yè)和電力應用場(chǎng)景，對相關(guān)硬件的性能、功耗以及尺寸都有比較苛刻的要求，在這方面鞠劍介紹，研華會(huì )根據客戶(hù)的應用場(chǎng)景進(jìn)行不同解決方案的選擇，以“小批多樣”的形式滿(mǎn)足不同解決方案的選擇，以“小批多樣”的形式滿(mǎn)足不同客戶(hù)在各個(gè)細分市場(chǎng)的應用需求。研華的產(chǎn)品在邊緣側主打嵌入式，因此主打的一個(gè)要求就是尺寸盡可能的小，并且主要提供的是無(wú)風(fēng)扇產(chǎn)品從而提高穩定性并縮減尺寸。隨著(zhù)處理性能越來(lái)越強大，當場(chǎng)景必須配置風(fēng)扇散熱時(shí)，研華則會(huì )以工業(yè)標準在滿(mǎn)足電磁認證基礎上加強散熱，從而確保系統性能不受高溫影響。

除了工業(yè)應用之外，研華在邊緣AI 方面還關(guān)注低速無(wú)人駕駛領(lǐng)域的應用，鞠劍指出這個(gè)市場(chǎng)的很多用戶(hù)是研華傳統服務(wù)的領(lǐng)域，因此客戶(hù)的需求與研華的技術(shù)具有非常好的契合點(diǎn)，客戶(hù)在特種車(chē)輛的AI 無(wú)人駕駛有需求時(shí)會(huì )主動(dòng)來(lái)尋求研華的解決方案。相比于高速無(wú)人駕駛的海量市場(chǎng)，特種車(chē)輛的市場(chǎng)差異化比較大，單獨研發(fā)邊緣AI 主機沒(méi)有經(jīng)濟效益，這就需要研華這樣的邊緣AI 解決方案提供商提供通用平臺解決方案。研華的AR030 解決方案可以為環(huán)衛、物流、駕校與機器人等低速無(wú)人駕駛應用進(jìn)行價(jià)廉物美的AI 技術(shù)賦能。面向機器人領(lǐng)域，研華開(kāi)發(fā)了AFE R770 產(chǎn)品，接口主要是對接機器人多軸這樣適合于自動(dòng)物流車(chē)這個(gè)領(lǐng)域的接口需求。

研華在面向行業(yè)應用的AI 解決方案中同樣包含了自行開(kāi)發(fā)的算法部分，鞠劍介紹，研華算法的特點(diǎn)是小樣品的算法生成，無(wú)論是AI 震動(dòng)預測性維護還是缺陷檢測，客戶(hù)提供的參考樣本可能很少甚至幾乎是無(wú)法提供樣本，只能根據客戶(hù)的經(jīng)驗提出一些特定估計的數據，研華就需要基于客戶(hù)提供的需求來(lái)推理相應的模擬數據和算法?；谶@些參考數據，研華借助包括源學(xué)習、數據增強、遷移學(xué)習等技術(shù)，來(lái)完成小樣本算法的生產(chǎn)以滿(mǎn)足客戶(hù)的需求。

未來(lái)十年將是AI、IoT、邊緣運算深入各行業(yè)應用的高度發(fā)展黃金期。研華將以Sector Driven 及Orchestration的經(jīng)營(yíng)理念迎向AIoT + Edge Computing 新機遇，期待維持長(cháng)期穩健成長(cháng)動(dòng)能及產(chǎn)業(yè)領(lǐng)導地位，內部也為此正式啟動(dòng)組織轉型，并進(jìn)一步落實(shí)“智能地球推手”的長(cháng)期企業(yè)愿景。

（本文來(lái)源于《EEPW》2024.6）