【儀表網 行業科普】與之前的物聯網(IoT)和云計算一樣，人工智能(AI)也具備了變革性技術的所有特征，在提升工業運營方面具有巨大潛力。隨著AI越來越普及，各種軟件和硬件平臺以及眾多供應商之間已經出現了快速增長和變化。
對于技術領導者、工程師和決策者來說，這既是巨大的挑戰，也是充滿希望的機遇。要對能夠充分釋放AI在工業邊緣的潛力的使能技術進行明智投資，駕馭這些復雜性至關重要。
AI在邊緣的實際應用既取決于推理模型的有效性，也取決于推理模型在每個用例中的有效位置。在許多情況下，用例需要在邊緣計算設備上建立推理模型的本地實例，該實例可以實時響應，而不是將請求發送到云或中央服務器。根據給定應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之一：
· 圖形處理單元（GPU）：以并行處理而聞名，擅長處理大型 AI 工作負載，例如訓練復雜的神經網絡。它們對于需要大量矩陣計算的任務(例如圖像和視頻處理)非常高效。但是，對于邊緣部署，GPU可能非常耗電且成本高昂。
· 神經處理單元（NPU）：專為 AI 任務而設計，為邊緣推理提供出色的性能，在低功耗嵌入式環境中提供高效率。雖然NPU非常適合特定的AI任務，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，包括更簡單的AI計算，并且有利于不需要大量處理的應用程序。盡管CPU缺乏處理高強度人工智能工作負載所需的并行化和效率，但CPU制造商已經在通過引入具有不同級別NPU和GPU集成的新產品來應對這一挑戰。
使用AI進行基于視頻的泄漏檢測
AI 在工業邊緣的一個有前途的應用是泄漏檢測。借助可以從實時視頻片段中快速識別潛在氣體泄漏的推理模型，制造企業有可能在數百個站點實現連續且經濟高效的實時泄漏檢測。
但是，如果該模型依賴于功能強大的計算機和GPU，則可能很難找到合適的硬件來在遠程和惡劣環境中可靠地運行該模型。如果現有網絡架構無法處理帶寬或延遲要求，那么依靠位于中央的服務器來托管推理模型也可能具有挑戰性。
關于推理模型的具體情況，在部署AI驅動的泄漏檢測解決方案時，也可能對投資類型和工程工作量產生重大影響。例如，如果使用Nvidia GPU在內部開發了推理模型，那么選擇可能是投資于必要的計算機硬件的外殼和冷卻裝置，或者等待制造商提供更強大、更堅固的計算模型。如果推理模型與平臺無關，那么其他選項也可能出現，例如使用節能的NPU或AI加速器，以優化特定人工智能計算任務的性能。
這些架構上的考慮在其他涉及實時分析大量數據流的用例中也能看到，例如由LiDAR傳感器生成的3D點云。每個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進行預測性維護
與視頻分析等計算密集型實時應用程序相比，預測性維護應用程序可能更容易利用增量投資和現有架構來利用AI。至關重要的是，通過可編程邏輯控制器(PLC)和工業物聯網平臺收集有價值數據的系統可能已經到位，這些系統可以利用人工智能支持預測性維護平臺。由于預測性維護并不依賴于對海量數據的即時實時分析，因此推理模型可以駐留在中央服務器或云服務器上，而邊緣設備只需負責輕松、經濟高效地收集設備數據即可。
在預測性維護方面，邊緣設備也可以在本地運行推理模型，而無需GPU或NPU等特殊硬件。高度優化的預測模型可以在輕型、低功耗處理器上運行，例如基于Arm的系統。對于許多客戶來說，這也是一個自然的進步，他們利用工業物聯網獲得了設備和流程的實時可見性，從而發現了利用這些數據實現更高效運營和維護的價值。
邊緣計算的監管和注意事項
圍繞AI的監管環境為邊緣工業應用帶來了挑戰和增長機會。例如，排放報告法規可能會推動對基于AI的泄漏檢測解決方案的需求，這些解決方案利用邊緣處理，以傳統系統的一小部分成本進行全面監測。同樣，關于管理或減少能源使用的法規可能會為 AI 應用程序打開大門，這些應用程序可以快速查明能源浪費區域并優化運營。
然而，監管也可能為AI解決方案制造障礙，或改變其經濟性。例如，如果某些技術出現新的分類，這可能會改變人工智能工具的應用方式，無論是通過施加額外限制、強制特定合規措施，還是改變人工智能技術進出口的激勵政策。
人工智能領域的快速演變，還帶來了市場動蕩的風險。隨著新參與者帶著創新解決方案涌現，既有企業轉型，或并購改變產品供應和支持經濟性，市場格局可能被重塑。例如，ChatGPT大型語言模型的推出及其有效性，改變了AI應用的格局和認知，促使其他公司迅速調整策略，甚至基于查詢GPT引擎開發新的商業產品。Meta、Anthropic、DeepSeek等公司創新的人工智能平臺，將如何創造新機遇或使現有解決方案過時，仍有待觀察。
企業需要對這些市場變化和監管變化保持警惕，以保護他們的投資并確保長期成功和競爭力。在這樣一個令人興奮且快速增長的市場中，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的可用性所帶來的風險，尤其是未來許可費用的不確定性，以及對訓練數據和查詢的所有權的法律問題。
AI正在迅速成為工業邊緣計算的強大工具，它具有提高效率、提供預測性洞察和增強運營彈性的潛力。然而，這也要求決策者仔細考慮硬件權衡、不斷變化的應用場景、監管影響以及適應新技術和新參與者的靈活性。與任何處于創新前沿的技術一樣，在工業環境中充分發揮AI潛力的旅程將充滿動態變化。今天深思熟慮、戰略性投資可以為未來的可持續增長和競爭優勢奠定基礎。
所有評論僅代表網友意見，與本站立場無關。