智能工廠的AI趨勢：從工業終端設備智能化向工廠整體智能化演進

邊緣AI給工業帶來的變化

邊緣AI計算是更靠近物或數據源頭的網絡邊緣，融合了網絡、計算、存儲以及應用處理能力的分布式平臺，就近提供智能服務。邊緣計算將云計算和數據存儲能力下沉到邊緣，更好地保障了應用服務的低延時、高可靠性以及數據安全。因此邊緣云計算技術將成為人工智能、物聯網等領域的關鍵組成部分，也將得到更大的發展，覆蓋的潛在客戶和場景將不斷出現。

瑞薩電子 中國物聯網及基礎設施事業部 經理 杜灝

邊緣計算的技術挑戰

隨著互聯網時代的到來，AI技術的普及，越來越多的智能化設備走進了我們的生活。“設備端、云端、大數據、物聯網”相輔相成，共同編織成了一個完善的智能化、數字化世界。目前絕大多數智能化設備的AI學習和推理都必須依靠強大的云端計算能力來進行數據分析與算法的運作。但是，如果設備過份依賴云端進行所有AI學習和推理, 確實還存在著上傳云端過程中因網絡帶寬問題而產生的通信延遲等問題。諸如此類數據的處理挑戰將會在未來幾年內進一步加劇。

瑞薩的解決方案

面向智能工廠的AI發展，我們認為會以從工業終端設備智能化逐漸向工廠整體智能化的形式前進。瑞薩e-AI致力于在工業終端設備系統所搭載的MCU/SoC上有廣泛的應用。基于用戶的既有制造設備，瑞薩首先會提供附加AI單元的解決方案，來拓展該市場，從而使e-AI的實用性得到市場廣泛的理解，進而推進各工業終端設備的e-AI預安裝解決方案的普及，最終使瑞薩的e-AI得到廣泛的發展。

2017年7月，瑞薩電子首次推出e－AI方案，通過瑞薩電子提供的e－AI翻譯器，把客戶AI模型翻譯到C語言，然后在瑞薩電子的MCU/SoC里進行AI的終端推理功能。

2018年10月，瑞薩電子推出第二代的e－AI解決方案，將瑞薩電子獨有的DRP技術嵌入芯片，實現基于DRP的e－AI解決方案。DRP是執行e-AI以及優化最終產品整體性能的核心技術之一。我們有具體的對比表顯示相較于競爭對手產品的優勢。與FPGA相比，DRP具有更高的靈活性和節省成本，因為算法的種類和大小可以由同一個DRP硬件進行時間復用處理。DRP的靈活性非常適合于人工智能產業的DNN（深度神經網絡）的快速演化。此外，由于DRP是一種低時鐘速率的硬件加速器，因此其功率效率遠優于競爭對手（如GPU）。即使是人工智能推理也不需要散熱器。