使用 AI 实现经得起未来考验的工业应用

解锁产业转型

无论是监控工厂中的机器状态，还是监测零售环境中的客流量规律，都必须快速、安全地接收信息，才能使这些信息具有可操作性。将数据发送到云端会增加延迟、暴露隐私问题、增加成本，并可能导致信息因接收太晚而无法使用。通过边缘处理这些信息，您无需存储所有数据或将其发送到云端进行分析。此外，您还可以在本地分析重要数据，并实时做出可操作的决策。高效的边缘计算可减少所需的数据传输量，从而节省时间和金钱。众多 OEM 厂商和芯片制造商正在为其产品添加人工智能 (AI) 功能，从而利用边缘处理的优势。

多样化的神经网络

不同的工业应用需要不同的 AI。有些应用可能要求神经处理单元 (NPU) 以数十 TOPS 或更高的性能执行任务。有些应用可能需要高效运行多个专用神经网络 (NN)，此类高要求在其他市场非常罕见。虽然单台机器可能只需要一个分辨率较小的神经网络（例如，224 x 224 的 ResNet50），但大规模安全项目的部署可能需要多个更高分辨率的并发网络（例如，1920 x 1080 x 3 的 ResNext 和 1632 x 2592 x 3 的 EfficientNet V2）。工业设备和半导体产品通常具有较长的使用寿命，因此 NPU 需要应对一些未知因素，比如支持当前尚未出现的未来神经网络。

工业设备中的 AI - 用例

人工智能的工业用例包括：

• 工厂/制造业环境中的视觉缺陷检查、随时间变化的制造可预测性，或者无监督学习模型
• 在安全、零售或工业环境中检查异常行为或异常流量模式
• 视频源存储压缩：删除不重要的视频帧，实现高效归档

面向工业用例的先进 AI

随着输入流数量不断增长，未来的工业系统需要处理越来越大的神经网络。边缘处理需要通过高效的硬件解决方案来完成。只需为您的芯片解决方案添加艾伯德 Origin™ E1 或 E2 神经处理单元 (NPU)，便可提高系统性能，而不增加系统成本。艾伯德无需修改训练好的模型即可提供增强性能，从而确保精确结果，同时节省经常用于重新优化模型的工程时间。此外，艾伯德还支持目前尚未出现的神经网络，确保产品经得起未来考验。

了解有关艾伯德产品的详情