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的技術與傳統(tǒng)工業(yè)場景的融合，并且向工業(yè)以外的市場擴展。隨著人工智能應用的不斷滲透，研華堅持推動AI相關技術與行業(yè)應用的融合，以軟硬整合的方式幫助客戶實現(xiàn)從云到平臺再到邊緣的全產業(yè)鏈條覆蓋。在AI智能技術迭代及凈零可持續(xù)應用雙重驅動下，將啟動新一波產業(yè)革命，預期AIoT市場將進入加速成長期。研華將深耕AIoT + Edge Computing領域，期待維持長期穩(wěn)健成長動能及產業(yè)領導地位。

研華技術專家鞠劍介紹，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先廠商的長期合作伙伴，可以為客戶提供基于英偉達、英特爾、華為的全系列產品的硬件平臺和基于微軟、麒麟操作系統(tǒng)、統(tǒng)信等多種軟件生態(tài)的應用。具體到邊緣側的AI應用，研華目前重點的產品包括了嵌入式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(tǒng)和IoT 工業(yè)物聯(lián)網網關等。

工業(yè)是研華最熟悉的應用市場，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，一類是以AI 圖像識別為基礎的相應的開發(fā)，比如常見的生產線上的缺陷檢測；另一類是以AI數(shù)據分析類為主的應用，比如各種工業(yè)場景的預防性維護，研華最擅長的是馬達震動相關的預防性維護以及電力系統(tǒng)中風力和光伏的發(fā)電預測。

雖然云端AI 一直是人工智能最受關注的應用，但對工業(yè)應用場景來說，很多云端的AI 應用正在逐漸下放到邊緣側。鞠劍介紹，對工廠來說雖然技術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)領域的應用最主要還是邊緣側AI。此外，鞠劍還提到了在網關上實現(xiàn)的純邊緣AI 應用，他指出研華提供了Edge AI 相關的工具可以幫客戶進行應用評估，以幫助客戶解決邊緣側涉及的硬件（芯片）種類繁多之間的評估選型問題，從而助力客戶選擇價廉物美的邊緣AI 方案。

預測性維護是人工智能技術與工業(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類和風力與光伏發(fā)電預測都是以AI 數(shù)據分析為基礎的預測性維護案例。在馬達震動檢測方面是研華積累了10 多年的優(yōu)勢行業(yè)，在AI 技術融合之前，研華以震動采集為基礎，采集后的數(shù)據通過工程技術人員進行后期分析判斷。隨著AI 技術的引入，研華在震動檢測方面的軟件整體能力得到很大程度的提升。這個提升過程鞠劍總結了兩個階段，前期沒有云平臺支持的純邊緣側AI 能力算力有限，第二個階段通過接入云平臺后可以積累足夠多的樣品數(shù)據，這樣就便于判斷各種邊緣側數(shù)據的類型和原因，從而提前做好預測性分析和警告等。相對而言，風力和光伏發(fā)電的預測應用上研華的方案還比較簡單，針對這兩種發(fā)電的非線性不穩(wěn)定特點，研華會將天氣預報和現(xiàn)場氣象數(shù)據進行統(tǒng)一收集整理，對風力和光伏的發(fā)電情況進行一些預測性分析交給客戶做相應的決策準備。

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

除了工業(yè)應用之外，研華在邊緣AI 方面還關注低速無人駕駛領域的應用，鞠劍指出這個市場的很多用戶是研華傳統(tǒng)服務的領域，因此客戶的需求與研華的技術具有非常好的契合點，客戶在特種車輛的AI 無人駕駛有需求時會主動來尋求研華的解決方案。相比于高速無人駕駛的海量市場，特種車輛的市場差異化比較大，單獨研發(fā)邊緣AI 主機沒有經濟效益，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(wèi)、物流、駕校與機器人等低速無人駕駛應用進行價廉物美的AI 技術賦能。面向機器人領域，研華開發(fā)了AFE R770 產品，接口主要是對接機器人多軸這樣適合于自動物流車這個領域的接口需求。

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發(fā)的算法部分，鞠劍介紹，研華算法的特點是小樣品的算法生成，無論是AI 震動預測性維護還是缺陷檢測，客戶提供的參考樣本可能很少甚至幾乎是無法提供樣本，只能根據客戶的經驗提出一些特定估計的數(shù)據，研華就需要基于客戶提供的需求來推理相應的模擬數(shù)據和算法?；谶@些參考數(shù)據，研華借助包括源學習、數(shù)據增強、遷移學習等技術，來完成小樣本算法的生產以滿足客戶的需求。

未來十年將是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的經營理念迎向AIoT + Edge Computing 新機遇，期待維持長期穩(wěn)健成長動能及產業(yè)領導地位，內部也為此正式啟動組織轉型，并進一步落實“智能地球推手”的長期企業(yè)愿景。

（本文來源于《EEPW》2024.6）