Künstliche Intelligenz am Rande des Netzwerks ist der Grundstein, der die zukünftige Ausrichtung der Technologiebranche beeinflusst. Wenn künstliche Intelligenz der Motor des Wandels ist, sind Halbleiter das Öl, das die neue Ära antreiben wird, die durch maschinelles Lernen, neuronale Netze, 5G-Konnektivität und das Aufkommen von Blockchain, digitalen Zwillingen und dem Metaversum definiert wird.
Trotz der jüngsten Störungen in der Chipindustrie aufgrund von Lieferketten- und makroökonomischen Faktoren steht die Konvergenz von künstlicher Intelligenz und dem Internet der Dinge kurz davor, die Welt von cloudzentrierter Intelligenz zu einer stärker verteilten Intelligenzarchitektur zu verändern.
Es wird erwartet, dass die von IoT-Geräten generierte Datenmenge bis 2025 unglaubliche 73,1 Terabyte an Daten erreichen wird. Infolgedessen werden die Endpunktdaten von 2017 bis 2025 mit einer durchschnittlichen jährlichen Wachstumsrate von 85 % wachsen, wodurch Intelligenz von der Cloud zum Endpunkt gelangt, um KI/ML-Workloads auf winzigen Maschinen auszuführen.
Zu den bahnbrechendsten Anwendungen gehört die Entwicklung von „Sprache als Benutzeroberfläche“ zur Verbesserung der Mensch-Maschine-Kommunikation sowie des Umweltbewusstseins, der prädiktiven Analyse und der Wartung. Zu den wichtigsten Wachstumsbereichen zählen Wearables, Smart Homes, Smart Cities und intelligente Industrieautomation.
Welche Vorteile bietet die Einbettung von Intelligenz in Terminals? Viele industrielle IoT-Anwendungen werden in Umgebungen betrieben, die durch Speicherkapazität, begrenzte Rechen- und Batterieleistung sowie suboptimale Konnektivität eingeschränkt sind. Darüber hinaus erfordern diese Anwendungen häufig Echtzeitreaktionen, die geschäfts- und systemkritisch sein können. Es ist nicht zu erwarten, dass solche Geräte und Anwendungen in einer cloudzentrierten intelligenten Architektur laufen.
Das ist die Kraft der Einbettung von Intelligenz in Terminals, die sich von der standardmäßigen industriellen IoT-Implementierung zu dem entwickelt, was wir AIoT für industrielle Anwendungen nennen.
Die Datentransformation an der Erfassungsquelle minimiert die Latenz und ermöglicht eine optimierte Verarbeitung für zeitkritische Anwendungen. Da Daten nicht über das Netzwerk verarbeitet und übertragen werden, werden Sicherheitsprobleme im Zusammenhang mit der Datenübertragung und dem Datenfluss erheblich reduziert.
Ein weiterer Vorteil besteht darin, dass die Datenverarbeitung mit dem Root of Trust des Endpunkts verbunden werden kann, wodurch die Implementierung immun gegen Angriffe wird. Da die Datenverarbeitung an oder sehr nahe an der Quelle erfolgt, können wir die Datengravitation nutzen und den Stromverbrauch reduzieren, der mit dem Einschalten des Radios oder dem Verschieben von Daten durch das Netzwerk verbunden ist.
Unser Engagement gegenüber unseren Kunden besteht darin, mit der breitesten Palette an MCUs und MPUs branchenführend in der Endpoint-Computing-Technologie zu sein. Dies ermöglicht es Designern bereits, unser umfangreiches IoT-Ökosystem und unsere KI/ML-Bausteine zu nutzen, indem sie das Technologieökosystem nutzen, das mehr als 300 kommerzielle Softwarebausteine von Renesas‘ vertrauenswürdigen Partnern umfasst.
Unser wachsendes AIoT-Portfolio erklärt auch unsere kürzliche Übernahme von RealityAI, einer neuen Plattform, die Renesas-Prozessoren verwendet, um Edge- und Endpoint-KI in industriellen IoT-Anwendungen zu unterstützen.
Reality AI durchsucht automatisch eine Vielzahl von Signalverarbeitungstransformationen und generiert maßgeschneiderte Modelle für maschinelles Lernen, wobei die Rückverfolgbarkeit in seinem Ansatz gewahrt bleibt und wertvolle Hardware-Designanalysen bereitgestellt werden. Dieses Modell läuft auf fast allen MCU- und MPU-Kernen, die Renesas anbietet, und es kommen ständig neue hinzu.
Damit erhalten Designer ein sehr leistungsfähiges Werkzeug, das ihnen bei der Lösung der schwierigsten Probleme helfen kann, da das Modell speziell für Anwendungsfälle der nicht-visuellen Wahrnehmung entwickelt wurde und auf fortschrittlicher Signalverarbeitungsmathematik und Edge-Bereitstellung basiert.
Dies ermöglicht erweiterte Analysen zur Unterstützung eines vollständigen Hardwaredesigns und eines vollständigen Frameworks, einschließlich Datenerfassung, Instrumentierung, Firmware und ML-Workflows. Andere Lösungen generieren lediglich Algorithmen und Modelle, die oft nur 5 % der typischen Projektkosten ausmachen, während die anderen 95 % der Entwicklungskosten ignoriert werden.
Unser umfassender Ansatz für das AIoT-Design ermöglicht es Entwicklern, ungeplante Geräteausfallzeiten zu reduzieren, die Produktivität zu steigern und komplexe Qualitätssicherungsaufgaben durchzuführen, die teuer oder in aktuellen Testumgebungen nur schwer zu reproduzieren sind.
Realistische KI in realen Anwendungsfällen, getestet in 51 verschiedenen Umgebungen und Lastbedingungen auf einem 3-Tonnen-HLK-System für Privathaushalte. Kann über 95 % erreichen Genauigkeit bei der Erkennung und Unterscheidung einzelner Fehlerzustände. Bei den Tests wurden außerdem OEM-Spezifikationen für eine Behinderung des Luftstroms im Innen- und Außenbereich sowie Ladefehler bei 5 % sowohl im Heiz- als auch im Kühlmodus festgestellt.
Die Integration von künstlicher Intelligenz und dem Internet der Dinge in industrielle Anwendungen ist ein großer Trend mit großem Potenzial. Die Übernahme von Reality AI erschließt das Potenzial der Kombination fortschrittlicher Signalverarbeitung mit KI, unterstützt durch die umfangreiche Hardware, Software, Tools und das Ökosystem von Renesas und bietet alle Bausteine, die zur Entfaltung der Kreativität erforderlich sind.
Das obige ist der detaillierte Inhalt vonIoT-Edge-KI revolutioniert Industriemärkte. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
