邊緣AI來襲：安富利幫助工業設備 “獨立思考”
在萬物互聯、資訊激增的新時代，我們正站在工業4.0 “黃金時刻”的前沿。邊緣AI作為推動工業智慧化轉型的核心力量，正在以驚人的速度嶄露頭角，成為實現更高效、智慧化生產的關鍵引擎。值得注意的是，“邊緣AI小模型”的崛起，正引領著這一變革走向更廣闊的應用領域，開啟了設備自主“思考”的新時代。
邊緣計算：讓機器“大腦”變得更聰明、更快捷
在傳統工業中，我們習慣於將數據傳回雲端分析、處理，再將指令送回給機器。這種做法雖然很安全，但不夠即時，就如同打電話給技術支援，往往需要等待一段時間才能得到答覆。試想，如果生產線停機了，你能忍得住這段“空白期”嗎？
這一問題如何解？很簡單，升級你的設備大腦——讓它直接在現場做決定！這就是邊緣計算的優勢所在，它把計算任務從遠端伺服器“搬到了”設備旁邊，即時處理資料，瞬間回應。
但僅僅這樣還不夠，如果我們讓邊緣計算變得更“聰明”一些呢？能否發揮大模型的潛力？提到大模型時，很多人可能會想到像ChatGPT這樣的大型AI系統，它們需要數百萬甚至數千萬的資料樣本，以及強大的演算力和大量能源，這些因素往往讓人望而卻步。那麼，對於中小型企業，或者那些需要特定產品監控的應用場景，怎麼辦？你難道真的要從每台機器採集上萬條資料？
不用擔心，安富利在這裡給你帶來了“黑科技”！
訓練AI，不再是大資料的專屬派對
安富利的歐洲半導體專業部門Avnet Silica，與Deep Vision Consulting合作開發了一種深度視覺檢測（DVI）系統，實現了在邊緣訓練AI模型的夢想。與傳統的AI訓練方式不同，DVI系統能夠利用生產線上的少量樣本資料，在邊緣進行訓練和優化。這些訓練僅限於被檢查的特定產品，就像教一個孩子學會識別水果，給他看幾種水果，他很快就能分辨出柳丁和蘋果的區別。這種方式不僅節省了資料獲取的成本和時間，還能高效、準確地完成任務。
DVI系統基於NXP的 i.MX 8M Plus和i.MX 9應用處理器，其中內置了NXP的神經處理單元（NPU）。NPU是一種專門優化的硬體單元，能夠高效地執行深度學習任務，支持AI訓練和推理。
邊緣AI最具潛力的應用之一就是預測性維護。傳統的維護方式往往依賴於週期性檢查，或者在設備故障後才進行修復，這種方式既浪費了人力物力，又可能導致不必要的停機。例如，在電機和風扇等關鍵設備上，邊緣AI可以通過對振動頻率、溫度變化等信號的即時分析，預測設備的潛在故障並提前發出警報。這樣，企業可以及時安排維修，避免了因設備故障導致的生產線停工和高昂的維修費用。
當然，對於持續線上預測性維護而言，視覺技術是至關重要的一環。DVI解決方案中所使用的圖像感測器和鏡頭主要在可見光譜範圍內工作，但該設計也支持使用紅外、紫外線或X射線感測器。該系統會根據所檢測樣品的圖像計算異常分數，表示缺陷的嚴重程度。使用者可以根據定義的“好”與“壞”標準，或設定與故障發生之間的閾值，來調節系統的靈敏度。同時，圖像可以被標注，以顯示具體的缺陷位置和類型。
低功耗，邊緣計算的永續命脈
儘管邊緣計算帶來了諸多好處，但其中一個永恆且不可忽視的話題便是：低功耗。從工業生產到個人消費，低功耗技術已經成為邊緣計算不可或缺的一部分。
為什麼“低功耗”在邊緣計算中如此重要？一方面，邊緣設備往往部署在離使用者或機器較近的地方，很多時候它們難以接入穩定的電力供應。另一方面，很多邊緣設備是需要24小時全天候工作的，如智慧監控、工業感測器等，過高的功耗會導致頻繁充電或電池更換，從而增加運作成本。
如何實現邊緣計算的低功耗？安富利的DVI系統解決方案基於NXP i.MX 8M Plus和i.MX 9應用處理器，這些處理器具有低功耗的特性，非常適合基於邊緣的 AI 和機器學習應用。這種基於邊緣計算的低功耗解決方案，不僅有效提高了AI模型的回應速度和處理能力，還為中小型企業提供了一個高效、可擴展的智慧化工具。
結語：未來已來，智慧製造不再是幻想
邊緣AI，正在重新定義工業生產的智慧化時代。從邊緣計算到少量樣本訓練，再到低功耗的NPU加持，我們已經逐步進入了一個設備能自我“思考”、自動調整的新時代，機器不再只是“機械”的工作。未來的工廠，將不再是簡單的生產線，而是一個擁有超級智慧大腦的生態系統。
這一切的創新和改變，都為未來的智慧製造鋪平了道路。想像一下，當每台機器都能“預知”自己的故障，主動進行修復或警報，生產線將不再是單調的流水作業，而是一個智慧、高效、自動化的未來工廠。如今，越來越多的如安富利這樣的企業正在推動這一變革，讓我們離“智慧製造”的未來更近一步。
