深入探讨工业AI/ML技术的发展趋势及相关解决方案

Silicon Labs（亦称“芯科科技”）工业物联网产品营销经理Tristan Cool近期参与工业AI（AI in Manufacturing）杂志的2024年展望专题访谈，针对工业市场的人工智能/机器学习（AI/ML）技术的发展趋势及相关解决方案进行深入探讨。以下通过问答形式整理本次专访的内容，欢迎参考运用。

Q: 2023年，公司在工业AI领域有怎样的进展？

Tristan: 芯科科技已经创建了一套完整的硬件和软件解决方案，可支持开发用于工业市场的工业AI/ML解决方案。具体来说，我们的Sub-GHz、蓝牙和802.15.4产品内置了硬件加速功能，可优化边缘的AI/ML处理，帮助主内核的处理资源分担处理任务，同时降低能耗。在软件方面，芯科科技支持TensorFlow Lite，并且开发了先进的机器学习工具包（ML Toolkit）供专业开发人员使用。此外，我们正在持续与不同工业领域专注于AI/ML的伙伴展开合作。我们重点关注的领域包括智能建筑/智能工厂自动化，人员和资产追踪算法，以及利用音频标注、惯性测量单元（IMU）振动分析和超音速传感器输入进行工业机械异常检测。

Q: 公司对2024年工业AI的发展有怎样的愿景？

Tristan: 芯科科技的愿景是确保我们的无线SoC能够为领先的工业AI/ML应用场景中的边缘设备提供功耗最低的计算能力和最佳性能。芯科科技正积极与领先的客户和行业伙伴合作，为预测性维护等应用开发新模型、培训视频和软件示例。芯科科技的SoC系列产品支持在边缘进行AI/ML操作（无需将大量数据负载传送到云端），从而扩展了AI/ML应用场景的范围。这有助于减轻网络带宽的压力，同时减轻主处理器的处理任务。

Q: 能否介绍一下过去一年工业AI行业发展的热点问题？新概念？新进展？

Tristan: 芯科科技在工业领域的客户一直专注于训练AI/ML模型，以适用其应用场景——他们使用了不同的时间记忆（temporal memory）技术，来确保某些预测性应用场景中的学习和监管能力得以优化。在工业市场中，如何高效地扩展和部署越来越大的网络，以及如何改造现有基础设施，使其与合作伙伴的新技术更加兼容，仍然存在挑战。我们看到，在制造业、远程信息处理和追踪领域，越来越多的现有应用依赖于更复杂的AI/ML方法。因此，会有越来越多的客户倚靠对AI/ML的投资，将其作为自己研发过程的关键部分。

Q: 工业AI的未来将面对怎样的技术与应用挑战？

Tristan: 在工业领域，许多设备都无法轻松访问，这使得设备的安装、固件升级、电池更换和调试变得困难。使用AI/ML技术来确保设备得到正确调试、射频信号强度实现最佳校准以及设备模型得到正确调整，是一个值得探索的新应用场景。工业产品需要兼容越来越多的传感器数据输入和通信协议，因此AI/ML有必要成为一种设计工具和终端产品功能，为此提供支持，但同时要确保开发过程、工具套件和代码大小得到监控，以提高效率。

Q: 如何看待过去一年中国工业AI行业发展？面临怎样的挑战？

Tristan: 自动化工厂制造和智慧城市未来应用等工业应用是中国市场感兴趣并且可以取得成功的关键领域。这些应用依赖于最佳的效率要求、超大的规模、较低的维护投入和快速学习。在许多应用中，随着AI/ML计算能力的提高，与硬件层面的安全加密、安全调试、故障保护和防篡改相关的挑战将变得更加关键。

Q: 在工业AI的生态系统中，公司提供怎样的解决方案？发展愿景？如何解决挑战？

Tristan: 芯科科技的许多SoC解决方案都集成了矩阵矢量处理器（MatrixVector Processor，MVP）硬件加速功能，同时我们为专业用户提供了包括ML Toolkit在内的完整软件解决方案。在为即将推出的芯科科技第三代无线开发平台不断提升硬件加速引擎的同时，我们正在与领先的客户和AI/ML合作伙伴共同开发越来越多的内置软件示例，以改进开发工具套件，提升部署AI/ML的能力。

芯科科技的设想是，物联网可以在很多方面发挥作用，不仅是用作通信的数据管道，还可以主动集成到AI/ML流程中，以改善效率、功耗和协议管理。

审核编辑：黄飞