为MCU赋能工业AI（问与答）

eefishing · 2019-12-11T04:31:30+00:00

问：边缘AI给工业带来了哪些变化？; M2 c5 |, O/ {4 v$ D% a- S! ^- ] $ X2 V& ]: _3 y. v$ I2 k3 u3 I" L 答：边缘人工智能技术可以用于开发更智能的设备/更智能的应用。在遇到通常需要人工决策的复杂事件时，这些设备将能够自行作出决策。 R) w' T% G( l% s9 h' B/ L' ~ * C8 D4 `7 w7 P$ a& t$ z 因为本次采访是工业专题，所以我们以电机为例讨论边缘人工智能。工业设备应该24/7全天候运转，所以密切监视设备老化程度是非常重要的。 + Z6 {4 s% ^- d7 `2 I 在此电机上添加一个运行AI的智能单元，能够准确地检测到老化现象，将有助于预测故障并防止停机停产。 ( I- }" s. G2 A8 x/ @ {2 t' a* g8 Q" z' c: t \4 p8 j4 s3 z6 J) B, K 有趣的是，因为电机上装有AI设备，不需要一直连接到云端，就能准确的检测到迫在眉睫的重大故障，如果威胁到操作员人身安全，还可以决定停止电动机运行。总之，其特点可以归纳为：( Z1 f/ T4 q* W ; `) b4 ^! `- k7 ^; D · 最便宜的工业设备维护成本； $ ~* t/ _" A) C6 Y0 D3 h5 C · 为周围用户提供更安全的工作环境； * r5 N# q' U$ X. d0 o8 E5 v8 M · 处理速度快，延迟时间短，而非边缘智能设备本机因为没有装置AI，需要连接到云服务器才能做出决策；) _9 F# R1 t5 n& V7 @ · 可降低设备的能耗，因为智能设备的能耗远远低于连接云AI解决方案；6 ~9 H2 [& A, r3 B/ u& D · 更好的安全性能/隐私保护，因为智能设备可以自行在本机上处理工业设备数据，不会将数据发送到云服务器（不易遭受黑客网络攻击）。# d7 y# Z0 j' k' p " w9 H% a3 V0 G! I7 D 6 C- f/ H5 P! L $ G( g# B- @7 G$ J 问：其技术挑战是什么？$ c0 _! X; Y5 K6 Q/ ? 8 @/ r( t# h# W+ i 答：我们认为当今的主要挑战是，我们的客户非常想要通过AI提高应用的智能程度，或者说在想在产品上增加AI。然而有这方面知识或经验的厂商寥寥无几。8 ?5 @8 k' K) ^2 W7 k' s. Q 另一个挑战可能是数据隐私，目前大多数客户对数据上云的做法仍持谨慎的态度。 : E D' i) ^% ^, d, y - e8 a; _0 m/ ^1 ` 问：贵公司是如何解决这些难点的？有哪些创新性的解决方案推荐？- Y5 [) V. [) P2 _ 0 A! {& d8 m7 p: ]9 V, F 答：ST了解这些挑战，并意识到有必要为客户提供一个边缘AI开发生态系统，方便客户在微控制器上添加AI。因此，ST在2018年CES（美国消费电子展）上发布了STM32Cube.AI，帮助客户解决这个难题。 ; i- l: Z" R4 Q. U- ]# c " U! X! g8 s4 _: V' ^3 S" x STM32Cube.AI是一款软件工具，用于为意法半导体微控制器优化DNN（深度神经网络。STM32Cube.AI可以从众多流行的AI开发框架中（如Keras, Tensorflow Lite等）获取接受过预训练的神经网络模型输出，并将其映射到经过优化后、适用于目标STM32 MCU的存储及处理能力的DNN（深度神经网络）中去。8 U% x5 W/ M5 `$ [; k - F m, ~5 `& ~0 L 更通俗地讲，STM32Cube.AI是一个生态系统的通用名称，用于在STM32上实现AI功能。它是众多工具的集合，包括硬件平台，合作伙伴，固件库，移动应用程序等，可在STM32微控制器上实现AI功能。有了STM32Cube.AI，让客户在STM32系列上运行AI变得非常轻松简单。 $ S# x) `. e! E) M针对那些对AI知之甚少的客户，ST通过展示与合作伙伴共同打造的完整的解决方案和详尽的用例，以帮助这类客户提高对AI的认知度。同时，我们每月也会有计划地举行一些实践研讨会，提高客户对STM32生态系统的熟悉度。 9 t& C) _* B8 |( y: u7 n' T: ]7 p4 z 关于刚才提到的数据隐私问题，ST可以帮助客户在边缘（STM32）而非在云（服务器）上运行AI。这样就不需要将数据传输到云，可以使客户隐私得到更好的保护。与在云计算相比，边缘（STM32）计算的其他优点还包括：更低功耗、更安全。在边缘端(STM32)运行AI，可以有效减少智能边缘设备的功耗，以及在设备和云之间传输数据带来的额外功耗。更重要的是，在边缘运行AI可以让设备在尽可能低延迟的情况下，自行作出决策并对设备进行实时控制，从而避免因操作不及时给用户或机器带来的安全隐患和直接损失。4 _% `% O3 U( o/ _- @

[复制链接]

eefishing 发布时间：2019-12-11 12:31

技术帖
文章封面:	-
文章简介:	-

   问：边缘AI给工业带来了哪些变化？

   答：边缘人工智能技术可以用于开发更智能的设备/更智能的应用。在遇到通常需要人工决策的复杂事件时，这些设备将能够自行作出决策。

   因为本次采访是工业专题，所以我们以电机为例讨论边缘人工智能。工业设备应该24/7全天候运转，所以密切监视设备老化程度是非常重要的。
   在此电机上添加一个运行AI的智能单元，能够准确地检测到老化现象，将有助于预测故障并防止停机停产。

   有趣的是，因为电机上装有AI设备，不需要一直连接到云端，就能准确的检测到迫在眉睫的重大故障，如果威胁到操作员人身安全，还可以决定停止电动机运行。总之，其特点可以归纳为：

   ·       最便宜的工业设备维护成本；
   ·       为周围用户提供更安全的工作环境；
   ·       处理速度快，延迟时间短，而非边缘智能设备本机因为没有装置AI，需要连接到云服务器才能做出决策；
   ·       可降低设备的能耗，因为智能设备的能耗远远低于连接云AI解决方案；
   ·       更好的安全性能/隐私保护，因为智能设备可以自行在本机上处理工业设备数据，不会将数据发送到云服务器（不易遭受黑客网络攻击）。

   问：其技术挑战是什么？

   答：我们认为当今的主要挑战是，我们的客户非常想要通过AI提高应用的智能程度，或者说在想在产品上增加AI。然而有这方面知识或经验的厂商寥寥无几。
   另一个挑战可能是数据隐私，目前大多数客户对数据上云的做法仍持谨慎的态度。

   问：贵公司是如何解决这些难点的？有哪些创新性的解决方案推荐？

   答：ST了解这些挑战，并意识到有必要为客户提供一个边缘AI开发生态系统，方便客户在微控制器上添加AI。因此，ST在2018年CES（美国消费电子展）上发布了STM32Cube.AI，帮助客户解决这个难题。

   STM32Cube.AI是一款软件工具，用于为意法半导体微控制器优化DNN（深度神经网络。STM32Cube.AI可以从众多流行的AI开发框架中（如Keras, Tensorflow Lite等）获取接受过预训练的神经网络模型输出，并将其映射到经过优化后、适用于目标STM32 MCU的存储及处理能力的DNN（深度神经网络）中去。

   更通俗地讲，STM32Cube.AI是一个生态系统的通用名称，用于在STM32上实现AI功能。它是众多工具的集合，包括硬件平台，合作伙伴，固件库，移动应用程序等，可在STM32微控制器上实现AI功能。有了STM32Cube.AI，让客户在STM32系列上运行AI变得非常轻松简单。
针对那些对AI知之甚少的客户，ST通过展示与合作伙伴共同打造的完整的解决方案和详尽的用例，以帮助这类客户提高对AI的认知度。同时，我们每月也会有计划地举行一些实践研讨会，提高客户对STM32生态系统的熟悉度。

   关于刚才提到的数据隐私问题，ST可以帮助客户在边缘（STM32）而非在云（服务器）上运行AI。这样就不需要将数据传输到云，可以使客户隐私得到更好的保护。与在云计算相比，边缘（STM32）计算的其他优点还包括：更低功耗、更安全。在边缘端(STM32)运行AI，可以有效减少智能边缘设备的功耗，以及在设备和云之间传输数据带来的额外功耗。更重要的是，在边缘运行AI可以让设备在尽可能低延迟的情况下，自行作出决策并对设备进行实时控制，从而避免因操作不及时给用户或机器带来的安全隐患和直接损失。