制造商面临着巨大的压力，必须利用所有可用的智能功能，如机器视觉和 AI 驱动的视频分析等技术。这些都是实现从缺陷检测和预防到工人安全等一切事项的关键工具。但很少有制造商是 AI 领域的专家，要掌握的东西很多，要处理的事情也很多，更不用说要为未来的重大技术投资做好准备。这些新技术需要具有适应性和互操作性。
虽然在我们的领域，我们一直对产品质量保持特别关注，但正如 Aji 刚才提到的，人不会消失。我认为这恰恰说明了人们对 AI 的一个普遍误解，即 AI 会取代人类，夺走工作岗位。我们在产品质量方面看到的情况实际上恰恰相反：通过将视觉系统和软件工具引入工厂，我们使工厂能够更快地检验零件。现在，他们能够生产更多的产品，这意味着公司能够雇佣更多的员工来生产更多的零件。
在多个行业中执行工作场所安全规程的经历至关重要。“由于 AI 的民主化，几乎任何人都可以访问开源算法并创建视频分析。但将其推广到摄像头不同、照明度不同、期望值也不同的生产环境中，这是最具挑战性的部分，” Anirudhan 指出。“这正是我们的优势所在，我们能够解决不同垂直行业的安全和员工工作效率问题，尤其是在石油天然气、公用事业和制造业。”
在音频领域，快速运行时尤为重要，这是常见的痛点之一。您希望模型超级强大，能够快速生成高质量输出的结果，那就需要大量计算。因此，我想说，优化生成式 AI 模型的技术堆栈绝对至关重要，这也是我在英特尔日常工作中研究的东西。
音频生成式 AI 的具体商机是什么？
使用语音人工智能或对话式人工智能来读取和处理音频，这确实非常有趣，这就是您使用语音代理（例如手机上的语音助手）所做的事情。将其与音频生成式 AI 比较，您实际上是在创建内容，例如，能够生成合成化身或声音，以便打电话和交谈。首先想到的商业应用肯定是呼叫中心，或者是具有使用这种所创建音频的模拟环境的元宇宙应用。
但创意领域、内容创作领域也有一些非传统商业用例，我们开始看到一些应用与音乐生成式 AI 相关。对我来说，这非常令人兴奋。英特尔开始研究生成式 AI 如何补充艺术家的工作流程：例如，创建作品，使用生成式 AI 来采样节奏。音乐家和音乐制作人如何利用生成式人工智能，将其纳入内容创作工作流程之中，这也有一个非常有趣的文化元素。
虽然它不是一个传统的商业用例，比如呼叫中心或使用音频进行零售的交互式自助服务终端，但我认为，音乐生成式 AI 在内容创作方面有着巨大的应用。最终，它还可以进入需要生成声音的其他类型领域，例如，创建用于 AI 系统训练的合成数据。
音频生成式 AI 的开发流程是什么？
生成式 AI 领域目前正在采用几种不同的方式。其中一种肯定是改造已有的模型架构，以用于其他类型的生成式 AI 模型。例如，Riffusion 基于图像生成模型 Stable Diffusion 的架构；它只是生成波形，而不是图像。
我们一直在调查许多有趣的生成式 AI 工作负载，这些工作负载是英特尔 OpenVINO 工具套件和 OpenVINO Notebook 存储库的一部分。我们将许多音频生成的关键示例当作非常有用的用例，用于提示和测试生成式 AI 功能。我们曾经与英特尔的其他团队合作，使用 Riffusion 模型，创作 Taylor Swift 类型的流行节奏，一直到更高级的模型，生成与某人说话的内容相匹配的音频。
我们正在尝试采用英特尔® 酷睿™ Ultra 和类似类型的平台，在 AI 电脑上生成音频，当您坐在房间里与一群音乐家一起制作原型并玩音乐时，理想情况下，您不必访问云端。相反，您可以在本地这样做，将其导出到云端，然后在本地和云端之间往返移动您的工作负载。关键在于，我们如何将利益相关者纳入该流程，即我们如何准确创建生成式 AI 解决方案，将其实例化，然后随时维护？
“英特尔® Dynamic Power Share 锐炫 GPU 和英特尔 CPU 可以在处理引擎之间自动动态（重新）分配功率，以根据使用案例提升性能，为各种边缘工作负载提供稳定、高性能的计算，” Liu 说到。“英特尔® OpenVINO™ 工具套件可帮助我们加快 AI 推理时间、减少人工智能模型占用空间并优化硬件使用。”
AIR-310：配备 MXM-GPU 卡的边缘 AI 盒，由第 14 代英特尔® 酷睿™ 处理器提供支持
AIR-510：基于第 14 代英特尔® 酷睿™ 处理器和 RTX 6000 Ada 的边缘 AI 工作站
这些边缘 AI 平台采用最新的英特尔平台，适合多种不同的场景。企业可能会为办公室选择相对轻便的 AIR-150。为了实现工厂 AMR 自动化管理，AIR-310 提供了所需的工业协议和可扩展的 GPU 计算能力。如要构建可能具有更高图形计算要求的计算机视觉辅助医学成像解决方案，则应该选择更强大的 AIR-510。
为 AI 应用开发创造公平的竞争环境
除了硬件产品外，Advantech 还提供跨平台边缘人工智能软件开发套件 (SDK)。SDK 可提供基准测试工具，用于在解决方案开发过程的早期评估 AI 应用程序的硬件要求。这有助于开发人员为其解决方案选择最佳硬件，并防止他们在过多的计算能力上花费过多。此外，该 SDK 还支持部署后的实时监控和无线 (OTA) AI 模型更新。
作为 SDK 的一部分，OpenVINO 提供模型优化和硬件加速优势。该开源推理工具包还支持 PyTorch、TensorFlow 和 PaddlePaddle 等多种 AI 模型框架，帮助 AI 开发人员简化模型部署和软件开发工作流程。
方便使用的开源工具包和 SDK，结合成熟的边缘 AI 产品生态系统，将帮助更多机器制造商、OEM 和 ODM 借助稳定、开发就绪的 AI 计算环境更高效地进行市场竞争。它们有助于缩短整体解决方案的开发时间，并使设计人员能够更快地将创新产品推向市场。
Advantech 还提供 Edge AI SDK（AI 工具包），为上述所有 EAI 和 AIR 系列产品构建从评估、SDK 采用到部署的友好环境
那么，在未来几年中，预计 AI 应用开发将会有一个更加公平的竞争环境 — 这被一些人称为“人工智能的民主化”。
在 Liu 看来，这是我们日益 AI 化的世界的正确前进道路。“AI 的力量不应仅为少数公司所用。我们的边缘计算平台、SDK 和 OpenVINO 等资源可供每个人使用，”她说。“AI 未来将无处不在—这就是为什么我们需要这些开放且强大的解决方案。”
SeeWise AI 在印度一家大型镀锌企业的部署即为一个典型的案例。该镀锌厂是一家大规模企业，尽管业务上取得了成功，但也面临着许多挑战。它没有统一的解决方案来实时监控工厂的运营。生产状态的更新需要主管人员亲自前往楼层查看进展。在一家大型工厂中，有 20 个独立储罐分别用于浸渍、漂洗和镀锌工艺的其他阶段，此外还有材料储存和装运区域。整个流程显得极为繁琐。由于缺乏集中监控能力，也很难发现停机问题和安全违规行为。
SeeWise.AI 与该公司的管理和运营团队合作，基于其真正的 AI 驱动式智能工厂平台 开发出了一套全面的解决方案，以弥补这些差距。他们安装了一个闭路电视摄像头网络，以获取工厂所有区域的可视化数据流。该系统利用边缘计算机视觉对这些数据进行分析，从而获取实时生产数据、检测机器停机时间并发现员工的不安全行为。边缘部署有助于减少延迟和提高数据安全性，而 SeeWise 工程师还特别注意遮盖工厂工人的生物识别数据，以保护他们的隐私。