在驾驶过程中，使用 GPS 作为导航工具带来的帮助和挫败感可谓不相上下。虽然实时导航是一项实用的功能，但卫星导航经常无法及时反映你在路上的实际位置。

位置映射不符充其量有点闹心，但当问题发生在需要更精准定位信息的应用（如自动驾驶）中时，却是不可接受的。这就是为什么实时动态技术 (RTK) 在需要高精度定位的应用中越来越受欢迎。

RTK 会将“校正数据”发送至移动中的接收器，从而提高常规全球导航卫星系统 (GNSS) 提供的定位精度。传统 GNSS 接收器大约每秒接收一次位置数据，而 RTK 的频率是前者的 200 倍。由此达到的效果是，即便在快速行驶的车辆中，定位精度也能保持在一或两厘米以上。

RTK “沙盒”支持隔离测试

电子元件和技术解决方案提供商儒卓力电子有限公司 (Rutronik Elektronische Bauelemente GmbH) 的全球创新管理主管 Stephan Menze 表示，虽然 RTK 面市已有一段时间，但直到最近才具备适合普及的经济性。

对一项技术进行“试驾”有时会走许多“弯路”。公司经常发现，仅仅为了确定解决方案是否值得推进，就需要建立特定基础设施，并动用一系列不同的硬件组件。采用隔离测试环境有助于消除这些路障，并更快给出答案。而这正是儒卓力开发 Rutronik 适配器板，RAB4 的原因所在——一款专门面向 RTK 开发项目设计的沙盒。RAB4 减少了实施这项技术的障碍，缩短了前期工程设计阶段和产品面市时间。

RAB4 是儒卓力系统解决方案 (Rutronik System Solutions) 于 2021 年推出的产品，目的是创造有助于推动销售，且可供客户对特定市场进行测试的工具。对于 RTK 而言，这些额外市场运行的可能是无人机、割草机，甚至自动驾驶，这些都是能够从高精度定位中获益的应用。 

RAB4 适配器板组件

RTK 需要 GPS 数据和发送校正数据的基站。Wi-Fi 或蓝牙连接适用于本地基站。但规模更大、覆盖面更广的项目（如智慧城市或智慧农业的实施）可能需要 LTE 无线技术。

RAB4 适配器板配备测试 RTK 技术所需的所有元件：来自和芯星通 (Unicore) 的高精度 RTK 定位模块；用于连接的 4G LTE 模块；必要的天线；以及一张预载入 100 MB 数据的 SIM 卡，可供公司下载结果，并对从 GNSS 接收器接收到的数据与从 RTK 接收器接收到的数据进行比较。（视频 1）

视频 1。RAB4 具备在隔离测试环境中进行解决方案开发所需的一切。（来源：儒卓力系统解决方案）

如果首选连接是蓝牙，RAB4 可以通过 Arduino 接口，与支持该连接的 RDK3 基板结合使用。RAB4 还可与文本转语音适配器板连接，该适配器板可中继有关电池状态、连接问题和其他信息的语音输出，支持多达 12 种语言。儒卓力还提供进行完整概念验证所需的软件。Menze 表示：“我们试图向客户展示系统的工作原理。我们的软硬件便利实用，必定会赢得客户的嘉许。”

通过“漫游装置”应用演示实时动态

为优化 RTK 的连接，儒卓力开发了一个“漫游装置”和相关应用，在 2024 年德国纽伦堡嵌入式应用展览会的儒卓力展位上对其进行了展示，供参观者自行控制该装置。漫游装置易于操作，而且可以通过应用以厘米级精度进行控制。

借助 Arduino 接口，RAB4 可以轻松与儒卓力系统解决方案的 RDK3 基板结合使用。RDK3 是一款可使用低功耗蓝牙进行无线连接的基板。参考站将测量到的 GNSS 位置以实时协议的形式通过蓝牙发送给漫游装置。这样，漫游装置就可以掌握自身与参考站的距离，并利用其与基站的相对位置以厘米精度进行导航，无需在地面铺设电线作为边界。

RAB4 未来的迭代正在规划中，包括采用英特尔实感摄像头在漫游装置上进行碰撞检测和其他应用的型号。Menze 表示，随着应用扩展到真实世界，RTK 技术将需要更强大的处理能力，届时，儒卓力也将采用英特尔技术。沙盒系统目前使用英飞凌微控制器，但儒卓力计划在未来的 RTK 迭代和其他概念验证解决方案中使用性能更强大的英特尔处理器。搭载英特尔处理器的新基板正处于开发阶段。

至于 RTK 本身，预计该技术的实施未来会随着智慧城市的日渐普及而不断增加。在智慧城市里，交通信号灯可以接收数据并调节交通，但要安全地做到这一点，RTK 提供的高精度定位不可或缺。Menze 表示，自动驾驶是一个令人兴奋的 RTK 用例，虽然真正的实施可能要花费数年的时间。使用自动导引车 (AGV) 和无人机进行最后一英里交付同样是一条潜力巨大的路径。

无论 RTK 技术的市场前景如何，儒卓力解决方案都可以在机器人实际“上路”之前，提供对其进行评估所需的必要组件。

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

AIoT（人工智能物联网）应用需要更接近边缘的数据中心级性能。最简单的解决方案是向加固型服务器添加网络处理器。但深入研究一下机架，您很快会发现，运营端点的功能要求与核心网络有很大不同。

新兴边缘用例需要的高性能计算 (HPC) 解决方案不是完全嵌入式的，但也不完全适用于数据中心。它们还需要精通企业和实时技术的软件专家，这些专家能够根据手头的部署优化这些混合平台。

但这些解决方案不一定是定制的。我与 Wind River 的产品管理高级总监 Michel Chabroux 进行了交谈，该公司是智能连接系统软件的领导者。我们讨论了全新的高性能英特尔^® 至强^® D 处理器（以前称为 Ice Lake-D）的确定性、支持虚拟化的功能集如何为跨越边缘到云连续体的下一代微服务器提供支持。

当您听到“微服务器”这个词时，会想到什么？

对我来说，微服务器也是一台机器，它的行为就像较大型系统的子系统服务器一样。这将是一台高度专业化的设备，适合非传统 IT 环境，不适合那种服务器整齐放在空调机架上的环境。

如果你考虑工业或工厂安装，所处环境可能有大量灰尘、振动，或者空间有限。而且不一定总是联网，或者可能偶尔建立连接。设置将与传统 IT 非常不同，功能也将不同。

这似乎是一个灰色地带，因为已有带工业功能的嵌入式处理器，以及面向企业和数据中心市场的网络处理器。微服务器是否延伸了现有的限制？

微服务器提供的服务不是电子邮件、网络搜索或 IT 环境中的业务逻辑。一些边缘服务器上运行的应用程序是用于连接多个嵌入式设备的后台逻辑。另一些边缘服务器则是高度计算密集型的，因此客户正在寻找当今市场上的最佳性能。坦率地说，那就是英特尔^®。没有其他公司能提供同样的计算能力价格比。

随着 Wind River 最近与英特尔^® 开展合作，我们已看到两种不同类型的处理器。我们的客户想要超级强大的顶级处理器，能够为他们的设备提供最多的内核，但又不希望系统产生太多热量。所以，必须在某个地方做出妥协。

但英特尔^® 至强^® D 处理器提供了非常适合该灰色地带的硬件。它真的非常擅长计算。英特尔在 IT 领域拥有这方面的专业知识，并已成功将其中一些转换到低功耗硬件配置中，适应性更接近智能工业边缘。

在处理器方面分为低内核数 (LCC) 和高内核数 (HCC) 设备。一些 HCC 设备上的内核数相当高，从软件角度看，这使得我们可以为混合关键性应用提供一个平台，在其中可以通过共享利用英特尔^® 虚拟化技术（英特尔^® VT-x）和英特尔^® 定向 I/O 虚拟化技术（英特尔^® VT-d）的硬件，同时运行多个操作系统。Wind River 软件解决方案利用了这些英特尔技术。

现在，你可以在一台机器上安装比如四个操作系统，每个操作系统都做自己的工作。

是否有什么具体的特性使这一代全新处理器在外形、安装和功能上与边缘微服务器应用和部署相匹配？

有几个特性会使 Wind River 服务的市场感兴趣。

第一个是英特尔^® Time-Coordinated Computing（英特尔^® TCC）和对时间敏感型网络 (TSN) 的支持，这非常特定于将网络计时作为关键的工业应用。除此之外，单根 I/O 虚拟化 (SR-IOV) 功能允许最终用户在多个操作系统之间共享一个网卡，无需处理半虚拟化或其他软件技术。

另一点是一些 SKU 可以通过 DO-254 航空电子设备标准的认证。航空航天市场对英特尔^® 至强^® D 处理器非常感兴趣，Wind River 已进行了关于将这些处理器与 Wind River Studio 的操作系统（VxWorks、Wind River Helix^™ 虚拟化平台和 Wind River Linux）配合使用的早期投产前讨论。同样，原因是这些处理器的计算能力非常出色，这对具有雷达或任务计算机等数据处理密集型应用的航空电子设备市场非常有吸引力。

这些部分有很大魅力，使得同时运行多个有效负载非常可行，非常有吸引力。由于有了虚拟化，我们现在可以告诉这些客户：“无论您在 Linux 上执行什么操作，您都可以一边进行管理，一边实时飞行或处理系统的其他安全关键方面，但您的 Linux 仍然是您的 Linux。”

通过利用英特尔处理器和 VxWorks^®、Wind River Linux 等 Wind River 软件产品，你可以利用大部分已完成的工作，几乎按原样重复使用。

您提到了对英特尔^® TCC、TSN 和其他确定性连接的支持。对于企业开发人员而言，这是否意味着学习曲线？而虚拟化在另一个方向也有一条学习曲线？

是的，有学习曲线。

TSN 的标准很广泛。标准的范围非常广泛，所有标准都需要非常精细的配置。配置操作系统层、堆栈、驱动程序和硬件非常重要。然后还需要配置整个系统。我说的系统是指不同的机器，因为网络中的所有参与者都必须具有 TSN 意识。

虚拟化最初会带来更大的复杂性，但一旦完成，如果系统设置正确，最终用户就看不到这种复杂性。如果操作系统和虚拟化软件做得好，你可以引入 IT 团队和嵌入式团队，他们可以在中间会合，例如，通过在更接近工业边缘的位置进行 AI 处理。

在 Wind River，我们正在尝试使工程范围的两端（传统 IT 和传统嵌入式）使用相同种类的工具、流程等来利用平台，从而最大限度地减小学习曲线。由于英特尔处理器相互间非常兼容，我们可以利用从英特尔凌动^® 到英特尔^® 酷睿^™ 再到英特尔^® 至强^® 等多个细分产品的增强功能。

首批支持 TSN 的 NIC 之一是英特尔^® Ethernet Controller i225，我们通过我们的实时操作平台支持它。快进到今天，我们也在英特尔^® 至强^® D 处理器上支持它。

英特尔硬件也是第一个为 Wind River 提供真正硬件虚拟化支持的硬件，从 VT-x 开始，然后是 VT-d，现在是 SR-IOV，未来是英特尔^® Graphics Virtualization Technology（英特尔^® GVT）。这些 CPU 增强功能使我们自己和客户的生活变得更轻松。

超融合基础设施的概念已经存在多年，但似乎正在成为现代技术堆栈的基础。既然如此，边缘将如何发展？

你将拥有这个端到端连续体，从云端的 IT 业务逻辑开始，而且随着你越来越接近边缘，这个云基础设施仍然会为你提供支持。但相对于先系统、再网关、再到网关后面，边缘和云端之间的过渡在你的设备或装置中将是流畅和平稳的。

你将拥有一个完整的生态系统，并且在整个连续体中使用相同的范式、相同的思维过程和相同的工具。

本文由 insight.tech 的内容副主管 Georganne Benesch 编辑。

在 NASCAR 的赛车世界里，分秒必争。不仅仅是在比赛中，高性能发动机的开发和测试同样是争分夺秒。

谈到工业资产维护应用程序所需的精确度，我们可以从 NASCAR 工程师那里学到很多。对于为其提供服务的制造商和系统集成商 (SI) 来说，对昂贵的机器采取自动化运营和维护，可以提高工作效率并极大程度降低工厂停产时间。

NASCAR 对合法赛车发动机的尺寸和规格制定了严格的规则。不过，为了在动力区、扭矩等方面赢得些许优势，几乎每一台发动机都要从头开始设计。这是一项时间与资源密集型工作，每一台发动机的成本为 25 万美元。

考虑到这笔不菲的费用和巨大的发动机故障风险，NASCAR 团队要对发动机进行全面彻底的测试之后，才能让发动机投入比赛。测试工程师有意将这些系统推向其物理极限，以识别组件性能下降、微观结构损坏以及其他潜在的故障原因。

利用这些“鉴定证据”，赛车队可以了解如何合理使用发动机，以便最大程度地减少故障，并在必要时用更坚固的零件来重建组件。但是捕获这些数据意味着在灾难性故障发生之前的几分之一秒停止测试程序。

多年来，这些过程几乎完全靠人工完成。但是现在，一个车队正在使测试工程师能够利用物联网边缘计算功能来捕获数据，对其进行分析并在可能的最后时刻终止测试。

真实仿真

这个车队使用一种称为测力计的系统来测试其发动机。测力计同时测量发动机的 RPM 和扭矩，以深入了解其功率、发动机管理控制器的校准或在这种情况下的燃烧行为（视频 1）。

视频 1. 使用测力计来计算大致性能。（资料来源：Hubner Enterprises）

一台 1,000 马力的电动机连接到发动机和测力计试验台。该电动机可用于整个发动机演练或对阀门组等组件进行单独的单元测试。

然后，可以将来自 Daytona 500 等比赛的真实遥测数据用于控制测试。或者，将 RPM 升高、降低或保持在某个预定义的水平一段时间，使发动机或组件达到性能极限。

在进行了足够的测试后，赛车队的工程师经常刻意在测试时使发动机达到损坏点。在测试可燃行为和产生的鉴定证据时，将试验台放置在带防弹玻璃的爆炸室中来保护工程师，以防发动机爆炸。

在传统的测试环境中，技术娴熟的工程师会监控这些数字样本，同时还会监听可能预示即将爆炸的发动机所发出的细微噪音变化。测试工程师通常只有 1.5 秒的时间来识别出这些变化并对其做出反应 — 按下停机开关以防发动机损坏。

当被测发动机完好无损时，工程师可以对其进行解构，寻找证据并尝试纠正问题。如果未能及时停止发动机，绝大部分相关信息便会损失殆尽。

通过人工智能和机器学习实现自动化

由于可以实时收集和分析大量数据，因此自动状况监控 (CM) 在这些情况下可能非常有效。CM 系统融合来自多个源的试验台数据，例如流量、压力、温度、振动和声学传感器。他们还可以通过消除噪声或内插缺失值来清理传感器数据。

但是，当领域专家（例如 NASCAR 工程师）使用自动化 CM 系统来开发人工智能 (AI) 和机器学习 (ML) 模型时，事情才变得真正有趣。可以训练这些模型以了解根据机器健康状况和潜在故障而预测的传感器读数。如果满足某些因素，CM 系统便能以更高的准确性和一致性向工程师发出警报，立即使发动机停机，甚至触发自动停机开关。

为了帮助实现测试程序自动化，NASCAR 工程师需要一个高性能平台。但是最终的解决方案必须紧凑且坚固耐用，以适应车库环境。

车队选用了凌华科技开发的 MCM-100 机器状况监控边缘平台（图 1）。该系统不仅可以满足苛刻的设置要求，而且还可以在不到一个小时的时间内完成安装并在车队的车库进行数据采样。

MCM 与智能相机和 ADLINK Edge 软件相结合，使车队能够应用机器学习并可靠地诊断问题，了解故障模式并避免发动机损坏。例如，该解决方案支持来自振动和声音播放监测设备的实时安全数据流。然后，数据在边缘处聚合。

该平台基于英特尔凌动^® x7-E3950 处理器，支持四个 24 位 128 kS/秒同步数据采样通道，可满足机器振动测量的要求。它提供基于边缘的数据采集、分析和特定领域的算法执行，以实时监控和控制发动机试验台。

在新设置中，以太网电缆在连接到 MCM-100 之前，从试验台引出爆炸室，然后进入另一个系统。中间系统还要桥接到车队的 Wi-Fi 网络上，从而可以将测试数据传输到云中进行存储和回顾性分析。

但是真正的价值在于边缘，在边缘可实时生成和分析数据以更快地洞察和采取行动。这是通过预先安装在 MCM-100 上的 ADLINK Edge 软件启用的。

在 MCM-100 之前，车队使用 SCADA 系统监控其传感器。但是没有必要淘汰和更换任何旧设备。ADLINK Edge 软件集成了来自现有设备和新设备的数据。该系统基于数据分发服务 (DDS) 网络中间件，有助于在孤立的架构中释放数据，以便可以将其实时应用于诸如高性能发动机测试之类的应用中。

工欲善其事必先利其器

重要的是要注意，这里提供的解决方案不能代替测试工程师；而是依靠他们的专业知识来获得最佳结果。因此，该系统可以检测预警信号并比人类更快地做出响应，从而帮助保护投资并推出更好的比赛用发动机。

凌华科技全球合作伙伴现场首席技术官 Joe Speed 说：“我们所做的大部分工作都是为了让人类变得更强，为人们提供更好的工具。”

这些工具也可以增加系统集成商的业务。借助 MCM-100 等解决方案，经验丰富的系统集成商可以通过“机器维护即服务”的业务模式来用新的方式、更长时间地与客户互动。

加上解决方案合集能够提供的价值 – IoT 教育、技术及可靠的合作伙伴网络 – 系统集成商可以集合他们所需的所有资源，来利用这一重要机会。

对于这家 NASCAR 车队来说，领域专家、人工智能与机器学习相结合正在帮助推动发动机创造更快成绩。这也有助于系统集成商脱颖而出。