API 安全填补了网络保护方面的关键空白

Posted on by Micah Kaplan

无论您以数字方式访问银行账户、进行在线购买或登录云应用程序，您都需要使用应用程序编程接口 (API)。API 充当应用程序中的网关，是数字连接的粘合剂。然而，人们对它们仍然知之甚少，而且往往感觉不安全。

组织依赖于数百个甚至数千个 API，但 CISO、CIO 和 CTO 通常不了解准确的库存。这就解释了为什么 API 已经成为一种常见的网络攻击矢量的原因。涉及 API 的问题包括身份验证实践不佳、配置错误和缺乏监控。

API 安全是一个巨大的挑战，在很大程度上，这是网络安全解决方案如何应用的结果。大多数解决方案采用“马眼罩”方法，保护计算环境的特定部分，如端点、服务器和云应用程序，API 安全公司 Noname 战略联盟的技术总监 Ryan B 说。“他们只会看到他们专门课程中的内容和他们眼球前面的东西。”

结果：IT 环境中出现了巨大的安全漏洞，不仅影响了公司的内部资产，还影响了与不断增加的云端和软件即服务 (SaaS ) 应用程序堆栈的连接。Noname 填补了这一空白，无论资产在哪里，都可以利用人工智能和机器学习算法分析流量，并在云端、本地或两者兼而有之的地方识别和阻止恶意行为。“我们是专门为 API 问题而打造的，” Ryan 说。

Noname 从企业而不是安全供应商或云提供商的角度应对 API 挑战，从整个环境的全景视图来保护所有 API 。

“我们发现许多解决方案无法识别与 API 有关的恶意活动，” Noname 全球战略联盟副总裁 Peter Cutler 说。“当它们发现恶意活动时，已经太晚了。这就是为什么 Noname 集成开箱即用的 SIEM（安全信息和事件管理）和端点保护等网络安全解决方案的原因。”

利用人工智能和机器学习发现 API 漏洞

根据用于应用程序安全的开源基础 OWASP，最常见的 API 漏洞包括：

  • “损坏对象级别身份验证”，允许用户根据用户角色访问数据，而无需验证该人员是否有权访问数据
  • “损坏身份验证”，当攻击者入侵密码、会话令牌和用户帐户信息等凭证时，就会发生这种情况
  • “损坏对象财产级别身份验证”，涉及一个用户访问另一个用户的数据

恶意机器人通常是这些攻击的幕后黑手。试图对抗机器人行为的人类无法在速度和能力上与它们竞争，因此需要人工智能和机器学习。

“这是一个需要解决的超人问题。您雇用的所有人、您购买的所有技术，您认为这些是工作的合适的解决方案。您购买了防火墙、聘请了安全顾问、运行了一些渗透测试。猜猜是什么方法？这还不够好，” Ryan B 说。

Noname 使用机器人对抗机器人。在客户环境中实施的第一周，Noname® API 安全平台处于学习模式，观察使用 API 的应用程序之间流量的移动模式。该平台记住 API 规范、请求和响应模式，并查看涉及支付卡数据等机密信息的通信参数。

从第二周开始，安全平台会利用第一周获得的基准知识来识别偏离正常模式的活动。然后，人工智能确定这些异常是否是恶意的。可疑活动会被标记和阻止。Noname 对流程应用了置信度评分。Ryan B. 说，它基于至少 80% 的机器学习派生方法来确定某个特定动作是否是恶意的，并且可以追踪到攻击者及其已知位置。

为了使 IT 防御保持最新状态，Noname 使用了主动测试，这是一种模拟网络攻击的技术。每当客户更改环境时，此运行时测试会检查新的软件版本、端点或其他组件是否受到适当保护。这可以防止将新的漏洞引入环境。

Cutler 说，如果没有主动测试，组织启动新的生产 API 时，”就会祈祷 API 网关或网络应用程序防火墙 (WAF) 和其他安全层将识别和保护它们。这是非常危险的，肯定不是一个好的策略。”

API 安全意识需要高性能计算

当然，机器学习和人工智能将继续在 API 安全方面发挥重要作用。随着流量的增长，机器学习和人工智能需要大量的处理能力。”我们一开始使用 8 个 CPU，每秒处理大约 3000 条消息。当 API 流量扩展到每秒处理 7000；10000； 20,000 条消息时，我们的机器学习引擎将需要更多的 CPU，” Ryan B 说。

Noname 与英特尔密切合作，以利用运行人工智能和机器学习所需的性能。该公司对第五代英特尔® 至强® 处理器进行了基准测试，以从性能显著提升中受益。利用英特尔嵌入式加密技术来防止恶意行为者损害 Noname 技术的工作也正在进行中。

展望未来，Noname 希望 API 能被更好地理解。这需要教育，这是公司使命的一部分。

“我认为，进入 2024 年，人们将更加重视安全。他们将为工作购买合适的工具，并利用这些创新，以一种他们以前从未尝试过的方式保护他们的系统，” Ryan B. 说。

 

由 insight.tech 主编 Georganne Benesch 编辑。

利用店内闭路电视监控系统实现智能零售解决方案

Posted on by Micah Kaplan

在网上购物时，您会留下一些数字碎片信息的痕迹供零售商分析。通过跟踪您的鼠标点击甚至是放弃的购物车，零售商可以知道您喜爱哪些商品、您忽略的哪些商品以及哪些商品需要通过有针对性的广告重新引起您的注意。

虽然电子商务零售商可以利用这些购物者洞察信息，但实体零售商从来都无法轻松做到这一点。在实体店内，商家很难描绘出从买家被商品展示所吸引到最终销售的整个购物行程。

但得益于计算机视觉分析 (CVA) 技术，零售商现在可以使用已安装的闭路电视监控系统来获取店内购物者数据。通过将更精确的行程跟踪引入实体店铺，这些技术使零售商能够做出更好的商品展示、产品分类和人员配置决策，以提高销售业绩。

利用闭路电视监控系统进行计算机视觉分析

零售业数字解决方案提供商 Sensormatic Solutions 的视频分析、人工智能和孵化总经理 Dustin Ares 表示，实体店获取购物者数据的最顺畅的方法是尽可能利用商店现有的技术基础设施。

店内闭路电视监控系统可以跟踪购物者的行为，以便零售商能够了解哪些商品受到关注或被忽略，以及需要多长时间才能完成销售。Sensormatic Solutions CVA 可以与闭路电视监控设备连接，将其用作边缘推理系统中的摄像头传感器。该公司将摄像头数据输入专门的人工智能算法进行实时推理，以提供有关现场活动的可执行洞察信息。Ares 指出，“我们可以使用边缘设备处理数据，快速做出低延迟决策，然后通知商店相关人员或经理采取特定行动”。

该“特定行动”可能包括根据购物者流量和兴趣，在店内的新区域重新分配人员或者调整某些商品的采购。在某些情况下，零售店铺的店员可以通过耳机即时接收有关如何以及在何处配合客户以促成销售的指示。

同样的摄像头驱动分析可以帮助零售商解决另一个主要痛点：盗窃。“红色”购物者是潜在的商店盗窃者，他们的行为往往与善意“绿色”购物者不同。他们可能会随意挑选物品或不断偷看店员，摄像头的此类视觉提示可帮助提醒店员。

智能零售解决方案和分析

如果对使用摄像头分析购物者行为有顾虑，零售商可以在遵守欧洲 GDPR 等隐私和消费者数据保护法律的前提下获取分析结果。Sensormatic Solutions 模型采用保护隐私的设计理念构建；它们不保留或处理私人可识别信息，仅处理边缘元数据。

该公司还意识到人工智能模型存在偏见的可能性。Ares 表示，“我们严格审查模型，以确保不会传播偏见，尤其是在进行人口统计评估时”。Sensormatic Solutions 定期与其母公司智能建筑解决方案提供商 Johnson Controls 进行核查，以了解该领域的全球法规和合规情况。Ares 指出，“我们希望确保我们的产品不仅合规，还能具有前瞻性，考虑到未来的[发展趋势]。”

各种智能零售使用案例

虽然了解购物者的行为特征和防止损失是零售商关注的重要问题，但它们绝不是该行业唯一考虑的问题。

一家欧洲巧克力制造商利用 Sensormatic Solutions CVA 测试中央商店陈列的效果。该商家发现顾客互动情况低于预期，因此将店员安排在离显示屏更近的地方，以改善店员与顾客的互动。

在韩国，Sensormatic Solutions 帮助一家连锁便利店开发库存管理解决方案。这家零售商由于需要安排员工持续查看新鲜食品货架上的库存水平，造成了人力资源的浪费。安装摄像头传感器不仅能提供准确的库存信息，还让零售商能够主动预测库存水平何时会减少，从而采取必要的预防措施。

Sensormatic Solutions 本身就是系统集成商。该公司与业内许多渠道合作伙伴建立了合作关系，特别是零售商安全解决方案提供商。该公司可以按现状使用店内系统，并根据需要测量的指标建议增加其他摄像头装置。

Sensormatic Solutions 的智能零售技术组合在英特尔硬件上运行，特别是英特尔® 酷睿™ 第 13 代处理器和最新的英特尔® 酷睿™ 第 14 代处理器。英特尔的全球可用性是该公司的一大优势，因为该公司的业务足迹也遍布全球。

数据驱动零售的未来

期待 Sensormatic Solutions 提供更全面的解决方案，以应对零售业面临的更广泛挑战。Ares 预测，该公司将继续发展成为零售数据专家，不仅为个人客户提供洞察信息，而且为全行业基准提供参数和分析。

由于全渠道购物和众多零售店铺争夺消费者眼球，零售业的复杂程度前所未有。幸运的是，即使是实体店，也可以通过闭路电视监控系统来利用洞察信息，降低业务复杂度。数据驱动的分析是智能零售解决方案的基础，它可以帮助各行各业的零售商实现一系列令人印象深刻的效率目标。

 

由 insight.tech 主编 Georganne Benesch 编辑。

掌握面向下一代人工智能的工具

Posted on by Micah Kaplan

人工智能正在改变世界，每天都在不同行业中不断发展。这在一定程度上是因为开发人员正在构建新的解决方案，并努力跟上新一代人工智能的发展。英特尔帮助使这一切成为可能，为开发人员提供所需的技术和工具，例如 OpenVINO™ 和英特尔® Geti™。此外，OpenVINO 和 Geti 旨在将开发人员和业务领域用户连接在一起，进一步促进下一代人工智能解决方案和使用案例的发展。

为了了解有关下一代人工智能开发的更多信息，我们与英特尔人工智能传道者 Paula Ramos 做了探讨。她讨论了人工智能解决的现实问题、所涉及的英特尔功能以及人工智能的民主化和传播（视频 1）。因为这不仅关系到向开发人员提供工具和技术，同样重要的是提供教育和资源，让更多人率先进入这一领域。

视频 1。英特尔公司人工智能传道者 Paula Ramos 探讨了使下一代人工智能成为可能的趋势和技术。（资料来源：insight.tech）

您认为如今人工智能将如何推动并解决现实世界中的问题？

人工智能发展迅速，日新月异。现在，人们对它的认识比以往更加深刻，因为这些现实世界中的问题已经变成了令人惊叹的解决方案。初创公司正在利用硅能和人工智能的能力来解决这些问题。

例如，人工智能运用翻译帮助人们交流，在百种语言之间翻译文本。另一个很好的例子是一些汽车品牌正在使用的自动驾驶汽车系统，该系统可以控制汽车转向、加速和制动，并有可能减少交通死亡和交通事故。人工智能可以帮助医生诊断癌症，制定个性化治疗方案，或加快新药和新疗法的应用。人工智能正在帮助农民少用农药和除草剂。人工智能正在帮助人类更快解决问题。

让人工智能更容易为开发人员所用有什么重要意义？

对此我有三个想法。首先，为开发人员创建更易访问的信息，可以加快人工智能创新的速度。能够使用人工智能工具的开发人员越多，使用起来越容易，技术的发展就会越快，从而加快创新的速度。获得最新的硬件改进也很重要。人工智能实际上是另一种工具，因为它使开发人员能够更高效构建和部署应用程序。

第二点是人工智能的民主化。我们需要确保人工智能适合每一个人，每一个开发人员都有机会从这项技术中受益。我们改善获取人工智能的方式，可以弥合人工智能采用的差距。

第三点是解决人工智能人才短缺问题。目前，世界上对人工智能开发人员的需求量很大，但开发人员的数量却不足。我们降低学习和使用人工智能的难度，可以帮助训练更多开发人员，缩小人工智能人才的短缺。

已经出现了哪些工具和硬件可以解决人工智能民主化的问题？

我对英特尔发布全新人工智能电脑感到激动不已。这款电脑搭载英特尔® 酷睿™ Ultra 处理器，整合了 GPU 和称为 NPU（神经处理单元）的新元件。九月，我在英特尔® 创新大会的生成式人工智能展位上展示了该款电脑，其性能卓越。英特尔公司首席执行官 Pat Gelsinger 演示了在一台人工智能电脑（本地 Windows 计算机）上运行 Llama 2 聊天机器人（LLM 模型）的情况。在没有互联网连接的情况下使用人工智能，不把数据发送到云端，肯定会更安全。

众所周知，很多人认为英特尔只是一家硬件公司，但我们正在努力向开发人员展示如何使用 OpenVINO（英特尔拥有的推理和部署框架）等框架或系统，轻松改进他们的解决方案。人工智能电脑还能够运行 OpenVINO。OpenVINO 向我们展示了英特尔利用人工智能的潜力。OpenVINO 现在无处不在：智慧城市、制造业、零售、医疗保健和农业。在过去一年中，它的下载量增加了90%。

您能否更详细介绍一下 OpenVINO™ 与人工智能之间的关系？

OpenVINO 是英特尔在客户端和边缘平台上为开发人员提供的一个工具套件；它支持 AI at the edge（边缘人工智能），使人工智能——生成式人工智能更容易获得，在多个硬件平台上优化神经网络推理。不过，OpenVINO 的主要目标是优化和量化模型，从而缩小模型的大小。我们可以减少内存占用，还能在各种硬件（英特尔和非英特尔硬件）中更快运行模型。我们正在利用 OpenVINO 解决开发人员的真正痛点。

另一件重要的事情是，只要拥有了中间表示格式（即 OpenVINO 格式）的模型，就可以在各处部署。这是英特尔与部分竞争对手之间的其中一个差别。

开发人员如何利用英特尔® Geti™？

英特尔 Geti 是一个帮助企业快速开发计算机视觉模型的平台。简而言之，它将所有必要的工作整合在一起，例如注释、训练、优化、测试。您可以创建项目、上传注释、上传新的生产数据或以前的数据。您可以修改可训练的功能，测试服务器上运行的部署，也可以下载部署到本地运行。

因此，使用该技术有很多好处。数据科学家、机器学习专家、系统集成商和领域专家可以使用同一个平台协同工作。这是因为它易于使用，而且可以控制训练和优化过程的多个方面。它还可以提供不同格式的建模，其中一种格式就是中间表示格式–OpenVINO，这是 Geti 平台的后台优化和量化工具。

英特尔 Geti 平台还提供 SDK，帮助用户利用易于使用的功能。该平台利用 OpenVINO 构建部署管道，并在包含 CPU 和 GPU 在内的各种英特尔硬件平台上加速推理，而无需计算机视觉专业知识。这就是这个平台的魅力所在。

使用英特尔 Geti SDK 进行部署对开发人员来说非常简单，因为该 SDK 与计算机视觉任务无关，也与模型架构无关。开发人员不需要为模型输入准备数据，也不需要为显示结果准备模型输出。

女性进入人工智能领域会面临哪些挑战？

我非常热衷这个话题。就我个人而言，我代表了全球科技工作者中的两个少数群体。首先是科技界的女性，其次是科技界的拉丁裔女性。你可以把 “科技”理解为人工智能或一般意义上的工程学。全球科技人员中有 50% 是女性，但拉丁裔女性仅占 2%。因此，这是一个代表性严重不足的问题，我希望为减少拉丁国家，尤其是拉丁美洲国家缺乏教育和培训机会的现象做出贡献。

但我也希望激励更多女性从事人工智能工作。我想减少歧视和偏见。无论男女，每个人都应该有机会在科技领域取得成功。妇女也可以坐在桌边，认真讨论技术问题。女性对于如何解决问题具有独特的视角；我们拥有独特技能，能够创造出满足所有用户需求的产品和服务。

而且我们已经为人工智能领域做出了重大贡献。人工智能研究员、斯坦福以人为本人工智能研究院联合创始人李飞飞博士就是一个例子。她为深度学习的诞生做出了贡献。她开发了 ImageNet 计划，该计划在深度学习的部署中发挥了重要作用。这是一位女性对人工智能产生的非凡影响，因此我可以想象，其他女性也能为这一领域做出或多或少的贡献。

关于人工智能发展的未来，您还有什么想补充的吗？

有一个重要问题，我想与开发人员分享：你的梦想在哪里？你可以实现这些目标，因为人工智能是一种强大的工具，有潜力让世界变得更美好。

所以，去尝试新技术、新模型和算法吧。尝试参与开源项目，并成为开源项目的积极贡献者。随时了解使人工智能更实用的最新趋势。我们需要构建一个包容、公平、有益于所有人的人工智能。动力就来自你的想像力。

相关内容

如要了解人工智能趋势的更多信息，请阅读《人工智能传道：加速开发人员成功的关键 (Evangelizing AI: The Key to Accelerating Developers’ Success)》 并收听《与英特尔一道探索下一代人工智能 (Exploring the Next Generation of Artificial Intelligence: With Intel)》。有关英特尔的最新创新，请在 Twitter 上关注 @IntelIoT，在 LinkedIn 上关注 Intel Internet of Things。

 

本文由文案编辑 Erin Noble 编辑。

交互式标牌通过视频提升数字参与

Posted on by Micah Kaplan

当您走过时，上次视频真正引起您的注意是什么时候？媒介在我们的共同空间越来越普遍，这意味着它成为仅仅背景壁纸的风险越来越大。

Simon Carp 建议一种摆脱枯燥的解决方案。“不要把视频当作被动的媒介，而是把它当作数字互动的平台。” 音频视频解决方案提供商 Uniguest 产品管理负责人 Carp 说。这意味着交互式数字标牌和动态且信息丰富的内容，可以改变客户使用视频的方式。

通过交互式数字标牌提高参与度

这似乎是一件不费思索的事情，但提高数字参与需要视频解决方案提供商提供客户真正想要的内容，Carp 说。这些内容需要有趣、引人注目、并且信息丰富，或以上所有内容。

对于澳大利亚的一家高街零售商，在屏幕上推出动态内容是一个很好的例子，可以利用醒目、引人入胜的视频来吸引客户。最初只是商店过道尽头的固定装置，现已扩展到橱窗展示，甚至结账柜台的自定义视频。奖励：零售商可以在平台上销售广告空间来增加收入。

无论位于何处，Uniguest 的 Tripleplay 平台都可以通过屏幕组合，帮助客户和提供个性化内容。这些工具使客户能够基本上创建自己的内容渠道，并将其交付到屏幕。Tripleplay 技术可实现更有针对性地自定义内容。个性化可以扩展到单个屏幕（例如，银行分支机构可以添加有关其客户服务团队的信息）或其他各种显示屏。

这种扩大或缩小内容规模的能力是 Tripleplay 提供的重要优势之一。“自定义内容，使其具有相关性，并实际上为数百个甚至数千个屏幕进行配置是困难的，” Carp 指出。”您可能会在规划和配置方面造成巨大的开销。但我们试图做的是在我们的技术中构建工具，让您能够以一种可扩展的方式针对所有这些屏幕进行内容本地化。”

客户可以通过一个单一平台大规模地提供参与所需的动态内容。

工作场所的交互式媒体

它是帮助 Tripleplay 在各种市场中交付实施的幕后工具。

例如，Tripleplay Reserva Edge 解决方案是一种数字会议室标牌工具，可帮助员工安排会议，并访问与空间和设备管理有关的其他功能。物理单元是小型的随时可用的交互式显示屏幕，安装在大学校园内的公司和教学空间的会议区域旁边。

员工可以使用 Reserva Edge 单元的触摸屏提前一两周了解有关设施使用情况的信息，并可以预定自己的会议。为了使工作更方便，员工可以通过移动应用在任何地方执行相同的功能。该工具需要在房间预订时确认出席情况，以便在空闲时将空间释放给其他人。使用 Reserva Edge 解决方案，员工还可以提醒维护人员注意设备故障，并可选地提醒空间的其他用户注意潜在的破坏性问题。

人工智能推动数字参与

Carp 说，英特尔为支持 Tripleplay 的大多数 AV 解决方案的硬件提供支持。数字标牌媒体播放器和内容管理系统都在英特尔上运行。

Uniguest 根据最终用例选择地使用人工智能。例如，语音转文本人工智能系统可以转录会议和讲座音频流。学生甚至可以通过关键字搜索这些讲义。人工智能还可以用于测量屏幕参与度：有人是否正在看屏幕（以及看了多久）；以及年龄等基本人口统计信息。Carp 说，人工智能解决方案遵循隐私协议，不进行身份识别，而只是登记他们的存在。

收集基本的人口统计信息，将帮助 Uniguest 客户更好地定位他们的视频活动。客户可以利用受众测定来规划活动，并相应地确定他们想要宣传的内容。

视频的未来发展方向将包括准确测量指标的工具，这是 Uniguest 正在努力的方向。“我们未来的主要关注领域是我们可以衡量参与度，并向企业提供洞察力，以展示其优势。” Carp 说。

Uniguest 不仅带来视频平台和 AV 解决方案，而且提供促进和管理内容的方法。那里有很多数字标牌，但 Tripleplay 的互补技术套件增加了广度，使最终用户能够打造一个合法的、完全数字化的参与平台。

Carp 认为视频有一个光明的前途。越来越多的组织希望与人沟通。技术支持这种参与；它帮助超过被动式介质的公司利用动态和交互式介质真正吸引客户。

 

由 insight.tech 主编 Georganne Benesch 编辑。

AI 集成平台提供丰富的数据洞察

Posted on by Micah Kaplan

物联网和人工智能解决方案提供商 EPIC iO 首席执行官 Ken Mills 表示，当谈到技术实施时，公司想要的是他们可以立即食用的披萨，而不是需要组装的乐高积木。

是的，物联网和人工智能是革命性的，可以显著提高效率。但是，要让这些技术发挥作用，连接性、数据集成、可视化等等这些组成部分的庞大数量，就会让 IT 团队头晕目眩。
米尔斯说：“客户的技术应用能力还不足以自己找出人工智能解决方案，他们需要帮助。”

开发 AI 集成平台

EPIC iO 帮助让这些技术为客户所用，实际上就是为人工智能和物联网解决方案制作披萨。

该公司通过 EPIC iO DeepInsights——一个软件平台，让不同的技术组件协同工作。DeepInsights 就像披萨饼皮，将物联网传感器、人工智能和计算机视觉以及连接性结合在一起。“我们将整个堆栈提供给客户，这样他们就不必购买五个不同的其他软件包来使这些技术发挥作用。” Mill 说。EPIC iO 在为数据提供上下文方面特别有用，从而带来更敏锐的洞察力。

为了进一步扩展披萨的比喻，公司可以挑选他们想要包含的“配料”（传感器），无论是用于视频数据分析的摄像头，还是用于提供和监控边缘设备的连接传感器。

人工智能民主化模板

开放式人工智能和物联网软件平台的优势在于，您不必每次都提供定制的解决方案。“我们正在整合经过验证的模板，以便我们的客户可以自动执行工作流程并赚更多钱。” Mills 说。

创建可复制的人工智能解决方案还可以降低采用障碍，实现技术的民主化。EPIC iO 的使命是让世界更安全、更智能、更互联。人工智能的成本正在降低，因为必要硬件和计算的成本和性能都在提高。
这些因素也有助于改善普及性。

当公司只想突出自己的优势时，模板格式尤其有用。
例如，数据分析公司 SAS 与 EPIC iO 合作，这样他们就可以在 EPIC iO 所安装解决方案收集的边缘数据上叠加自己的技能。“EPIC iO 和 SAS 是很好的合作伙伴关系，因为我们可以在边缘收集所有数据，并通过计算机视觉和机器学习模型，生成事件和规则，然后将数据传递给 SAS 开展更深入的分析。” Mills 说。

物联网分析的效率

另一方面，在许多情况下，公司知道他们需要改进流程，但他们不确定人工智能解决方案是否能起到作用。
例如，加利福尼亚州的一家大型公用事业公司会派遣工人检查储罐的填充量，并在填充量过低时跟进。该公司在第一次评估流程效率后，探索安装摄像头，并由人工监控。但是，“人在环路中的解决方案并不具有成本效益，也不实用，尤其是在拥有人工智能等技术的情况下。” Mills 说。

相反，EPIC iO 建议安装物联网摄像头传感器，使用人工智能和计算机视觉来测量填充率并主动检测问题。只有当填充量下降时，工人们才需要前往检查。更好的是，由于人工智能带来的数字化转型，该公司获得了更多、更有用的数据，包括站点的使用方式和时间，而不是关注填充率这一狭隘的问题。

公用事业案例说明了如何利用人工智能提高运营效率。公司需要问一问，哪些问题他们还没有找到解决方案，哪些问题对他们的业务最有意义。
Mills 说：“只要确定了这两个载体，那么就有可能找到人工智能可以提供帮助的解决方案。”

与合作伙伴合作

DeepInsights 构建于英特尔® OpenVINO™ 工具套件之上并有英特尔 CPU 和 GPU 的支持，既提供高性能计算，又能降低能耗。该软件也是云原生的，不依赖于单一云环境。DeepInsights 具备可移植性，使客户能够控制其人工智能相关数据的存储和推断地点，这对遵守隐私和数据处理法规至关重要。

虽然 EPIC iO 为客户提供简单的解决方案，但该公司仍与系统集成商合作，建立物理基础设施，并在需要时提供持续的现场支持。集成外部软件程序并建立运行工作流程，也属于系统集成商的职责范围。

人工智能民主化的未来

计算机视觉和传感器为人工智能的实现提供了无限可能：例如，一个强大的姿势分析模型可以确定医院病人是否在病房中跌倒，以便工作人员可以在必要时干预。

使用人群分析来监控零售楼层的活动是另一种用途，使用人工智能来帮助改善城市的空气质量和安全也是一种用途。

Mills 尤其热衷于使用生成式人工智能，让普通用户更容易获得洞察力。
他期待的另一项发展方向？人工智能的民主化。“我真的很兴奋，越来越多的人将能够在各个行业领域利用人工智能，而且不仅仅局限于最大的公司和城市。” 他说。人工智能的民主化是实现一个更安全、更智能、更互联世界的必由之路。

 

由 insight.tech 主编 Georganne Benesch 编辑。

时效性网络准备改变工业物联网

Posted on by Micah Kaplan

早期物联网概念验证是基于架构的，该架构将边缘传感器数据直接传输到云实例，以便对运营洞察进行分析。但这些部署强调的是数据，而不是长期成果，只有当您能够做出响应时，数据才有用。

因此，物联网的实际价值和感知潜力受到影响，现在，谷歌和 IBM 退出物联网平台业务，让人怀疑物联网是否完全失败。不可否认，它并没有完全失败，但由于管理物联网基础设施的 IT 和 OT 方面的不同业务和技术范式，洞察与成果之间的差距仍然存在。

时效性网络 (TSN) 是一种框架，用于同步以太网数据在融合企业和操作环境中流动的时间。它可以在控制器、传感器和边缘设备之间进行近乎实时的决策，从而实现结果。使用 TSN，信息和价值交换可以通过单一的低延迟网络进行，该网络保持了对不同类型流量进行优先排序的能力。

现在，新功能即将上市，以简化 TSN 网络的开发、部署和配置。当与虚拟化友好型基础设施配合使用时，这些新的解决方案使工业运营商能够跨物联网部署移植工作负载，并在需要的时间、需要的地点、以需要的方式实现结果。

标准化时效性网络，以实现无缝物联网集成

TSN 不是第一个或唯一的确定性以太网技术，但其他技术基本上是专有的，无法在端到端物联网网络上无缝双向传输数据。TSN 的关键价值是标准化。它以融合网络取代专有现场总线，从而虚拟化网络上实体之间的连接，并满足行业 IT 和 OT 利益相关者的范围要求。IEEE 于 2012 年成立的时效性络任务组，正在努力敲定这套标准。

嵌入式软件供应商 TenAsys 公司（实时软件和服务提供商） 的产品经理 Joel Morrissette 说：“我们已经在 TSN 标准方面工作了10多年，但在基础技术被定义、实施和测试之前，我们无法实现这一目标。”“配置网络意味着什么？数据结构是什么样子的？如何支持硬件和软件堆栈？职责划分是什么？如何从应用程序的角度访问 TSN？”

好消息是，与 TSN 标准兼容的能够简化网络部署的硬件和软件最终将上市。现在，有一系列商用以太网硬件可以提供原生 TSN 分载。英特尔® CPU 提供的 TCC 功能，使软件堆栈能够实现 TSN 所需的实时性能，并且比未启用 TSN 的 CPU 具有更高的精度。例如，英特尔® 以太网产品、英特尔凌动® 处理器 x7000E 系列、第 13 代英特尔® 酷睿™ 嵌入式处理器和下一代英特尔® 至强® D-1700/2700 处理器都配备了英特尔® 时间协调计算（英特尔® TCC）技术。

“网络中的每个节点都会获得相同的信息，并在微秒内进行同步，确保每个人都在时间上保持同步。” Morrissette 解释道。“由于这种协调，我们能够优先考虑流量，并确保低延迟和高度确定性。”

工业物联网向前迈进

英特尔 TCC 提供的硬件功能和软件工具，可确保应用程序能够满足实时约束，而支持 TSN 的硬件则可控制数据包何时和如何通过 TSN 网络传输。但是，在诸如工业物联网系统上运行的那些确定型应用中，利用这些功能仍然需要高水平的专业知识来配置应用程序和 TSN 网络，以满足实时约束要求。

TenAsys INtime 物联网软件提供缺失的链接。它是与 TSN 和 TCC 兼容的确定性操作系统 (OS) 解决方案的可扩展组合，可以作为独立或分布式实时操作系统部署，以支持在多个节点上运行的应用程序。它甚至可以作为 Windows 或 Linux 主机的虚拟实时配套操作系统来实现。

INtime 通过一套开发人员 API 简化 TSN 网络配置的复杂性。该软件支持各种通信协议，无需了解不同流量类别以及它们在网络上如何调度。此外，INtime SDK 可为开发人员提供时序分析器等工具，用于进一步优化时间关键型应用。

“TenAsys 正在关注‘如何’，以便开发人员在开发这些应用程序时可以专注于‘什么’和‘何时’。” Morrissette 表示。

INtime 对 TCC 功能的原生支持，以及对 TSN 网络功能的 API 抽象，是在时间关键型工业应用中释放物联网真正价值的关键。利用多核英特尔处理器的原生硬件虚拟化功能，可以将一个 INtime 实例分配给专用 CPU 内核，并在具有分配的内存、I/O 和其他系统资源的全功能的虚拟化硬件环境中运行。在 INtime 平台上构建和部署的应用程序可以部署到分布式实时操作系统 (DRTOS) 环境中。这为工业物联网实时应用提供了便携性和灵活性 ，可以在边缘进行时效性数据捕获、分析和决策。

实现真正的 IT/OT 融合战略

时效性网络技术可以统一 IT 和 OT 系统，实现工业物联网网络互操作性和工作负载的便携性。TenAsys 在 TSN 领域拥有超过 10 年的经验，并数十年作为 RTOS 技术提供商，在提供加速工业物联网广泛采用 TSN 所需的技术融合方面具有独特的优势。

通过集成和抽象化 TSN 和英特尔 TCC 技术，INtime 可以为开发人员提供工具，以管理配置、部署和管理融合 IT/OT 时效性网络的复杂性。这将推动工业数字化从数据到信息的转变，这是交付结果的关键要素，将加速物联网在工业边缘的采用并扩大其价值。

 

本文由 insight.tech 的贡献者 Teresa Meek 编辑。

无代码软件扩展边缘视觉 AI 部署

Posted on by Micah Kaplan

每当您开始一个新项目时，重新设计已有架构都会让您感到沮丧；您的热情很快就会开始减弱。不幸的是，这个问题困扰着面向边缘的视觉 AI 解决方案的开发，导致走走停停和零星的技术实施。

计算机视觉和 AI 解决方案软件公司 Irida Labs 产品负责人，Dimitris Kastaniotis 表示，一次成功可能证明了边缘视觉 AI 可以实现运营效率，但该技术还没有很好地扩展到大规模部署。

Irida Labs 针对这一问题提供了解决方案。该公司的 PerCV.ai 软件通过降低运营成本、创建和使用可行数据，帮助边缘视觉 AI 部署扩大规模。它还提供了足以处理现场数据并重新校准实际安装条件的基础设施。

在 AI 模型投入运营之前，它们需要信息。PerCV.ai 有一个数据引擎，负责数据的前后处理，并对数据进行创建、注释和管理。该引擎结合了专有数据和合成数据，因此项目可以立即投入运行，而不是等待数月才能从现场获得一次性积分。

PerCV.ai 是一种无代码解决方案，可以直接推送到边缘设备中，以进一步简化部署。核心平台能够轻松改变功能或重新校准边缘摄像头。同样重要的是，托管摄像头和分析边缘数据，可以避免高昂的云计算成本。使用 PerCV.ai 有助于快速验证业务用例，以便公司能够以所需的规模部署项目。Kastaniotis 表示，英特尔技术（包括英特尔® Movidius™ Myriad™ 视觉处理器）加快了原型设计和产品开发速度。

视觉 AI 的实施

边缘视觉 AI 和 PerCV.ai 的使用几乎是无限制的，包括在制造业数字化转型的工业 4.0 中。

虽然工业 4.0 是一个多管齐下的术语，适用于各种运营和子行业，但 Irida Labs 致力于在物流和仓库管理中实施其基于人工智能的自动化驱动原则。仓储和物流面临的主要挑战是在任何给定时间内准确地找到商品及其所在位置。加载操作也没有自动化。“仓库中的许多操作都可以受益于摄像头和边缘视觉 AI 的安装。” Kastaniotis 表示。

以无人搬运车 (AGV)为例，它在仓库周围绕行取货。AGV 经常浪费时间，寻找不在货架上的产品，从而降低了工作效率。PerCV.ai 通过安装在货架上的摄像头来解决这个问题，这些摄像头可以获取准确的产品库存，并将这些信息集成到 AGV 上的 PLC 服务器中。只有当被告知产品确实在该位置时，AGV 才会进行搜索。

Kastaniotis 表示，这样的解决方案只是自主化仓库或工厂的众多组成部分之一。

PerCV.ai 解决方案还帮助公司通过识别制服来加强仓库的准入区，这在雇佣内部工人和承包商的大型工厂中变得尤其重要。仓库管理利用摄像头和实时警报，可以告诉工人何时试图访问不应访问的区域。

这两个用例只是 Irida 平台提供边缘视觉 AI 的许多方式的一个示例。监控液体流动是另一个实施方案。在所有情况下，” 您有相同的骨干和相同的基础设施，但实时处理需求却有很大不同，因此我们只是通过相同的平台基础设施以相同的结构化方式来处理它们，” Kastaniotis 指出。

Irida Labs 严格遵守隐私法律，并且不进行人脸识别。个人识别信息不会存储在边缘，而是用于分析。Irida 也不会将来自一家公司的培训数据用于另一家公司的 AI 模型。

与系统集成商合作

虽然 Irida 可能有助于加速产品开发，但它不能提供完整的定制解决方案。

相反，它有助于确保方法的可行性，以便客户能够完成最后一英里。系统集成商在接过接力棒和为客户定制解决方案方面尤其有效。SI 使用 PerCV.ai 来测试项目的可行性。该软件允许系统集成商根据特定现场数据校准解决方案，并通过最少到无代码处理直接将其推出。

“系统集成商还需要另外一件武器，通过提供更好的服务为自己和其他有关各方创造更多收入。” Kastaniotis 表示。PerCV.ai 基于销售的模型实现了这一点：一种通过边缘视觉 AI 项目产生新的收入来源的快速和可扩展方式。

在利用边缘视觉 AI 实现更多销售额的同时，它还有助于了解行业形势并了解技术的限制。首先，企业需要了解他们拥有的数据集，以便利用合成数据填补任何空白。该技术还存在性能限制，因此公司必须在准确性和功耗之间进行权衡。最后，利用视觉了解环境需要做一些工作。“您需要从头到尾了解自己想要做的事情，” Kastaniotis 说。“您需要能够连接这些点的基础设施。如果没有，就很难找到解决方案，也很难简化您的生活。”

我们刚刚开始为边缘视觉 AI 开辟新的天地，因此 Kastaniotis 对其未来感到兴奋，并预测可以自动化的任务数量将显著增加。能够检测患者跌倒或开车时困倦是两种非常切实可行的实施方法。

边缘视觉 AI 与无代码软件相结合，让自主运营的未来变得近在咫尺。

 

由 insight.tech 主编 Georganne Benesch 编辑。

智能工厂技术证明数据就是力量

Posted on by Micah Kaplan

全面的智能工厂解决方案终于面世，首次帮助制造商掌控其运营技术 (OT) 数据。其结果是效率更高、盈利能力更强、运营更环保。

智能工厂解决方案的强大之处在于，它们能让制造商以统一的数字格式收集、协调和可视化来自工厂车间的大量数据，从本质上讲，就是将 OT 和 IT 领域融合在一起。这听起来似乎是制造业数字化转型的一个基本步骤，但直到最近，实施起来却出乎意料地困难。

“由于工业机器使用的专有数据协议多种多样，OT 数据的管理相当具有挑战性。”NEXCOM 战略营销副总裁 Eric Lo 表示。NEXCOM 是 NexAIoT 的母公司。后者是工业计算和智能工厂解决方案的专业公司。传统机器也很难与现代 IT 网络整合。

令人欣慰的是，NexAIoT 等专业公司现已开发出实施端到端智能工厂解决方案所需的硬件和软件能力。
其中一些解决方案已经开始部署，而且早期成果非常喜人。

智能工厂诞生

例证：NexAIoT 在一家著名笔记本电脑制造商的生产设施中实施。该公司希望实现工厂运营现代化。但他们的愿景非常远大，包括全面数字化，通过一个中央平台跟踪和管理生产过程的每一步。

NexAIoT 物联网自动化总监 CL Chiang 回忆说：“他们需要了解各种数据，从生产状态、制造参数、工厂环境条件到当前产品和成品的物料清单。” “该公司还拥有许多采用专有数据协议的机器，尤其是在组件组装和主板制造领域。这些设备的数据需要提供给工厂的 IT 网络，以便实施集中监控、管理、调度和产能规划。”

NexAIoT 与计算机制造商合作，开发了一套完整的智能工厂解决方案，为该公司提供所需的洞察力和控制力。
工业个人计算机 (IPC) 用于收集和整理来自工业机械的数据。这些 IPC 充当网关和边缘服务器设备，将机器的不同数据语言转换为广泛使用的 OPC 统一架构 (OPC UA) 工业通讯协议。

有了通用的数据格式，生产线上的信息就可以整合到工厂的核心 IT 系统：客户关系管理 (CRM)、入库质量控制 (iQC)、企业资源规划 (ERP) 和制造执行系统 (MES)。NexAIoT 还帮助制造商整合基于计算机视觉的缺陷识别系统，使质量保证人员能够实时发现缺陷和潜在问题。
此外，NexAIoT 提供的功能超出了公司的规格要求，包括预测性维护功能和集中式仪表板，管理人员可以在仪表板上直观查看生产数据，以便做出更好的业务决策。

最终形成了端到端智能工厂解决方案，帮助该公司将运营带入工业 4.0 时代。

IPC 技术提高了控制和效率

智能工厂解决方案的计算核心是 TT300-A30 无风扇系统 IPC——一款坚固耐用、功能强大的机器，专为实现工业边缘性能而打造。

NexAIoT 使用运行英特尔® 酷睿™ 处理器的工业计算机，因而具有多种功能，包括英特尔® 时间协调计算（英特尔® TCC），以减少延迟和提供实时控制。NexAIoT 的 IPC 系统产品经理 Mark Tuo 说：“英特尔处理器还支持多显示输出，这使他们能够同时处理不同的工作负载，从而提高效率。”

当 IPC 与传感器、人工智能和数据可视化工具相结合时，工厂就能获得几个主要优势：

  • 盈利能力：对运营数据的更深入洞察可以实现更好的业务决策和预测性维护，而计算机视觉可用于质量保证。制造商通过提高效率、优化流程、减少停机时间和缺陷来提高利润。
  • 可持续性：生产设施根据生产线的详细能耗数据，实施负载平衡和及时更换不再节能的老化设备，从而更有效地利用能源。其结果是降低了碳足迹，减少了总体浪费。
  • 安全：由于智能工厂会自动从工业机器收集信息，因此不再需要手动检查设备来收集性能数据。这样，工人们就不必再进入嘈杂和危险的环境，从而远离危险。

扩展 OT – IT 流水线

智能工厂已经为制造企业带来了实实在在的好处。但是在未来几年，这些解决方案，以及正在发展的更广泛生态系统，可能会为该行业带来更大的发展空间。

人工智能与制造业的不断融合就是其中的一部分。例如，NexAIoT 正在研究如何利用人工智能来优化工厂运营，以实现 ESG 目标，同时还在调查如何利用人工智能来识别和缓解生产流程瓶颈。

此外，当前的工业数字化浪潮有朝一日可能会扩展到工厂的客户。将采购流程整合到智能工厂系统中之后，采购商将能够更直接、更高效地向制造商下订单，制造商也将获得对库存管理和需求预测的更大控制权。

一路上无疑会有许多挑战，也会有新的机遇。但 Lo 表示，这是意料之中的事，也是可以接受的：“工业 4.0 不仅仅是另一种解决方案。这是一个长期的旅程，我们将继续改进生产流程，以提高效率、可持续性和盈利能力。”

 

本文由 insight.tech 的贡献者 Teresa Meek 编辑。

智慧园区解决方案推动可持续发展

Posted on by Micah Kaplan

我们都希望帮助减少碳排放并支持可持续发展目标。尽管个人责任很重要，但大规模工业园区是造成全球二氧化碳排放的主要因素。

因此许多国家将智能商务园区当作碳减排战略的关键组成部分。智慧园区是工业、科技、商业或综合用途场所，利用人工智能和物联网技术，提高能效并减少浪费。

这些低碳园区至关重要。但遗憾的是，在实施和管理上很困难。“智慧园区集成了各种消耗能源和资源的设备，例如电力和水、供暖和空调、电气系统等。” 一家智能城市解决方案提供商——特斯联集团 (Terminus Group) 首席科学家杨旸博士表示。“收集、协调和分析所有这些信息非常具有挑战性，而且许多场所管理者缺乏运营低碳园区所需的技术和运营能力”。

对于城市和政府来说，好消息是人工智能物联网专家已经开始提供全面的智慧园区解决方案。这些集成平台提供了所需的硬件和软件工具，以简化智能商业园区的建设，并升级现有场所和园区，以提高能效。

智慧园区实例：重庆案例研究

特斯联集团在中国西部科学城项目（重庆）的部署就是一个很好的例子。

西部科学城是一项政府倡议，旨在围绕中国四川省西部的重庆市和成都市打造一个科技中心。该倡议旨在成为创新和创业的引擎，将容纳重庆大学超快瞬态设施实验室和中国自然人口资源生物库重庆中心等重大高科技基础设施。

该基地具有巨大的科学和经济潜力，但需要克服高能耗和化石燃料使用的挑战。为此，重庆西部科学城的管理者与特斯联集团合作，减少碳排放，提高资源使用效率。

场所管理者与特斯联集团合作，实施了智能太阳能蓄电和充电基础设施。
该解决方案采用边缘供电的数字孪生平台，实时监控存储容量和充电负载，并相应调整分布式光伏 (DPV) 和充电设备的行为。这使得重庆西部科学城能够优化其储能、充电和放电策略。

实施工作取得了成功：加快了园区采用清洁能源的速度，降低了公用事业成本，减少了碳排放，同时还支持分布式可持续发电、电动汽车使用和需求管理。

AIoT 和边缘硬件改进了规划和管理

像特斯联集团开发的人工智能物联网智慧园区平台之所以如此强大，是因为它们能够收集、汇总和分析海量环境信息，然后将所有这些信息转化为更智能的规划、设计和管理。

在规划和设计层面，智慧园区平台可用于模拟设施性能和开展全面的能效审计。这样，场所管理人员就能深入了解整个场所的资源使用情况，并在发现问题时采取行动。这还有助于他们在施工之前，比较和选择最优解决方案，以确保未来尽可能实现可持续开发。

在运营和管理方面，智慧园区平台提供了多种节电和减排方法：

  • 楼宇自动化工具集中管理和控制机电基础设施，以优化负载。
  • 集成了储能和充电功能的智能太阳能发电系统促进了清洁能源基础设施的发展。
  • 边缘物联网智能计量和环境监测提供有关资源消耗和环境状况的实时信息。
  • 人工智能系统生成峰值消耗报告，用于制定更好的能源管理计划。
  • 人工智能系统监控物联网设备的异常使用迹象，并在发现问题时向管理人员发出警报，从而使现场和远程设施管理人员都能迅速采取干预措施。
  • 用于食品配送、物流和安保的智能机器人系统可以整合在一起，进一步减少整个场所的碳排放，改善工人和访客的日常体验。

集成的控制和实时分析需要强大的边缘处理能力以及复杂的后台人工智能。因此，特斯联集团与英特尔之间的技术合作对于将这一解决方案推向市场至关重要。“我们的边缘网关、控制器和一体化系统均使用英特尔® 处理器，从而为边缘计算提供了极其稳定、可靠和高性能的平台。” 杨旸博士说道。“此外，英特尔® Smart Edge Open 为我们提供了一个边缘原生平台，帮助加速我们应用程序的开发和部署，而英特尔® OpenVINO™ 工具包有助于优化我们平台的人工智能推理性能。”

智慧园区解决方案前景

智慧园区平台为低碳场所的建设和运营提供了一条清晰的道路，因此对城市规划者、系统集成商和园区管理者极具吸引力。

此外，这些平台的人工智能分析功能可使现有工业园区和科技园区的改造更具成本效益。杨旸博士说：“我们的解决方案可用于创建详细的节能改造计划，甚至设计节约成本的改造示意图。” “例如，场地升级可以从光伏建筑一体化 (BIPV) 开始；光伏建筑一体化提供的碳减排量可以转化为碳信用额度或绿色证书，并在市场上交易，以抵消初始建造阶段的成本。”

世界迫切需要在未来几年实现具有挑战性的碳排放目标。智慧园区和相关配套的人工智能物联网平台有助于实现这些目标，并为我们大家带来一个更加绿色、更加可持续的未来。

 

由 insight.tech 主编 Georganne Benesch 编辑。

物联网为智能建筑解决方案带来即插即用功能

Posted on by Micah Kaplan

当今的建筑管理系统 (BMS) 不仅提高了办公楼的能源利用率，还可以帮助工业租户控制其复杂的基础设施，从而更高效、更可持续地开展运营。

与办公用户相比，工业用户的需求不同，且更复杂。例如，冷链储存设施、自动化包装运营和配送中心都包含有独特能源要求的专业设备。与典型办公大楼中的照明灯和恒温器调节相比，管理这些宝贵的设备和仪器需要更高的警惕性。对于这些企业来说，可随时随地查看并控制其暖通空调、电源和照明系统对于业务的成功至关重要。

现代 BMS 应用可以做到这一点，但当多个工业租户使用同一建筑物时，情况就会变得复杂。当这些租户每个月占用的设施内空间各不相同时，情况就会变得更加棘手。

由于企业需要更好地控制环境，以及英国建筑研究院环境评估方法 (BREEAM) 标准等可持续发展计划获得推崇，导致对工业 BMS 的需求变得越来越明显。使用开源软件的现代建筑自动化解决方案可以帮助利用庞大的专家社区来调整技术，以满足高度专业化用户的独特要求。能够为用户提供能源资产独立控制的建筑业主可获得理想工业租户的市场份额。

探索下一代工业空间的奥秘

HelloParks 是一家东欧工业房地产开发公司，目前经营四个工业园区，拥有 38 万平方米建筑空间，其足以证明多租户能源管理的复杂性。这些建筑可适用于制造、仓储、配送等许多重型工业用例。因此，它们提供的公用事业设施及其支持的服务结构必须灵活。由于 HelloParks 提供灵活的租赁，该公司必须做好每隔几周接纳新租户的准备，尽管新租户的 BMS 要求与此前使用同一空间的用户大相径庭。

这意味着 HelloParks 必须为其设施配备复杂的 BMS，使租户能够查看和控制各种建筑自动化系统 (BAS)。BMS 还必须能够支持许多不同类型的基础设施和用例。为了实现这些目标，HelloParks 与本地系统集成商合作部署一项解决方案。

该团队选择了软件自动化解决方案 Tridium Niagara Framework®，该解决方案来自美国自动化提供商 Tridium, Inc.。Niagara 简化了暖通空调、照明、电源和安全等基础架构的集成，允许用户使用可定制的可视化仪表板来分析运营数据并采取行动。

Niagara 原生支持 250 多种协议，可简化来自众多制造商的不同类型 BAS 设备的数据摄取和管理。Tridium 高级销售经理 Irek Pacula 表示，该开源解决方案使制造业的合作伙伴能够访问 2 万多名工程师组成的社区，这些工程师负责开发协议、模板、驱动程序和其他技术，以扩展平台 满足特定需求。

获取运营 BAS 数据后，Niagara 用户可通过基于网络的门户查看和管理基础设施，从而获得运营数据流洞察。就 HelloParks 的情况而言，该多租户门户可允许个人用户访问数据，但不会暴露其他用户的数据。这使得工业房地产运营商能够灵活地在一个统一 BMS 中支持各种不断变化的 BAS 设备和多种环境。

Niagara 平台还拥有一个灵活的控制引擎，其中包含各种预定义算法，以及用于创建即使是非本领域专家也能够理解的新算法构建模块。这些算法可以为故障检测和诊断、基于数据的报警等功能创建自定义逻辑序列，并允许类似 HelloParks 的租户控制其设施。数据、控制引擎和由此产生的 BAS 报告都能够通过可定制的仪表板根据特定用例定制。

智能建筑解决方案的性能和能效

虽然可以在云端查看数据洞察，但操作在边缘发生。Niagara 可作为代理部署在边缘控制器上，例如坚固、紧凑、易于安装的硬件平台 Tridium JACE®。类似系统可作为主要协议转换网关，用于在 BAS 端点和 Niagara 软件之间沟通数据和命令。

当需要更深入的洞察或需要管理大型设施时，如同 HelloParks 的情况，需要高效扩展性能。Tridium 及其系统集成合作伙伴帮助 HelloParks 利用基于英特尔® 酷睿 ™ 和英特尔® 至强® 处理器的边缘服务器实现这一目标。这些服务器包含处理器虚拟化等内置功能，可实现扩展，同时确保数据隐私和安全。

Pacula 表示：“从一核到多核可带来非常大的优势。某些客户只是希望在机柜中进行规模虽小但功能强大的安装使用。某些客户则使用英特尔® 至强® 处理器在多台不同机器上进行超大规模安装使用。对我们的软件而言，它看起来像一台大型机器，但具备双重冗余能力，能够支持数千用户和建筑。”

通过单一虚拟管理平台提供全方位服务的建筑自动化

Tridium Niagara 框架允许 HelloParks 通过支持无处不在的连接、自适应逻辑、定制可视化和可扩展部署解决方案来应对多租户空间的复杂动态。由于 HelloParks 及其租户均可获得 Niagara 洞察，因此有多个利益相关者以及大量资源利用情况“观察点”。该公司的多栋建筑均获得“杰出”评级，全球只有 3% 的建筑获得这一荣誉。

智能 BMS 还有更多功能即将推出，由于非常好的多功能性，它还可以纳入业务数据。如今，HelloParks 租户按平方米支付价格，但未来有机会将计费和发票系统接入仪表板，使每个租户都能够支付他们的特定水电消费费用。其他信息（例如每千瓦时价格）可便于 Niagara 控制引擎根据预定义的成本阈值循环利用资源。

智能建筑解决方案可提高能效、加强可持续发展、具有降低成本的潜力，并且允许专业租户通过单一虚拟管理平台进行集中管理，因此能够超越商用办公楼的传统住宅，深入更复杂的环境。事实上，他们已经拥有此项能力。

 

本文由 insight.tech 的贡献者 Teresa Meek 编辑。