AI 交通管理：通往可持续智慧城市之路

Posted on by Micah Kaplan

在城市中，每位驾驶者都感受过在交通拥堵中数小时的等待所带来的煎熬，以及对拥挤、混乱道路上的安全感到焦虑。

而城市管理者和交通工程师对此还有一些额外的担忧。智能交通管理解决方案提供商 ISSD Electronics 的首席系统工程师 Gurur Yildiz 表示道：“我们所面临的最紧迫的挑战是如何通过高效、以需求为导向的交通管理来降低事故率。但是我们还有一些重要的生活质量问题需要考虑，比如像减少二氧化碳排放这样的总体格局所带来的挑战。”

这对所有相关人员来说都是一个棘手的难题。但好消息是，AI 深度学习技术和下一代高性能处理器已能够使智能交通系统 (ITS) 成为可能。这些解决方案为全球交通管理所面临的挑战提供了答案，并为一个更安全、更高效、更可持续的未来敞开了大门。

AI 交通管理实际应用

ISSD 市政客户的实施案例展示了智能交通系统在最具挑战性的交通管理场景中能够取得显著成果。

该公司在土耳其科尼亚的部署展示了智能交通系统如何在不太可能的场所中发挥作用，实现交通现代化。科尼亚是一个非常古老的地区——自公元前 3000 年起就有人类在此居住。如今，科尼亚是土耳其最大的城市之一，人口超过 200 万。由于参观者、游客和宗教朝圣者不时涌入该市的众多圣地和考古遗址，科尼亚的人口数量经常会激增。

现代的科尼亚是一个美丽而迷人的古老与现代的融合体。但这也随之带来了一些严重的交通管理挑战。Yildiz 说道：“科尼亚的城市规划并不能满足当前城市的需求。因此，在高峰时段和大型清真寺及旅游景点周围会出现严重的拥堵现象。”

ISSD 与科尼亚市政当局合作部署了智能交通系统，以缓解这一问题。他们在整个城市安装了一个智能摄像头网络，以帮助管理交通流量。这些摄像头可以实时计算平均占用率和车辆数量，决定哪些交通车道应该给予绿灯以及持续时间，并相应地改变交通信号。

新系统的效果非常显著。科尼亚交通路口的等待时间减少了 30%。碳排放量降低了 40%。此外，该系统提供的数据洞察力使交通工程团队能够创建详细的交通流量模拟，并对优化效率进行调整。

另一个 ISSD 实施案例是在伊斯坦布尔。多年来，交通部和当地收费公路运营商一直在北伊斯坦布尔高速公路的隧道入口和收费站处面临一系列棘手的事故挑战。最令人沮丧的是：这些事故本来就不应该发生。这些事故是由于驾驶大型卡车的司机没有意识到他们的车辆太高，无法通过隧道口或收费桥架而引起的。

ISSD 为此实施了一套智能交通系统，可以检测到接近这些关键位置的超高车辆。智能摄像头会扫描来车的交通情况，以便检测潜在的问题车辆。如果识别出超高车辆，其车牌信息将被广播到收费公路的高架电子显示屏上，以警告卡车司机他们处于即将发生碰撞的严重危险中，以便使其能够寻找替代路线。

受益于此，高速公路上超高车辆事故的数量已从每月一两起平均事故减少到整年零事故。

AI 和硬件是实现智能交通系统的关键要素

这些显著成果是新一代智能交通系统的特点，它们成功克服了之前系统的许多限制。

传统的事故检测系统使用了完全依赖于中央处理器的图像处理算法——这是一种昂贵且难以扩展的方法。此外，在恶劣的天气条件下以及使用云台摄像机 (PTZ) 的数据时，这些系统在图像处理准确性方面会遇到困难。

现代智能交通系统主要依靠经 VPU 加速的、具备人工智能功能的自动事故检测 (AID) 系统来检测道路情况。正是因为这一点，它们在视觉处理任务上优于旧系统，并且往往更具成本效益。

ISSD 的应用案例包括将交通摄像头数据发送至经过优化的集中式服务器进行视觉处理。该服务器配备了英特尔的 VPU（可视处理单元），专门用于并行处理计算机视觉工作负载。该 VPU 还运行有 ISSD 经过优化的 SPECTO 视觉处理软件（该软件利用了英特尔® OpenVINO™ 工具包中的人工智能深度学习功能。）该系统的中央处理器能够从推理任务中解放出来，仅控制发送警报给驾驶员和操作人员等响应动作。

这种 AI 优化和负载区分的组合使整体解决方案具有非常快的速度。如果检测到事故，交通安全人员将会在不到 10 秒的时间内收到警报，并通过与 SCADA 系统和路边交通设备的集成实现几乎实时的自动响应。

Yildiz 将 ISSD 与英特尔的技术合作归功于实现这种深度学习优化处理的可能性：“OpenVINO 对我们来说是一项技术突破。它通过优化和提高我们算法中使用的深度学习模型的效率，进一步提升了产品的整体性能。”

构建交通未来

智能交通系统取得了令人瞩目的成果。但同样重要的是，这些系统背后的创新者在解决方案的开发中采取了全面、前瞻性的方法。而这对未来的发展前景是非常有利的。

ISSD 将软件遮蔽和匿名化算法纳入了解决方案中，使其在当前和未来几年的发展工作中能够符合网络安全和数字隐私法规，从而具备未来发展的可持续性。

该公司还在研究如何将现有技术适应到其他用例和垂直领域。Yildiz 说道：“我们正在研究与之相补充的用例，例如：电子收费系统和智能停车系统。”。

长期来看，ISSD 的研发团队正在为合作智能交通系统 (CITS) 奠定基础，而此类系统将有一天能够直接向驾驶员的车辆广播安全警报。令人惊叹的是，他们同时还在为一个交通管理的未来做准备，届时，未来商用和私人车辆已经能够飞行了。Yildiz 说道：“我们目前正在探索基于飞行的物流和交通管理，计划为即将到来的飞行车辆和无人机时代做准备。”

智能交通管理将引领一个交通更安全、更高效、更可持续的世界。然而，尽管涉及了如此高科技的技术，Yildiz 以非常人性化的方式表达了他的公司工作的最终目标：“智能交通系统通过减少事故可以拯救生命。并且，通过提高交通效率并且让驾驶员节省那些不必要的浪费时间，该系统能够改善我们的日常生活质量。”

 

由 insight.tech 的副主编 Georganne Benesch 编辑。

软件为中心的自动化改变工艺行业

Posted on by Micah Kaplan

随着时间的推移，许多工业厂房中采用的专有分布式控制系统和硬件正逐渐接近过时。而更换这些系统将会是一项复杂、耗资巨大的工作，并且其通常需要一定的停机时间。除需应对这些挑战之外，掌握专业自动化知识的大批工人也在逐渐退出劳动力市场。

而自动化和数字化可为此提供一种替代方案。工厂可以配备以软件为中心的系统，以提供灵活性、高可用性和弹性，并同时支持可持续发展目标。其中一种解决方案便是使用开放标准技术将控制软件与硬件解耦来进行自动化改造。以软件为中心的自动化方案能够使制造商对市场需求做出响应，根据需要进行扩展，最小化过时问题，避免运营中断，并优化能源利用效率。

该解决方案是通过施耐德电气、红帽 (Red Hat) 和英特尔之间的合作伙伴关系提供的。该解决方案利用了施耐德电气的 EcoStruxture Automation Expert (Soft dPAC)、英特尔的 Edge Controls for Industrial 以及红帽公司的 Ansible。

施耐德电气全球分布式控制系统负责人 Michael Martinez 表示：“我们希望从旧的专有嵌入式控制器架构转向以软件为中心的自动化系统。”

EcoStruxure Automation Expert 采用容器化和编排技术来提高可用性，降低拥有成本，以及避免工艺中断。“通过利用这些技术，我们实现了软件与其运行的硬件平台解耦。实际上，我们可以将控制应用程序加载到不同的位置、不同的服务器甚至不同的计算单元中。这是一种关于自动化的新思维方式，而正是这种方式将为我们提供用户所需的弹性和灵活性，” Martinez 如是说道。

这种方法可以确保工艺的持续运行，避免生产中的任何中断。Martinez 表示：“我们大多数客户都在我们称之为连续工艺设施的情况下运营，这意味着他们无法停机。” 发电中断可能导致停电。在炼油厂或化工生产厂中，这可能会导致爆炸或泄漏事故发生。

软件编排实现连续运营

由于对连续运营的需求，替换技术将会使工艺制厂面临复杂、耗时且昂贵的挑战。Martinez 表示：“专有系统的服务、维护和现代化通常需要大规模的停机和改造。”

红帽公司的 Ansible 编排能力是整体解决方案的关键组成部分。此款创新的自动化解决方案可以处理任何重复和繁琐的任务，比如：将软件加载到机器上或将工作负载转移到其他位置。Martinez 说道：“如果我们的某个设备出现问题，我们可以使用编排器将过程控制应用程序重新部署到另一个正常的设备上。” 通过这种方式，工作人员可以更好地专注于更具创新性的活动。

以软件为中心的自动化系统可以缩短学习曲线

替换专有系统需要详细的计划和精心的执行，以防止在生产过程中发生任何中断。20 世纪 80 年代的控制系统采用了专有的编程语言，而这些语言很难进行转换，并且需要编排人员掌握特殊的知识。许多公司今天仍在使用这些编程语言。

施耐德电气工艺自动化副总裁 Tina Volkringer 说道：“以软件为中心的方法解决了这个重要痛点。这使得工作人员更加灵活，因为他们不再需要掌握专有深入知识来了解自动化系统；我们正在推动基于结果的解决方案。我们的目标是提供即插即用的功能。”

这种即插即用的方法解决了另一个问题：寻找有资格运行老旧设备的人才，而随着工人退休，这方面的人才正在迅速减少。

施耐德电气战略计划总监 Andre Babineau 表示道：“我们所谈论的是一种大多数自动化工程师都非常熟悉的、基于更开放标准的语言。这样，他们可以立即为工艺的价值做出贡献，而无需经过某种中间翻译或使用专有系统、专有语言或一套工具来控制工艺。”

扩展能力是另一个优势。对于操作人员来说，复制工艺可能是一个挑战，因为这需要额外的控制器和基础设施。Martinez 说道：“但是，EcoStruxure Automation Expert 只需少量工作就能简化复制储罐、泵或其他工艺的过程。” 这是由一个系统化的方法驱动的。该应用程序是为了优化产量而编写的，而其运行的硬件只在最后一步才被选择。

施耐德、红帽公司和英特尔联合推出的解决方案极有可能改变工艺自动化进程，为未来的发展奠定基础。利用编排、开放标准和合作伙伴关系，企业能够通过构建自动化解决方案来最小化中断、降低拥有成本，以及减少过时性所带来的影响。该解决方案是发展全自主生产设施的一条路径。尽管 Martinez 并不认为在不久的将来行业会实现完全的自主性，但他预计未来将会出现以软件为中心的自动化系统与人类并肩工作，将效率、灵活性和韧性推向新的高度。

 

由 insight.tech 的副主编 Georganne Benesch 编辑。

将工业 AI 模型应用于产品质量检查

Posted on by Micah Kaplan

新车进入组装的最后阶段时，检查员会进行一丝不苟的细致检查，以发现任何不一致之处。从油漆脱落到车轮缺陷，再到汽车发动机声音异常，都可能影响最终产品的质量。传统上，这些检查都是手动进行的，但现在员工可以通过人工智能获得迫切需要的援助。

无论检查员有多优秀，只要是人就会漏掉一些细节。工厂车间往往嘈杂、繁忙，会引发各种干扰。重复执行相同任务达数小时时间也会导致思维游离，带来各种错误。但这对于 AI 来说不是问题，AI 利用摄像头、麦克风和传感器在组装线上坚持不懈地寻求完美。

“视觉检查确实是一项繁琐的工作。在工业环境中工作时，您在嘈杂环境中的工作质量可能会随时间推移而下降。借助 AI，您可以实现流程自动化，” byteLAKE 联合创始人 Marcin Rojek 如是说，他是认知服务的开发者，而认知服务是一组专注于工业 4.0 的 AI 模型，负责质量控制相关工作。

Rojek 表示，byteLAKE 认知服务存在的原因是向操作人员提供切实可行的信息，帮助他们制定出更好的决策。

与大多数工业 AI 解决方案不同，byteLAKE 不仅仅通过计算机视觉改进视觉处理方面的工作。该公司使用 AI 模型进行声音分析和基础设施监控。byteLAKE 认知服务可利用麦克风和其他传感器来检测温度、湿度和振动，进而监控设备，努力优化服务交付并防止发生故障。

认知服务将数据转化为洞察

Rojek 和他的好友兼业务合作伙伴 Mariusz Kolanko 于 2016 年联合创立了 byteLAKE，他们的初衷是希望解决如何处理工业组织捕获的所有数据这一问题。许多组织都不知道如何使用这些数据。

“我们希望将 AI 转化为工业案例的有形解决方案。我们将数据加以组合，转换为信息，回答诸如‘会发生什么，可能会发生什么，某件事为什么会发生，错误在哪里，错误是什么，根本原因是什么？’等问题，” Rojek 说道。

通过将不同来源的数据置于适当的上下文中，便有可能实现上述目标。

在制造过程中，计算机视觉算法会分析和解释摄像头沿生产线捕获的图像。可以对模型进行训练，使其理解某些图像，并检测划痕、凹痕和缺孔等各类情况。

在汽车制造过程中，麦克风会捕获发动机的轰鸣声，以确定车辆是否正常运行。这是人类能力可能会受到限制的另一个领域。Rojek 表示：“在聆听厂房中的数十台汽车发动机时，背景噪音此起彼伏，不断变化，您的检查质量可能会大打折扣。”

为确保实时收集所有信息，维持工厂的质量标准，该项技术在边缘安全运行。这样，用户便能够在靠近数据生成位置的地方处理数据，从而解决了带宽和连接时断时续的问题。

byteLAKE 还在食品服务行业中使用计算机视觉，以减少自助餐厅结账时的等待时间。Rojek 说：“收银员不必手动将所有食物品类输入机器，因为摄像头会拍照并识别不同品类。”

在能源基础设施等其他环境中，byteLAKE 将传感器、摄像头和麦克风结合使用，以跟踪液体流动、湿度水平、压力和温度等条件，所有这些条件都提供有关管道、泵、传动装置和其他部件的运行状况和性能信息。这有助于优化运营和资源利用率，减少浪费，最终提供更优质的服务。

Rojek 说：“我们能够预测可能发生的情况，为整个城市的能源管理系统提出最佳配置，我们需要根据当前使用量、预测使用量、历史数据、天气预报等情况，提前规划下周应订购多少能源。”

制造业 AI 弥补了人类的不足

虽然 byteLAKE 认知服务旨在取代重复、枯燥、耗时且易出错的任务，但 Rojek 将这一解决方案视为对人类工作的补充。他解释说，客户似乎并不担心人类被取代，因为 AI 解决了劳动力短缺等问题。AI 还有助于保护员工安全。例如，摄像头和传感器可以使人类远离组装线上的危险设备。

byteLAKE 还与各合作伙伴就客户特定解决方案开展合作。合作伙伴将认知服务与自己的软件和硬件自动化相结合，用以设计工作流程。

先前实施中的现有模型可以面向新客户进行定制。例如，可以通过对照明、生产线尺寸和其他规格调整，将造纸厂模型用于另一家工厂。

英特尔是实现上述所有目标的重要合作伙伴。byteLAKE 参与 AI Builders 等项目，并利用 OpenVINO™ 工具套件来优化解决方案，降低开发成本。

展望未来，认知服务的功能将继续扩展。byteLAKE 正在开发可自行学习的模型，这样模型便可以“随时间推移自动改进”。Rojek 预计，在不久的将来，模型将以动态方式实时学习，从而“随着业务进展和生成更多数据，不断提高预测质量”。

从长远来看，该公司将专注于更轻松地与制造软件相集成。Rojek 解释说：“我们不想重制车轮，也不想过多地更改制造流程。我们希望弥补运营中的不足，成为其现有工作流程的一部分，而不是将所有工作推到重来。”

 

本文由 insight.tech 的副主编 Christina Cardoza 编辑。

智能镜子反映零售业的未来

Posted on by Micah Kaplan

通常，当您的顾客走进试衣间试穿新服装时，他们最终会面临一大堆选择——不同的款式、颜色和尺码。如果他们可以避免在所有这些选择中进行挑选和试穿的麻烦，情况会有何改观？他们可以利用智能互动镜子省心省力。在 AI 的支持下，智能镜子解决方案可以通过协调实时库存中的商品、不同尺寸和颜色来虚拟地提供另一层客户服务。购物者还可以了解他们想要的服装是否有库存或是否可以在网上购买。

此类解决方案（例如，全方位服务硬件解决方案提供商 Pyramid Computer 的 Polytouch Magic Mirror）现已推出。该平台可帮助零售商提供独特的客户参与体验、在线购物的优势以及近距离亲眼看到和触摸商品的功能。

店内零售的个性化体验走向虚拟化

其中一个典型的例子是一家大型运动时尚零售商，利用 Polytouch Magic Mirror 打造出智能试衣间。该零售连锁店在其试衣间部署了该解决方案，即配备高清显示屏、10 点触摸屏和用于基于 RFID 的物品识别的天线的镜子，所有这些均由小型电脑提供支持。

该解决方案使用的是 RFID 扫描技术而不是摄像头，出于隐私原因，客户显然不希望摄像头出现在试衣间中。

扫描仪可感应哪些商品被带入试衣间，利用数据建议协调配饰，并通知客户是否以及在哪里有替代选项。店内和在线库存信息之间的无缝链接，提供了“无限货架”的客户体验。同时，它使零售商能够为商店吸引更多客流量，获得新的洞察，克服员工短缺问题，并降低运营成本。

Pyramid 营销与设计主管 Anthony Hunckler 表示，“零售商可以优化分配给店员的任务，而不必将他们派到试衣间为顾客提供咨询以及寻找商品。

RFID 阅读器与后端软件通信，为客户提供信息，并为零售商提供有价值的数据。“软件是最终与客户进行品牌互动的元素，例如高质量的产品图片和媒体。” Hunckler 解释说，软件和硬件元素必须协同工作，才能在用户界面和用户体验方面提供这种灵活性和流动性”。

已经采用 RFID 系统进行库存管理的零售商会发现实施 Magic Mirror 很容易。在这种情况下，他们的后端已准备好添加此镜子来扫描产品。对于维护，Pyramid 提供高服务水平的保修。Hunckler 说，“如果您遇到问题，我们可以非常轻松地切换系统并进行显示。从这个角度来看，我们的合作伙伴几乎没有风险”。该解决方案的基于英特尔技术的电脑提供坚固耐用的 24/7 可靠性，这对于零售环境中的部署非常重要。

关于销售、客户偏好和物流的洞察

由于 Magic Mirror 解决方案与顾客互动并收集有关他们的选择和偏好的数据，因此可提供获得有价值的店内零售洞察的机会。

根据零售商选择或开发的软件，他们可以收集和分析深入的销售数据，辨别客户偏好，优化物流和库存管理，以及交叉销售相关商品。Hunckler 表示，“分析对于零售商根据客户习惯的实时数据优化库存非常重要。例如，如果您发现您销售的 T 恤中有 80% 是白色，您就会知道您的库存中需要更多的白色 T 恤，而需要更少的其他颜色。”

利用这些数据，传统零售商可以准确预测他们需要库存的商品数量、时间和地点，从而帮助制定物流决策并满足需求。

细粒度级别的洞察将帮助零售商为实体零售业快速变化的未来做好准备。Hunckler 表示，“我们过去所了解的零售业结构在今天已经不再适用”。一些顾客仍然到商店以传统方式挑选、试穿服装并做出决定，但许多其他顾客来到实体店只是为了领取他们在网上预订的商品。如果零售商可以通过增强只有当面才能提供的购物体验（例如，特别优惠和福利）来与在线客户建立联系，那么这些客户就会意识到访问实体店的价值，并且零售商店可以获得品牌忠诚度。

Hunckler 表示，留意客户的个人偏好和需求是成功的关键因素。“客户的习惯各有不同。有些人喜欢得到工作人员的帮助，而另一些人则不希望得到这种关注。零售商需要集中精力提供大量数字支持并个性化整体体验。”

 

由 insight.tech 的副主编 Georganne Benesch 编辑。

人工智能零售业分析加强库存管理

Posted on by Micah Kaplan

顾客进店之后，自然希望能够找到自己需要的商品。如果找不到的话——无论是由于业内屡见不鲜的人手不足问题，还是由于手动上货流程效率低下——顾客只能去别处看看，而店家只好拱手让出这单生意。

但是，由于商品缺货或放错位置而失去顾客，是零售商无法承受的后果。最近发布的一份报告发现：在全球范围内，这个问题每年造成的销售额损失多达 9840 亿美元。不过问题在于，许多零售商仍然依赖于手动流程来保持货架有货。因此，越来越多零售商已经开始借助人工智能零售分析解决方案，简化其库存管理实践。

采用人工智能零售分析来优化客户体验

不妨看看英国连锁杂货零售店 Nisa 的例子。Nisa 发现，如果商品不能正确地上货，就会对客户体验造成负面影响。为了改善这种情况，Nisa 向零售分析平台提供商 Shelfie 求助，依靠基于云的软件来改进流程并更好地了解库存变动情况。

借助 Shelfie，Nisa 可以使用店内的联网摄像头拍照，然后将每个受监控货架的当前存货情况与预定图表中应有的样子进行比较。

为了实现这一目标，摄像头会拍摄视频图像并将其传输到云端，然后高级机器学习和图像处理算法会在云端分析存货放置及供货情况数据。如果某款商品库存告急或者某些产品放错了位置，工作人员会通过仪表板或移动应用收到实时警报。警报可以发送到条码扫描仪、平板电脑或其他联网设备上。

在一家 Nisa 门店进行的试运行中，Shelfie 能够让库存有货率保持在大约 95%。“Shelfie 提供了我作为零售商，就店内商品的购买、预测和摆放位置优化做出决策所需的全部数据。” 多家 Nisa 门店的店主兼经营者 Rav Garcha 说道。

提高人工效率

Shelfie 首席执行官 Yehia Oweiss 指出，如今各行各业的技术都在迅猛发展，但令人惊讶的是，大多数零售商仍然需要依靠人力来完成以下工作：在店内巡视，查看货架上哪些商品有货、哪些商品库存告急，然后进入仓库或后方储藏室，把相应的商品装上手推车，最后推着手推车为货架补货。

Shelfie 旨在减轻零售业人力工作者的负担，使其能够轻松监控货架情况并获得有意义的洞察。“这个解决方案不会取代店员，而是旨在提高他们的工作效率。” Oweiss 解释道，“我们的软件会告诉你缺货最严重的时间和日期以及相应的具体货架。现在，如果你掌握了这些数据，就可以更加高效地部署负责补货的人员。”

视频 1。Shelfie 由分析平台、图像捕获设备和报告仪表板组成，可提供对货架库存管理的洞察。（来源：Shelfie）

虽然同类解决方案往往非常复杂或是扩展成本高昂，但 Shelfie 却易于部署和扩展。该解决方案可以处理所有分析，并在商品缺货或库存告急时向商店经营者发出警报。

Oweiss 解释道：“你只需将摄像头对准货架并连接到互联网，其余工作均由我们在云端完成。”

该解决方案还采用了与摄像头无关的设计，因此零售商可以使用现有的安保监控摄像头，只要它们能够连接到互联网即可。此外，如有需要，还可以选择在本地设置该平台。

为了实现能够检测零售门店内情况的人工智能模型，Shelfie 采用了 OpenVINO™ 人工智能工具套件。当新客户决定采用该解决方案时，他们需要提供相关照片和信息来说明每个货架应有的样子，由此启动对人工智能神经引擎为期两周的训练。

随着时间推移，人工智能零售解决方案可以满足商店的更多需求

随着人工智能软件了解各种商品的位置并跟踪它们的销售情况，Shelfie 除了基本的缺货或商品位置错误警报之外，还能提供许多其他的洞察。

例如，仪表板可以显示有关销量最高、销量最低以及最常缺货的 SKU 的数据。经理可以了解某款产品已缺货多长时间，特定产品在一天之中销量最高和最低的时间，以及他们需要确保哪些销量名列前茅的商品从不缺货。Oweiss 指出，这种高度细化的数据很难通过手动流程来收集，并且可以提供非常重要的洞察，帮助优化销售和上货工作。

“最终，Shelfie 可以改进业务流程。”他解释道。“在客户满意度方面，它收到了很好的效果。零售商需要处理许许多多的事务，每天都会面临新的挑战。这个解决方案可以提供必要的数据和洞察，帮助他们把握先机并了解哪些事情需要优先处理。”

该解决方案的用例不仅限于零售业。例如，Oweiss 表示 Shelfie 将被引入加油站，用于监控溢油、统计顾客人数以及保持监管合规。此外，该公司还将在油气行业实施该解决方案，用于监控油压头是否存在漏油或溢油的情况。“每个用例都关乎业务流程的效率。” Oweiss 说道，“掌握关键数据之后，你就可以更加高效地部署相关人员，并最大限度提高他们的工作成效。”

Oweiss 认为，随着零售分析的用途不断拓展，增强现实和人工智能技术将在未来的解决方案中发挥越来越重要的作用。现在，大型连锁零售商以及拥有众多网点的公司往往会在必要的变革管理中遇到困难，因而难以顺利实施全新解决方案；相比之下，规模较小的公司和独立零售商往往比较容易采纳像 Shelfie 这样的解决方案。

“对于他们来说，灵活性和成本节省都是优势。” Oweiss 说道，“我们的解决方案不要求使用特定摄像头型号或是高清图像，因此他们可以利用已有的技术设施，让全新解决方案快速投入运行。”

 

本文由 insight.tech 的副主编 Christina Cardoza 编辑。

数据保护最新趋势？保密计算

Posted on by Micah Kaplan

一些花招只适用于魔术，不适用于数据保护。然而，许多企业在不了解的情况下恰恰以信息安全的名义部署了这种障眼法。Fortanix 机密计算副总裁 Richard Searle 说，一些公司可能觉得他们保障了数据安全，但大多数保护机制都仅关注传输中或静态的数据，而不是实际使用或处理中的数据。Fortanix 是一家数据安全公司。

为了达到最严格的安全性，企业需要硬件强制的可信任执行环境，保证数据处理的安全。这一做法被称为机密计算，Searle 补充道。

机密计算数据安全的优势

多年来，医疗保健和金融等领域的公司通过将数据匿名化来满足安全协议，从而保护患者或用户身份隐私。Searle 说，但是要在保证数据真实性的情况下实现匿名化是很难的。“尽管他们的个人信息已经用标记进行替代，但是仍然有可能从它们的来源数据集中解析出来，从而得到他们的身份信息，”他说。

标记限制了数据的充分使用，所以不是所有功能都能够顺利执行。即便数据在静态或传输过程中已加密，但处理时会进行解密不受保护，所以在这些过程中数据易受攻击。

另一方面，机密计算通过释放数据的潜力发挥作用，同时保护各种状态下的数据：静态、传输和使用。机密计算的另一个重要优势是，能够轻松追溯线索，并为审计师提供必要的合规文档。

机密计算还加强了零信任架构 – 一种流行的数据安全解决方案。零信任要求对信息处理链中的每个操作进行分解、每个步骤进行验证。

“机密计算可以提供帮助，因为它可以做两件事：验证部署数据的可信任执行环境，并验证部署在其中的软件可信度，” Searle 说。“机密计算和其他零信任工具如机器和用户的身份和访问管理工具相结合，是一项重要的技术，因为它在网络中提供了数据保护服务。”

可信执行环境的数据安全

机密计算保护可信任执行环境 (TEE) 中的数据，这是处理器中受保护的一块内存区域。这些安全区通过硬件管理的密匙进行了加密，操作系统和管理程序无法访问。“当您应用机密计算时，数据仅在 TEE 的范围内进行解密。“它帮助您保护由 CPU 处理的敏感的数据和应用，” Richard Searle 说道。

Fortanix CC 解决方案是其机密计算管理器，作为企业应用与底层硬件和可信执行环境之间的中间件层级。“对于本地和云部署而言，管理器还需要生成必要的加密证明与验证，以证明信息已安全部署并依据法律、组织政策义务进行了处理，” Searle 说。

英特尔在机密计算中发挥的作用

英特尔在其硬件/软件解决方案堆栈中设计了可信执行环境所需的关键组件，也称为“安全区”：

  • 英特尔® Software Guard Extensions（英特尔® SGX）支持单个应用的周界保护，敏感数据可以安全、私密运行，不需要信任底层基础设施和操作环境。组织可以将软件和数据放入安全区进行沙盒处理，使用硬件级加密密钥和信任证书。
  • 英特尔® Trust Domain Extensions（英特尔® TDX）支持虚拟机的周界保护，可应用机密计算，能将当前虚拟工作负载轻松迁移。

这些技术与第四代英特尔® 至强® 可扩展处理器相结合，可支持更广泛的应用。“第四代至强处理器等现代处理器非常强大，拥有大量可用于部署可信执行环境的内存，所以我们可以运行非常复杂的企业级应用和 AI 系统，” Searle 说。“我认为这将促进机密计算的增长与采用。”

机密计算用例

机密计算在处理高度机密的数据、或企业无法保证底层基础设施信任时最为实用。举例来说，您将数据迁移至云，“使用其他人的基础设施平台，但不希望拥有根权限的云管理员能够访问您的信息，” Searle 说。

用例还有很多。比如，Fortanix 帮助 BeekeeperAI 的客户利用机密计算来安全部署 AI 和 ML 模型。BeekeeperAI 帮助研究人员快速验证和迭代模型，并支持医疗保健团队的安全协作。医疗保险公司 Zuellig Pharma 推出了数字健康交换，运用机密计算支持亚太地区十几个国家的数据交换。“这是机密计算在数据使用和移动的不同用例中提供创新的另一个案例，” Searle 说。

他说，尽管医疗保健和金融业已证明是机密计算最初的测试领域，但其实施并不局限于这些领域。“增强安全形势的需求为机密计算提供了背景，”他补充说。

接下来我们将看到：边缘 AI 的机密计算用例“我们正在研究如何保护边缘数据，以便在基于边缘的设备上提供本地处理，” Searle 说。Fortanix 机密计算管理器也可以在边缘投入使用，因为无论它在哪里，都负责管理硬件。

“客户群体现在都能够接受采用机密计算；这意味着在数据和应用需要保护的特定用例中，部署这项技术的需求将会增长，” Searle 说。

无论是在云中还是在边缘。

 

由 insight.tech 的副主编 Georganne Benesch 编辑。

分布式计算助力智能电网

Posted on by Micah Kaplan

Blaine Mathieu 是在配电领域重塑产业格局的变革者。

他家的屋顶上装有 30 千瓦太阳能电池阵，用于为电网反向供电。Mathieu 是公用事业边缘计算软件平台 Pratexo 的首席执行官，也是一名“生产型消费者”，同时进行电能消费与生产。

公用事业领域的变革不止是电能的双向流动。为了避免全球气温升高，以及避免气候变化造成的最坏后果，未来的综合能源系统必须实现低碳减排。世界经济论坛指出：到 2050 年，直接发电在综合能源系统中的占比必须提高到 50-80%（现在为 20%）。

此外，低碳减排以及电动汽车数量的增加也会让大环境变得更加难以预测。Mathieu 说道：“因此，我们将会迅速从连续、有序、集中的电力生产模式转变为低碳化、去中心化、大众化、数字化的电力生产模式。” Mathieu 在发表评论时引用了 Gartner 最近对该领域进行的研究。

各种推拉力量正迫使电力生产行业转变思维模式。Mathieu 指出，“立足长远”的电力生产系统需要蜕变成“为变化而生”的智能电网。他补充道，这种重塑思维模式的过程是一种根本性转型，“只有软件才能实现这种迅猛的发展变化”。

去中心化电力和分布式计算

为了适应必经的迅猛发展变化，公用事业行业需要在边缘——也就是传感器和机器运行的位置依赖于软件资产衍生出的物联网数据。前提是通过应用人工智能和机器学习衍生自物联网数据流的洞察，公用事业可以变得更加高效。

要想获得这些优势，应在边缘引入算法来处理数据，这样远比其他方法更高效。“如果你拥有数百架风车，它们每天都会生成数千兆字节的数据，那就不可能将这些数据全部推送到中央云中。” Mathieu 说道，“相反，你应该采取的做法是在本地对部分甚至全部原始数据进行预处理，然后仅将重要事件的精简版事件流发送到云中，以进行进一步分析。”

这个说法令人信服地说明了部署分布式计算以提供边缘分析的合理性。

Mathieu 表示，将数据移入和移出云的成本并不是影响向分布式计算转变的唯一因素。公用事业行业需要对电网进行持续监控，并在几毫秒内对变化做出反应。在此类情况下，边缘分布式计算实现的低延迟也格外有吸引力。

为电网进化开路

分布式计算可能是适合当今分布式电网的方式，但它缺乏云计算的无缝编排能力。在分布式计算模型中，必须远程管理和编排靠近现场变压器的遥远边缘节点，这就无法实现无缝。

但 Mathieu 表示，有了 Pratexo 之后，电力公用事业单位可以两全其美：他们可以为边缘部署分布式计算模型，同时仍然享受云计算在编排和管理方面的便利。

挪威的智能电网

挪威公用事业服务提供商 Hallingdal Kraftnett (HKN) 将 Pratexo 智能电网解决方案投入运行，是一个很好的例子。

挪威超过 70% 的车辆是电动汽车，这给电网带来了巨大压力。HKN 管理着 3,000 多个远程变电站，并且一旦出现问题，需要在几毫秒内做出响应。

由于 Pratexo 的智能电网监控解决方案提供了一个框架，可以在预先架构的基础上进行定制，通过一系列仪表板、基本分析功能以及与现有硬件的集成来进行电网监控。因此，Pratexo 只需像拼装乐高积木一样进行混搭，即可为 HKN 开发出定制解决方案。

HKN 拖放式解决方案包括与变电设备、外部电表、湿度计以及温度传感器的集成。此外，该解决方案还使用了一个麦克风来监听变压器发出的声音，以检测称为局部放电的“噼啪”声。音频波形分析仪采用机器学习算法来处理这些声音并向维护团队发出警报，速度比标准手动检查规程更快。

每个子站的边缘节点都在本地处理数据，然后将其传输到多个远程变电站构成的微型区域云。这减少了延迟，从而帮助 HKN 部署基于设备状况的维护，并在几秒钟内对问题做出反应。因此，HKN 能够避免因停电而缴纳巨额罚款。

所有 Pratexo 部署均依托于英特尔处理器。“事实上，在我们部署的平台中，所有软件组件和元素在编写时都会首先确保与英特尔兼容。” Mathieu 说道，并补充称 Pratexo 已构建与英特尔® OpenVINO™ 工具套件的集成，用于在其他应用领域的边缘部署中实现人工智能处理。

未来电网

Mathieu 表示，Pratexo 提供了可以灵活组合的软件，能够有效满足客户紧跟时代步伐、应对气候变化的需求。

“你不会部署难以更改的静态软硬件架构，而是会转变技术思维模式，转而侧重于可组合性，这意味着能够根据需要快速更换、更改或增强各个组件。”Mathieu 说道。这样一来，我们就可以打造能够轻松适应变化的智能电网。

“软件在不断变化。要想实现我们眼前的目标，唯一途径就是采用最佳软件元素，并将其应用于公用事业和电气化进程。” Mathieu 说道。

这是一件好事，在现实中的气候变化日益显著、令人担忧的情况下更是如此。

 

由 insight.tech 的副主编 Georganne Benesch 编辑。

下一部分内容：面向零售环境的 AI 解决方案

Posted on by Micah Kaplan

我们都有过这样的经历：手中拿着两件商品，然而却眼看着要在收银台前等待二十分钟。（还好已经没有人用支票付款了。）为什么科技进步如此快，但超市里仍旧有排不完的队呢！没有更好的办法了吗？可能有。而且，事实证明，除了排队管理，它还能解决商店里的其他问题。

零售业格局在最近几年里发生了巨大变化：客户预期不断发生变化，因此解决痛点的工具和科技也朝着智能、富有意义的方向发展，其中很多都涉及 AI。现在，AI 带来了许多机会与优势，但是许多零售商并没有基础，或没有开发团队来开发这些 AI 解决方案，尽管他们知道自己想要利用 AI 达成什么目标。

幸运的是，他们有专业实施的完整生态系统可依赖。英特尔 AI 软件架构师兼 AI 宣传员 Ria Cheruvu 和 Pathr.ai（零售空间智能解决方案提供商）产品营销与运营高级经理 Nicole O’Keefe 今天便要讲述如何开发真正有价值的 AI 零售解决方案（视频 1）。

视频 1. Pathr.ai 的 Nicole O’Keefe 和英特尔的 Ria Cheruvu 探讨 AI 对零售运营的影响，以及当下 AI 解决方案的巨大机遇。（资料来源：insight.tech）

零售商目前面临的最大挑战是什么？

Nicole O‘Keefe：顾客想要流畅的结账体验——队伍短，等待时间短。如果在结账时需要排长队，他们可能会觉得沮丧，甚至可能会直接放弃购物离开商店。这是零售商最不想见到的，放弃购物不仅损失了销售额，还会影响顾客的忠诚度。他们还担心劳动力短缺和劳动力成本上升。

这些方方面面都是当下零售业面临的挑战。零售商因此尤其需要为顾客创造高效的结账体验。

那么 AI 如何解决这些痛点呢？

Ria Cheruvu：人工智能在集成多个解决方案、开发智能排队管理模型、自动自助结账方面可以发挥作用。它可以提供对顾客体验的理解，并将其集成到一个系统中，为多家商店、多个客户提供宝贵洞察。我们看到 AI 也可帮助扩展该流程，并将所有功能整合到一起。

开发人员如何成功构建和实施 AI 零售解决方案？

Ria Cheruvu：这项工作挑战性十足，不仅因为模型的技术限制，还因为想要实现的用例类型。想象一下，如果 AI 能够统计货架上的商品数量，或者识别被将拿起放到购物篮中的商品。它可以集成到智能购物车、智能货架或智能机器人等产品中。实际上，很多时候我们可以利用现成的模型，或者利用技术训练和构建自己的模型，灵活性很高。

然后需要引入隐私和安全等元素。如何将它们融入算法中，我认为需要经过严格讨论，无论是遮住顾客面部或对他们购买的商品进行隐私保密，也就是对他们进行匿名处理，同时仍保证可以提取继续改进算法所需的洞察。

但是随着 AI 技术的不断涌现、不断改进，零售领域的相关讨论变得原来越容易。

Nicole O’Keefe：Pathr.ai 的口号是：你可以从一个点中学到很多东西。每个在平面上移动的购物者都是一个点，没有任何个人身份信息。零售商可以真正利用这些保护隐私的洞察，以不偏颇的方式作出商业决策。

您如何与零售商合作实施这些 AI 解决方案？

Nicole O‘Keefe：我们能够实施 AI 的方法之一是通过空间智能，也就是人们在实体商店中的移动轨迹和行为。借助零售商现有的摄像头基础设施，我们可以在整个商店中提供洞察，特别是在收银台附近了解队伍排队长短及排队时间，并在总体上了解商店的运营情况。这些操作的目标是让超市像一台润滑良好的机器一样运行，尽可能为客户提供舒心愉快的体验。

零售商还希望降低运营成本并提高运营效率，他们也可以以数据驱动的方式利用这些洞察。可能是更有效地分配资源，或者减少不必要的员工成本。他们可以了解一天内收银台的使用数量，如果使用频率过低，那么便可以将这个空间变为销售空间，然后在这个区域放置更多商品。

英特尔是如何让这些应用成为可能的？

Ria Cheruvu：我们在英特尔的团队不仅热衷构建技术，也擅长为 Pathr.ai 这样的合作伙伴提供基础，让这些技术得到进一步应用和创新。我们采用的其中一个方法是 OpenVINO™ 工具套件，它能够为构建和部署 AI 模型提供多种不同的优化和选项。

我还要向合作伙伴推荐 OpenVINO 笔记本 GitHub 存储库，其中包含海量有关如何开始使用 OpenVINO 以及如何构建这些应用的信息。我们设计这些参考套件、教程和笔记本，是为了让合作伙伴都能够使用、运行，并看到成果。他们可以将它作为灵感或基础，查找到更多模型并用到自己的用例中、部署到自己的边缘设备中，并尝试其他应用或创新。

我们也密切关注端到端堆栈，以及英特尔硬件如何帮助加速这些管道和诸如此类用例的大型计算需求，特别是规模化地加速。

从 Pathr.ai 的角度来看，英特尔的合作伙伴关系意味着什么？

Nicole O’Keefe：Pathr 目前在零售领域大规模部署空间智能，英特尔是我们的重要合作伙伴。我们的计算机视觉采用了基于英特尔® CPU 的边缘服务器以及 OpenVINO。我们可以经济高效地规模化部署队伍洞察，英特尔从一开始便致力于帮助我们实现目标。

如何在全店推广 AI 的成功用例？

Ria Cheruvu：我们有多种方法在现有管道上进行构建。我们看到了许多非常流行、强大的对象检测和分类模型，但我想说它不止于此。还有许多其他模型，例如姿势识别和活动识别，让我们可以更好地理解人们在商店中的活动轨迹，他们做了什么，更丰富了我们的洞察。

此外，我们需要思考对这些 AI 模型的预处理和后处理。比如，一旦有了检测结果，我们要提取哪些信息，哪些属性和特定特征类型等。从这些模型中我们还能总结出哪些趋势？

宏观来看，能够将这些模型整合为管道的一部分就更有意义：不论是在多摄像头场景中认证输出还是将每个管道的输出添加到仪表板中以轻松实现可视化。

您认为这个领域的发展方向是什么？

Nicole O’Keefe：这是零售领域 AI 最令人激动的事情之一 – 思考未来的发展方向。顾客总是希望在购物时享受无缝体验。但对于零售商来说，他们将专注于优化商店运营。看起来像是借助实时警报和理解实时场景来降低用工成本：什么时候该打开或关闭结账柜台？然后根据这些信息做出真正由数据驱动的决策。如果不需要使用收银台，那么也许可以将员工分配到商店的其他区域。

Ria 之前提到的另一个有趣的趋势是自助结账。许多零售商现在都在传统的人工收银方式外增加了自助结账的选项。Pathr.ai 能够帮助零售商了解员工结账和自助结账的洞察，方便他们了解两者之间的不同表现。

零售业的 AI 未来发展方向是什么，对于开发者和零售业者来说又意味着什么呢？

Ria Cheruvu：当开发者将模型和算法（如 YOLOv8）用于对象检测和分类时，他们是从宏观角度考虑的。他们越来越清楚自己的解决方案是否适用于真实世界环境，因为会出现各类挑战和痛点，无论 AI 模型有多高效和强大，它们仍旧容易出错。

对于英特尔和我们的团队对空间智能和零售领域的展望，我们将使用现有类型的算法，持续优化、加速，并创造新的类型。我们看到 AI 带来了很多体验方面的改变，我们也将带着所有人慢慢习惯将技术融入环境的世界。

我想说的最后一点有关 AI 领域中的女性、所有的女性开发者和推动各个领域的女性领导者，她们也将继续努力前行。有了这些参考套件的普及化，还有可即插即用的实施方案，我觉得这是开始在这个领域中推进工作的巨大动力。我们也希望在 AI 领域能看到更多这样的东西。

Nicole O’Keefe：消费者行为正在迅速发生改变，那些只作为旁观者的零售商将远远落在后面。现在是借助数据采取行动的时候了。能够保持领先地位的方法之一就是借助 Pathr 和英特尔的空间智能技术。我觉得这是一个完美的组合。

相关内容

要了解更多有关开发零售技术的信息，请参阅《零售技术的未来是空间智能》，收听借助 AI 支持的队伍管理简化零售结账流程，并加入 GitHub 上关于 OpenVINO™ 的讨论分享您的经验。要了解英特尔和 Pathr.ai 的创新动态，请关注 Twitter 账号 @intel 和 @pathr_ai，以及 LinkedIn 账号 Intel Corporation 和 Pathr.ai。

 

本文由文案编辑 Erin Noble 编辑。

人群行为分析变革客户体验

Posted on by Micah Kaplan

如果您参加了音乐会或体育赛事，那么您绝不想错过任何瞬间。但是人有三急，也可能忽然肚子饿，促使您必需离开座位，因此可能错过一些重要的瞬间。Zack Klima，WaitTime 创始人兼首席执行官，完全了解这一难题。他永远不会忘记错过底特律红翼的超级巨星 Henrik Zetterberg 为球队打入获胜球的那个时刻 —— 因为他当时在排队买几瓶啤酒。

他脑海中闪过的第一个念头是，“这太荒谬了。一定有更好的解决办法。如果我离开座位时能知道队伍有多长就好了。”这次经历触发的想法，就是后来的 WaitTime，一家使用 AI 和先进成像技术监测和分析人群行为的公司。

时间快进九年，这家公司的 AI 和计算机视觉驱动的 WaitTime 人群智能平台现在已投入各大大型体育馆、商场、娱乐场所和机场使用。场地所有者、运营者和租户均以不同方式受益，从人群管理到卓越的客户体验、简化运营、更低的成本、新的营收机会等等。

位于明尼苏达州 Bloomington 的美国购物商城就是 WaitTime 行为分析的最佳案例。这里不仅是一个购物中心，它还是最先部署创新技术改变实体零售格局的场所之一，为客人、零售商、餐厅甚至整体环境带来了许多变化。当您成为首选旅游目的地，每年迎接数以千万计的游客时，这一点变得十分重要。这里面积为 560 万平方英尺，拥有超 500 家商店和餐厅，以及全国最大的室内主题公园。有太多细节需要关注。

人群行为分析带来高价值的业务优势

最近一次在美国购物商城举行的英特尔活动展现了人群行为分析带来的意外收获，以及如何通过与合适的合作伙伴合作实现变革解决方案。

首先，我们可以清楚了解 WaitTime 边缘 AI 软件如何与整个商城天花板上部署的 700 台摄像机协同，可提供实时的容量、人群密度和购物者洞察信息。这些数据有助于理清购物者如何、在何处花费了时间。因为数据触手可及，美国商城的首席营销官兼高级经理 Patrick Wand 和他的团队可以根据信息作出提升访客体验的决策。

“我们将所有这些不同数据集整合到模型仪表板中，帮助我们从财务角度了解运作情况，以及接下来开展工作的效率，” Wand 说。

实时信息还可以帮助商城运营提前采取行动。比如，47 个入口每天都有安保人员，但是有时仅安排一个人是不够的。可预测的繁忙入口可能并不总是最繁忙的。“有了 WaitTime，我们可以创建仪表板，更加主动地将安全人员重新部署到别的区域，” Wand 说。

“商城里人流量的分析准确率超过了 95%，任意时间、任意入口的数据我们都能得到，” Klima 补充道。

天气等因素可能会直接影响商城情况。Wand 指出，如果某个周六降雨量达到 2 英寸，再加上大型商店的促销等活动，便能够吸引与黑色星期五时数量相当的访客。“如果我们知道即将到来的周六会吸引比平常更多的访客，我们可以通过应用与租户沟通，便于他们在商铺加派人手，”他说。

边缘 AI 支持人群管理

WaitTime 人群分析背后的算力包括了支持不同用例的四种算法，准确率超过 95%：

  • 排队算法是围绕公司最初的解决方案理念设计的，可测量非结构化队列。它可以跟踪每个移动对象的速度和方向，这是一项能够提醒商户增派员工或添加结账选项的信息。
  • 而支架算法适用于结构化队列，例如星巴克里的队列。软件会围绕某区域绘制一个圆，并排除在此区域外的任何东西。这些信息还有助于确定增派人手的最佳位置。
  • 入口/出口算法是商城里最常用的算法之一。它可以精确、大规模地实时监控有多少人同时出入商城。
  • 与其他算法不同，massing 算法通过侧边角度视图监测某区域是否人流量饱和。例如，WaitTime 在美国网球公开赛上部署了此算法，将摄像头指向看台跟踪上座情况，让人们可以更轻松更快地找到座位。

但实时分析需要高性能边缘计算，而 WaitTime 已针对在英特尔硬件上运行进行了优化。英特尔® oneAPI 编程模型帮助 WaitTime 更高效地进行开发，提升异构工作负载，达到最高性能。

“我们努力提高软件效率，只需单线程便可运行大多数摄像头，” Waittime 首席技术官 John Mars 说。“因此，随着处理器越来越强大，它们的运行速度也更快，且有更多内核可以处理更多摄像头而无需改变初始架构。如果我们能够让它尽可能快，那么其他一切都会自动完成。”

利用整个生态系统

美国商城的技术领先地位和业务创新只有通过商城与其解决方案提供商的合作伙伴关系才能实现。它们是成功部署的关键。

除了英特尔和 WaitTime，思科及其一系列解决方案对于美国商城解决方案的成功部署亦至关重要。“我们是一家思科商店，因为它涉及计算，” Wand 说。“包括从边缘到内核的计算：我们的无线接入点、主干网络及所有交换机。”

“美国商城形成合作伙伴关系时，目的和目标必须是一致的，” Wand 说。“我们如何提高使用技术的限制，如何找到最终目的，如何找到共同目标，以便共同完成伟大事业？”这是思科、英特尔和 WaitTime 都要回答的问题。

从 Wand 的角度看，这不仅关乎与某一家公司建立合作伙伴关系。其核心是如何一起帮助美国商城运营业务，实现当前和未来的总体目标。

 

本文由 insight.tech 的副主编 Christina Cardoza 编辑。

电动汽车技术和充电站的兴起

Posted on by Micah Kaplan

如今，电动汽车 (EV) 似乎无处不在 — 无论是在街道还是媒体中。企业、政府甚至公用事业部门都采取了奖励措施，鼓励人们改为使用电动车。同时，特别是在某些城市地区，充电站如雨后春笋般涌现。考虑到人们对化石燃料以及各种技术创新存在诸多顾虑，这不啻是个好消息。

但是，这种进行中的向电动汽车的过渡也会对能源使用和电网状态产生重大影响。为使前者具有可持续性，将面临各种技术压力；为使后者具有可靠性 — 满足未来和当前的需求，基础设施自身会面临巨大压力。领先的边缘解决方案 SECO 开发商的首席产品官 Maurizio Caporali 和能源系统提供商 Imagen Energy 的首席技术官 Ezana Mekonnen 将与我们一起，讨论电动汽车和充电站的兴起，以及实现那种进化所需的行业支持（视频 1）。

视频 1。SECO 和 Imagen Energy 讨论的主题为：要使电动汽车技术真正成为主流，将会遇到哪些阻碍。（资料来源：insight.tech）

是什么导致了电动汽车的兴起并引起了人们的关注？

Maurizio Caporali：电动汽车提供了一个解决方案，以各种方式给汽车行业带来巨变。总的来说，内燃机解决方案在逐步淘汰。确实，电动汽车不使用化石燃料，因此在特定环境下可能会减轻污染，这一点非常重要。

然后，还有许多最终用户感兴趣的因素。例如，驾驶舒适性。电动汽车的噪音非常低，而且，从振动的角度看，它也缓解了振动，做出了改变。降低了维护需求，因为这类解决方案不需要经常维护组件，而且汽车运动部件的故障更少。

另一个非常重要的考虑因素来自技术方面：电动汽车本身采用了大量技术。这是一种较为复杂的环境 — 包含计算机、许多传感器，总体而言，与标准内燃机汽车相比，采用了更多技术。从技术角度看，最后一点是电池技术的改进。

在某些方面，我们也可以将电动汽车与无人驾驶汽车相比较。例如，可以与电动汽车进行远程交互 — 最终用户可以在智能手机应用中查看汽车的所有相关信息。此外还有控制 — 例如，可以在进入汽车之前打开空调。

电动汽车会对电网造成什么影响？

Ezana Mekonnen：我认为，电动汽车会对电网造成巨大影响。它通过增加需求来造成这种影响；如果管理不当，可能会增加电网所承受的压力。但就电网而言，它面临的并不总是需求方面的问题。我们在电网中引入光伏太阳能时遇到了类似问题，而且，超额能源供应会造成同样的压力。

因此，供需平衡至关重要。这通过智能负载 — 智能电网能够更好地协调供需关系 — 来实现，然后还要增加系统存储，以便更有效地缓冲可再生能源，以及满足电动汽车的能源需求。

当前为充电解决方案提供了哪种基础设施？

Maurizio Caporali：我们先从电动汽车讲起；目前，我们正在考虑建立充电站基础设施。关键在于允许电动汽车增长，但如果不建充电站，将无法实现这种改变。

我们感兴趣的是快速充电站，以便让最终用户有机会在旅途中，仅在几分钟内就可以给汽车充电。此外，还要求能够提供充电站的位置、可用性方面的信息，以及充电站相对于汽车的特点。

为此，就需要了解一些与技术相关的重要因素 — 技术不仅涉及硬件，而且包括软件。我们分析了这方面的因素，并定义了一个能够以不同方式适应物理空间和周围环境的解决方案 — 一方面，通过传感器了解周围环境的状态，另一方面，为最终用户提供一个界面，并能够向最终用户提供信息。

从数据角度看，电动汽车充电器也可能是一个非常重要的关注点。充电站会为最终用户生成大量数据，但对市政当局来说，它们也可能是一个重要的信息点。因此，它们不仅可以给汽车充电，而且是一个数据信息系统。

另一个要点是如何管理这整个系列的充电站。从化石燃料转向电力能源后，我们需要确保能够为汽车充电。此外，在了解与全体充电站状态相关的预测性分析信息后，还要准备立即提供所有必要信息。

SECO 如何设法在高速公路上或市内安装充电站？

Maurizio Caporali：在这方面，解决方案的灵活性是一个重要因素，以便我们能够让公司有机会自定义该解决方案的最后级别。我们的特点是能够定义非常灵活、高度模块化的东西，然后提供自定义机会。

另一个重要因素，是不但能够从硬件角度，而且能够从软件角度进行这种自定义。然后，我们会向客户提供一组工具，为不同级别的用户定义适当的服务和解决方案。一部分工具负责管理基础设施维护，还有营销方面 — 是否可以远程管理信息、定价和广告系统。我们提供机会来添加大屏幕以显示信息，添加支付系统，添加许多传感器，以便根据将安装设备的位置支持不同的服务水平。

我们如何确保今天的努力成果能够不断扩展和进化？

Ezana Mekonnen：我认为那包括两个方面。首先，要从长远角度来看待我们实际部署的内容，这一点非常重要。例如，我们正在开发能够双向充电的充电器，不是因为目前需要该装置，而是因为我们希望确保该基础设施不仅可用于给汽车充电，而且能够将能源馈送到电网中。这会将电动汽车从电网的“负债”转化为电网的“资产”，到时，我们基本上就拥有了“装在车轮上的电池”，是吧？

其次，电动汽车充电站所有者会担心所谓的“搁浅资产”，即他们的充电站未得到充分利用的情况。因此，我们创建了一个架构，以便我们部署充电站，然后在利用率提升后添加充电端口。这有助于基础设施与电动汽车的普及率相适应，并且它可以继续扩展。

SECO、Imagen 与其他公司之间是什么关系？

Ezana Mekonnen：在 Imagen，我们意识到，这些充电器不只是充电器：它们是多功能装置。这就好比我们的手机不只是手机，它还是摄像头、GPS 系统等。因此，在专注于生产一款足以满足电能转换和传递需求的小型变流器的同时，我们也希望 SECO 能够提供附加功能。例如，它的 CLEA AI 功能，既能够处理图像和音频，又能够驱动大屏幕广告 — 有可能抵消充电成本，或提供相关功能。它提供的功能不仅面向电动汽车充电器用户，而且面向相关企业。基本上，我们认为，这个具备强大处理能力的基础设施可以进化为别的设备，而不只用于充电。

而且，就向我们提供的技术而言，英特尔一直在这方面拥有领先优势 — 特别是我们用于转换电能的 FPGA。它为开发电能转换设备提供了一种非常可靠而稳健的方法，尤其是在我们努力提高其效率、极度压缩其体积的情况下。任何一家公司都无法独立开发这种面向未来的基础设施，因此，我们很高兴能够与 SECO 和英特尔合作。

Maurizio Caporali：不错。我们技术的核心部分基于英特尔芯片。具体来说，我们使用的是英特尔的最新一代工业解决方案 — 搭载凌动® 系列处理器的低功耗解决方案。这些处理器极其灵活，异常强大，而且功耗非常低。

另一个关键点在于，由于能够分析来自不同类型的传感器的大量数据，就可以实时分析所有这些数据。此外，这样就不必将所有数据发送到云端，而可以直接在边缘设备上进行预分析。实现这种可能也归功于采用了 OpenVINO™ 技术。另外，在温度和持久使用寿命 — 解决方案能够运行 10 年以上 — 方面，我们的解决方案也实现了工业级效率。

而且，如前所述，可以将此解决方案定义为模块化解决方案，并且可以支持一系列接口和 IO。例如，我们与 Imagen Energy 的电子元件建立了直接连接，能够以适当的方式在两个系统之间完美地交换数据。

这种协作 — Imagen 的解决方案与能量转换的功耗相关；我们的解决方案在生成能源的基础上管理所有数据 — 让我们有机会完全基于大屏幕来向最终用户提供所有信息，进而连接电流、基础设施，以及管理所有人机接口。

您最后还有什么想法？

Ezana Mekonnen：这是一个令人激动的时刻 — 在交通工具转变为电力设备的过程中，发生了这种重大变革。这会带来许多新机遇，形成新市场并实现更可持续的未来。

Maurizio Caporali：是的，变化很快就会发生 — 能够借助更高效的新一代电动汽车充电设施，以适当方式使用电动汽车。未来，充电和出行会更加简便，更加智能。要在最终用户与环境之间的交互方式上实现全新可能，这一点至关重要。

相关内容

要了解有关电动汽车的更多信息，请阅读 AI 和计算机视觉推动电动汽车充电站蓬勃发展并收听支持电动汽车技术：借助 SECO 和 Imagen Energy。有关 SECO 的最新创新，请在 Twitter @SECO spa 和 LinkedIn 上关注他们，并在 LinkedIn 上关注 Imagen Energy。

 

本文由 文案编辑 Erin Noble 编辑。