非接触式技术改进自助服务体验

Posted on by Micah Kaplan

从在杂货店结帐到在餐厅点餐或在机场找路，人们需要快速便捷的自助服务选项。

近年来，iNUI Studio 创始人兼首席执行官 Olivier Raulot 注意到，许多行业的创新主管一直在寻找便捷高效的自助服务选项。“对非接触式技术解决方案的需求不但真实存在，而且在不断增长，”Raulot 分享说。“根据这一需求成功开展业务 — 不仅为了确保健康和安全，而且为了提供愉悦的体验 — 将确立它们以为人本、远见卓识的品牌。”

计算机视觉和非接触式技术的进步正产生重大影响，为用户提供他们期待的安全而简化的体验。企业将获得各种新机会，以增加销售，降低成本并简化运营。

交互式非接触屏幕解决方案具有无限的潜在用例，全球许多组织都开始进军这一领域。

从北美到欧洲的智能自助服务选项

挪威卑尔根机场和游客信息中心就是一个范例，总部位于卢森堡的深度技术公司 iNUI Studio 在这里的所有航空站和游客中心部署了其 AIRxTOUCH 自助服务终端。该交互式非接触屏幕解决方案将在本地和国际游客计划行程时与他们进行接洽。

Visit Bergen 首席执行官 Anders Nyland 认为，用户友好的数字技术代表着热情好客，这通过提供新的令人愉快的游客体验来实现。Nyland 看到机会，通过将 iNUI 的交互式显示屏摆放在人流量大的旅游景点，为游客获取有用的促销信息提供更大便利。

如今，卑尔根的游客可以安全轻松地使用这些非接触式自助服务终端，放心在该区域导航，预订峡湾之旅或找到附近的最佳餐厅。现在乃至未来，卑尔根观光局可以更高效地推广业务和旅行目的地（视频 1）。

视频 1。游客可以通过位于挪威卑尔根机场和游客信息中心的非接触式数字屏访问有用的信息。（资料来源：iNUI Studio）

非接触式技术提供无限选项

iNUI Studio 的非接触式自助服务终端解决方案极具灵活性和可扩展性，在其他应用场景（包括餐饮服务和企业办公室）也带来了出色的体验。

例如，以叉烧烤鸡和传奇式烧烤酱闻名的加拿大连锁餐厅 St-Hubert 就是首家采用 AIRxTOUCH 解决方案的北美快餐厅 (QSR)。该公司的目标是通过交互式数字屏幕为客户提供自助服务体验。结果，他们提供了极其卫生且富于吸引力的体验。在该餐厅，就餐者无需身体接触即可通过直观的手势预订他们最喜欢的菜品。通过提高客户满意度，吸引回头客并追加销售菜品，St-Hubert 赢得了客户的青睐。

由于新冠疫情，人们做出的另一项转变，是采用混合办公和远程办公模式。在那种情况下，保持员工的社会凝聚力可能是一种极大的挑战。为此，快速扩张的律师事务所 Arendt 决定在其位于卢森堡的公司办事处实施 29 台 AIRxTOUCH 自助服务终端。

利用该解决方案，Arendt 可向 1,000 多名员工无缝传达重要信息，如公司新闻和活动、实时交通状况、自助餐厅菜单、调查回复等。员工可通过非接触式屏幕体验交流包含丰富信息的社交内容。

该公司发现，他们的员工对于使用新型通信工具充满热情。使用情况统计数据令人乐观，这种新格式便于他们就一系列主题进行更具创造性的交流。

轻松采用非接触交互式屏幕

由于通过手势与数字屏幕进行交互并不总是直观易行，Raulot 认为，采用上述做法需要应用轻松易懂的非侵扰性技术。Raulot 说：“借助我们的手势识别技术，我们有意保留了用户在与触摸屏设备交互时采取的手势行为。要快速普及非接触式技术，关键在于开发与特定使用场景相适应的精心设计的软件，并考虑用户的心理状况 — 尤其应避免认知偏差。”

iNUI 专有的计算机视觉引擎将为此提供支持，该引擎可实时处理图像，而不会占用大量 CPU/GPU。在与自助服务终端交互时，它还实现了不到 3 毫米、令人印象深刻的触点精度，这防止了点击错误，并提供了直观的用户体验。

Raulot 表示，与英特尔和三星的合作关系既为 iNUI Studio 及其解决方案提供了关键技术，也带来了营销机会。“英特尔通过其紧凑型英特尔® NUC 迷你电脑实现了计算性能和可靠性，并提供了我们所需的技术支持，” Raulot 指出。“我们的数字显示屏提供商三星不仅提升了我们解决方案的体验，而且还通过在展厅进行演示提高了我们产品的国际知名度。”

交互式非接触数字屏幕技术是自助服务的下一波潮流，在带来安全愉悦的用户体验的同时，也为企业发展壮大创造了新途径。

工厂车间工业运营转型

Posted on by Micah Kaplan

有许多富有吸引力的新技术 — 从边缘计算到数字孪生 — 可以在工厂车间实施，它们有助于更快、更安全、更可持续地完成工业流程。但是，实现这些优势的同时也伴随着挑战，如消除 IT/OT 鸿沟以及搭配使用高级技术与传统基础设施。

工业制造解决方案提供商西门子公司工厂自动化首席执行官 Rainer Brehm 将讨论这些工业趋势和转型。他将介绍标准化、自主 AI 和各种用例，包含西门子自身的情况。自 1999 年以来，他一直在西门子公司工作，亲眼见证了该领域的演变及其未来可能的发展方向。

在 2023 年及以后，预计工业领域会出现哪些趋势呢？

我们看到的趋势正将数字世界（即模拟模块、数字孪生）与现实世界结合起来。基本上，您可以提前模拟一切，然后予以实施。现在您建立了一个反馈回路。您将从运营中获取实时数据，并将其反馈回数字孪生，然后即可进行进一步优化。利用数据至关重要，因为在车间，AI 还不十分受重视，但随着有越来越多的数据可用，它就会迅速普及。

我们还将了解软件定义控制或软件定义自动化。当前，一切都与硬件捆绑在一起，但它们会逐渐脱钩，提高虚拟化程度。

最后但同样重要的是，特别是在车间，这些更为复杂的技术的用户仍然是操作机器的人员。这些人员并非 IT 专家，但他们仍然需要能够操作和维护那些生产线、那些机器、那些基础设施工厂。因此，我们的主题是以人为中心的自动化：我们如何尽可能轻松地实现这种自动化？

要实现这些工业 4.0 目标，会遇到哪些挑战？

我想将会有许多技术。但它们无法进行扩展的原因，是由于 OT 与 IT 人员缺乏了解沟通。我在我们组织内部就遇到了这种情况，在这里，我更多是一名 OT 人员。在谈到连接时，我想到的是与现实世界、设备、传感器、驱动器等建立连接。而 IT 人员在提到连接时，他们想到的是与数据库、云、数据湖建立连接。我们在自己的公司遇到的情况，我们的客户也同样遇到过。IT 部门与 OT 人员之间仍存在差距，后者定义如何实现自动化，如何设置设备、生产线，如何进行全面维护并加以优化。

那么，您如何弥合这种差距呢？这可能涉及条款，但也有可能，例如，与如何对 OT 布局进行编程有关。我们引入了一个名为 SIMATIC AX（自动化 Xpansion）扩展的新型编程环境。它称为“扩展”，是因为它提高了 IT 人员了解 OT 领域的便利性。

这种布局也具有极高的多样性。许多机器的规格各不相同，因为它们来自不同供应商。由于没有可遵循的标准，因此无法真正进行扩展。您需要那方面的标准。这甚至也适用于新机器、绿地产品，但更适用于棕地产品。通常，工厂至少会运营 10 年，多数运营 20 或 30 年。如果是能源或化学领域，它可能会运营 40 年。

边缘和 AI 的出现如何增加工厂自动化的复杂程度？

在车间讨论边缘计算时，需要满足更多要求。如果要实现实时化，可能是微秒级的抖动。想象一个非常快速的流程，那在一微秒内，就可以执行许多操作。如果响应不够快，您可能会对机器提出质疑，或者可能会得到不同的结果。因此，实时这个主题非常重要。

其次，如果您希望在车间部署 AI 工作负载，并且希望它非常快速地做出响应，那么，由于速度非常快，该 AI 工作负载必须在靠近机器的位置进行推理。另一方面，您希望 AI 经常与真实流程进行交互。基本上，您会干预该流程，因此，您需要那种“靠近”的资源分配，靠近机器或生产线。您还需要从流程中获取数据，并将其馈送给 AI。

下面举例进行说明。在我们位于汉堡的工厂，我们每天生成约 10 TB 的数据。您不希望将那 10 TB 数据传送到云端；您希望将其存放在来源位置。那种做法可能与传统的 IT 布局有所不同。但是，我们不仅需要添加实时功能，还需要提高安全性。

这有点像自动驾驶，其中确保安全也是一个非常重要的方面。想象一下，在汽车制造业设计自动驾驶时，如果有儿童跑到街上，您不希望由云来定义您是否停车。您希望直接在车内尽可能快速地做出响应。这对机器来说也同样如此。如果要向下进行按压，但有人将手指放在机器上，就应该立即停止。因此，您需要具有那种快速响应能力。

但为什么不提前规划呢？1999 年，我开始在西门子工作时，当时自动执行的基本上都是重复度非常高的任务。那是进行大规模生产时的理想选择，因为大规模生产包含许多重复性任务。或者，您会自动执行某些可预测的操作。基本上，您只能自动完成那些已知的工作。

但是，现在可以利用 AI 来优化流程，我们还是不能在自动化程度更高的工厂应用 AI 吗？我们该如何使用 AI，以便机器、机器人可以自行决定要做些什么？那意味着 AI 不仅可以优化流程，优化并增强工程设计，而且可以真正操作机器人、机器和生产线。那种 AI 应用确实非常令人激动，因为它开辟了自动化的新领域。

哪些西门子用例演示了这些解决方案的实际应用？

下面从我们自己的工厂开始讲起；我们对客户应用的解决方案，我们也在这里自己应用了该解决方案。IT/OT 利用 AI 的用例，这里再次以我们汉堡的工厂为例。PCB 生产线的吞吐量非常高，在电路板上装配组件的流程也较为复杂。过去，我们通常在最后对 PCB 进行 X 光检查，并且那方面始终存在瓶颈。因此，通过利用 AI，现在我们能够预测每个 PCB 是否拥有高品质，每台机器出现质量问题的几率极低，我们不再将 PCB 送到 X 光机；它绕开了 X 光机，直接进入最后装配阶段。

另一个示例是在基础设施中实现隧道自动化。如果在阿尔卑斯山或洛基山脉驾车穿过隧道，那么，这些隧道很可能是由我们的 PLC 自动操作并控制。如今，我们正越来越多地应用 AI 来检测那些隧道中出现的紧急情况 — 是否出现交通堵塞，是否出现火灾。如果需要快速响应，您如何撤离隧道呢？您如何打开或关闭通风孔或路灯？

再次回到工厂 — 在开箱时，我们会实时进行灵活抓取。AI 会告诉机器人要抓取的内容，而不必就需要选取的项目对机器人进行训练或编程。我们会训练机器人的以下技能：选取。基本上，机器人可以选取任何所需的项目 — 只要抓爪可以抓住。因此，利用那种抓取技能，我们可以开始自动执行某些未知或无法预测的操作。

我的最后一个用例当前尚未成为现实，但它是我的投资方向：未来您是否可以自动进行维修？例如，维修汽车电池。也许，今后您可以将车开到车间；电池被取出，其中存在缺陷，系统会自动检测问题所在，并可以自动维修电池组。那也是自动执行未知操作的情况，因为每块电池都是一个独特个体。您可以自动利用 AI 吗？我非常感兴趣的一些用例未来会发挥重要的作用。

请向大家介绍一下贵方建立的伙伴关系的价值，例如与英特尔的合作关系。

我们与英特尔的合作关系可能已经超过 40 年。但就我所知，我们于 2012 年开始实施技术加速器计划 (TAP)，以启用低延迟功能 — 特别针对那些我们需要在数微秒内处理的工作负载。因此，那次合作的成果非常显著，并帮助我们在自己的控制器中使用了英特尔芯片。

当前，我们正与英特尔共同处理供应链危机。因此，也要感谢英特尔 — 我想，虽然我们无法满足客户的所有需求，但我们会尽量满足他们的需求。

机器视觉应用程序是一种会占用大量计算能力的工作负载。为此，我们利用第四代英特尔® 至强® 可扩展处理器，推出了一个新的产品组合。我们期待在 2023 年中期在市场中发布该系列产品。因此，我们非常高兴能够推出那个新产品组合，它正好能够满足车间当前的需求。

您最后还有什么想法？

首先，我坚信，如果不实现自动化、电气化和数字化，就不会有可持续的未来。因此，我们与英特尔的合作，实际上会对我们的未来做出重大贡献。其次，我认为，随着我们能够自动处理无法预测、个体化的工作负载，自动化领域将会进一步扩展。第三，我们需要使用户能够尽可能轻松地掌握该技术，以便 OT 人员能够处理这项复杂的技术。

相关内容

欲了解有关工厂自动化的更多信息，请观看与西门子一起实现工厂自动化。有关西门子的最新创新，请在 Twitter @Siemens 和 LinkedIn 上对其进行关注。

 

本文由文案编辑 Erin Noble 编辑。

远程医疗解决方案：缩小医疗保健的数字鸿沟

Posted on by Micah Kaplan

在世界许多地方，解决数字鸿沟不仅仅是促进及时获取信息——这确实是生死攸关的问题。

在偏远地区和农村地区，缺乏强大的数字通信基础设施极大地影响了获取医疗保健服务，以及提供有效远程医疗解决方案的能力。例如，巴西等国家/地区的医疗机构面临的挑战包括：管理大量医学检查，有效地将此信息传输给医护服务人员进行评估，然后尽快将检查结果提供给患者，以便他们寻求后续所需的治疗。Diagnext 是巴西首批专门从事远程医疗的机构之一，其创始人兼执行董事 Leonardo Melo 表示，在某些情况下，这一过程的延误是悲剧性的，甚至会导致患者死亡。

这就是 Melo 开始致力于改变这一现状的原因。在几乎不可能使用先进技术支持复杂医疗活动的地方，Diagnext 正在实现突破技术或地域界限的医疗服务。

将远程医疗解决方案引入巴西

在新冠肺炎疫情爆发之前，巴西缺乏任何正式的远程医疗监管。Melo 解释说，这是因为巴西的远程医疗体验通常不够人性化，并且效率低下。

他表示，“事实证明，至少在巴西和拉丁美洲，传统的远程医疗未能惠及广大患者——剥夺了医生和患者之间必要的同理心，我们试图保持传统服务的形式和人性化，引入一些技术使其更贴近患者，并且更高效。”

Diagnext 的解决方案使医疗保健机构能够在护理点提供任何体检服务。该过程从一开始就模仿传统的医疗服务：患者被带到检查室，医护人员在那里为他们进行 X 光、超声波或心电图等检查。检查数据会在那里得到处理，并发送到 Diagnext 的设备，该设备使用人工智能、低成本 3D 调制解调器和卫星技术来压缩和有效地传输信息。Melo 说，可将数据压缩到极致——在最大值保持接近 50% 的环境中，无损压缩率至高可达 97%。然后以最有效和最优化的方式将其安全地转发给远程医疗工作人员。

Diagnext 依靠其远程操作中心中采用英特尔® 技术的服务器来重新分发和汇集来自医学检查的数据，以供医疗工作人员进行分析。在基于人工智能的算法的帮助下，Diagnext 自动决定路由信息的最佳路径，因此它可以尽快地到达预定目的地——即使是在通信基础设施有限的地方。巴西和拉丁美洲的农村和偏远地区缺乏技术或高速互联网，该公司的解决方案在这些地方显得尤为重要。

Melo 表示，“整个环境会根据进行医学检查的紧迫性，自动评估通信结构的状况，这个过程甚至可以被认为是传统的远程医疗，但不同之处主要在于执行时间”，其比市场标准最高可快 240 倍。与传统的医疗管理流程相比，采用这种方法对于医疗机构来说执行成本也降低了 60%。Melo 说，这使用户能够处理更多的咨询——相当于每月开展数千次医学检查。 

推进医疗公平

Melo 已经看到 Diagnext 的远程医疗解决方案产生了意义重大的影响。

他解释说，Diagnext 与亚马逊雨林地区的政府医院和诊所合作，提供无国界的医疗服务，并将检查结果的传输时间从 6 个小时缩短到仅 2 个小时。得益于此，临床医生在一年内为 52,000 名女性提供了乳房 X 光检查，并进行了 48,000 次 X 光检查，促成了 4,500 多次重新评估和近 150 次癌症手术，挽救了许多生命。

该公司的解决方案在新冠肺炎疫情期间也大显身手。圣保罗的一家大型医院系统在不堪重负并且缺乏满足需求的电信基础设施时，与 Diagnext 开展合作，并使用采用英特尔® 技术的手机，安全地传输医学检查数据。Diagnext 与巴西红十字会合作，在其系统遇到故障后，高效地处理数据。

Melo 说，一些大医院也遇到过类似的情况，因为他们的系统在新冠肺炎疫情期间缺乏处理医疗数据激增的能力。在这些情况下，Diagnext 能够介入并提供人工智能驱动的智能数据压缩功能，以重组和部署数据，并为任务关键型系统释放容量。

Melo 表示，Diagnext 的使命是让每个人，无论他们的环境如何或身处何处，都能获得优质的医疗服务。该公司已经在重塑远程医疗的未来方面取得重大进展。在亚马逊州，Diagnext 计划建立第一个集成的临床医学检查数据环境，并使用 AI 分析更多的患者检查结果。在他们的首次合作中，亚马逊的政府医院每年能够处理 10 万次医学检查，而现在的目标是超过该数字。Melo 说，他希望 Diagnext 打造一个持久运作的项目，将医疗保健的覆盖范围扩大到最需要的群体。

他表示，“我们的目标是将我们的技术、流程、项目管理和方法等带到世界其他各个角落，我们正在研究人口众多和有着迫切公共卫生需求的国家/地区。我们的想法是以效率、有效性、质量和负担得起的成本，为那些有需要的人们无论其身在何处都带去健康。”

 

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

餐厅 AI：QSR 缺失的元素

Posted on by Micah Kaplan

如今，快餐厅 (QSR) 运营面临巨大压力。苦恼的工作人员要设法缩短客户的等餐时间，保证汉堡热气腾腾，薯条鲜脆，同时祈求设备不会出现故障。餐厅总是人手短缺，除了接待来店就餐和驾车购买食物的客户以外，他们还必须管理一大堆的新在线订单。

那么，为什么这些餐厅不雇用更多员工呢？最主要的是，QSR 所有者面临着食物、日用品和人工成本上涨问题，这导致他们无法另外招聘员工。

“餐厅无力聘请一名轮班经理和另外六名员工来处理涌入的订单。他们必须想到新办法来提高现有工作人员的效率。”为零售商开发 AI 和自动化解决方案的公司 Vistry 创始人兼首席执行官 Atif Kureishy 指出。

那是 Vistry 开发餐厅自动化 AI 解决方案 Discrn 平台的主要原因之一。通过借助 AI 和计算机视觉技术来分析运营情况，餐厅能够获得实时洞察，这助于他们降低成本，提高效率、服务水平和食物质量，而无需投入大量资金。

餐厅厨房内的 AI

QSR 必须保持微妙的平衡，既要提前准备足够的食物以满足客户需求，又不能使其变冷或受潮。但是，工作人员总是太过忙碌，没有时间监控预先准备的汉堡或薯条。他们需要协调订单量与准备时间，在订单不断出现时很难做到这一点。

这时 Vistry 的 Discrn 平台就可以派上用场。它使用计算机视觉摄像头记录食物离开烤箱或炸锅的具体时间，通过语音机器人向工作人员发送警报，以防止他们长时间闲坐。那会提高食物的新鲜度，通过减少浪费来帮助餐厅节省资金。

此外，该系统还可以检测烹饪速度跟不上订单需求的情况。

Kureishy 指出：“这时，语音机器人会说：‘你好，值班经理，请去油炸站另外准备两批食物。’”

在餐厅大规模使用 AI

拥有多家餐厅的 QSR 所有者还可以通过分析所有门店的运营情况和模式来获取重要洞察。

例如，当一家全国性炸鸡餐厅更换土豆供应商时，就可以使用 Discrn 来分析其 2,000 家门店的数据，并确保质量不受影响。

Kureishy 解释说：“如果他们发现投诉增多，他们可以确定是产品还是食物准备存在问题。”

另外，在 Vistry 的帮助下，该餐厅还在对为手机订餐客户提供的免下车快速通道进行测试。通过处理传入的数据，Discrn 平台能够在四分钟内预测等餐时间，准确率高达 90%。客户会高兴地接收这类信息，经理可以利用它来发现和解决延误问题。

Kureishy 说：“通过的汽车越多，利润就越高。”

该信息因餐厅和运营情况而异。炸鸡连锁店使用相关指标来强制执行其规定，如炸薯条的存放时间不得超过 5 分钟。其他门店会将 AI 传感器连接到设备上，根据油品质量和产出等细目和测量因素向员工发出警告。Discrn 使用英特尔® 发行版 OpenVINO™ 工具套件对解决方案进行量身定制，以满足连锁店和门店的要求。

Kureishy 说：“我们使用的是采用英特尔技术的设备，它们能够极其经济高效地运行 AI 工作负载。我们知道，餐厅并不打算进行数亿美元的技术投资。”

处理日益复杂的情况

但是，不只是餐厅人员短缺会增加运营复杂性。QSR 还必须接受新的移动和网上订餐方式并提供送餐服务。

Kureishy 说：“过去，是由一个 18 岁的孩子制作食物，然后将它交给柜台前的人。现在不是那样了。”

随着网上订单的增加，各种超个性化要求随之出现，这给简化运营造成了负面影响。

Kureishy 表示：“客户在网上给出各种选择，例如，‘我希望在三明治中夹两根泡菜，加番茄酱，不要芥末。’那增加了餐厅送餐员工的负担。”

由于 DoorDash 和 Uber Eats 等第三方送餐服务提供商对餐厅及其产品并不熟悉，餐厅所有者必须处理人为错误和遗漏情况。

Kureishy 说：“这些订单有很大比例存在菜品缺失或菜品不正确的情况，但即使出现错误，餐厅了解的情况下非常有限。这是餐饮行业目前面临的重大问题。”

幸运的是，边缘分析可帮助餐厅所有者应对这些挑战。计算机视觉摄像头可以分析并跟踪订单，核实工作人员是否根据客户的订餐规格准备食物，以及打包人员是否将正确的菜品放入相应的包装袋中。分析还可以帮助餐厅处理日益复杂的订单优先排序问题。

Kureishy 说：“选择一家送餐服务时，可能您的利润会更高。选择另一家服务时，您的利润更低，但客户的忠诚度更高。您如何搞清楚所有那些情况呢？这时，边缘分析可帮助您做出正确的商业决策。”

面向其他零售商的 QSR 解决方案

Kureishy 认为，鉴于运营复杂程度不断提高，餐厅人员短缺的情况可能会持续，边缘 AI 会继续在快餐厅受到欢迎。

他说：“我想，我们正站在以经济高效的方式大规模普及这种技术的最前沿。”

Discrn 平台可轻松做出调整，帮助其他类型的零售商开展高效运营。例如，五金店可以在客户抵达的同时将网上订购的割草机送到停车场。便利店可以评估数字标牌促销活动是否有效。汽车店可以了解员工是进行了翻新还是换油，这些任务的用时，使用了多少材料，以及工作人员是否遵循了安全条例。

Kureishy 说：“最终，这些系统将与人类无缝协作，以提高产能。它们将帮助企业提高效率和效益，以便业主用相同或更少的资源完成更多工作。”

 

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

迎接 5G 和边缘计算挑战的硬件关键

Posted on by Micah Kaplan

5G 正在迅速扩展工业物联网 (IIoT) 领域中边缘计算和高级网络的各种可能性，制造商可通过 5G 更好地利用数据、自动化和人工智能，真正实现运营转型。

但是，制造商在享受高带宽、低延迟连接优势的同时，5G 技术的超快速度引起了他们的关注，网络专家可依靠这一速度搭建出更为复杂高效的工业网络。

工业领域边缘计算和网络硬件制造商 IBASE 的高级产品总监 Jesse Chiang 说道：“在 5G 研发中，其创新在于整个网络结构的虚拟化。网络功能虚拟化 (NFV) 支持软件定义广域网 (SD-WAN) 等技术，简化了数据流管理，并有助于降低数据传输成本。”

考虑到这一点，我们就明白了为何工业系统集成商 (SI) 和网络提供商纷纷开始探索 5G 带来的各种可能性。遗憾的是，早期他们了解到，工业物联网综合体中的 5G 网络硬件元素可能会成为一大主要障碍。

Chiang 说：“工业物联网的硬件确实需要顾及到诸多方面：通用性、高性能、高可用性、安全性、易于安装，同时要足够坚固，能够应对恶劣的环境条件。对于大多数 SI 和软件专家来说，独自设计如此复杂的 5G 网络硬件非常不划算，更为可惜的是，在漫长的开发过程中会失去很多商机。”

庆幸的是，为克服这一困难，工业 5G 硬件制造商开始利用各自的专业知识并构建出产品，促使 SI 和软件专家都能利用技术标准的潜能。

面向工业边缘构建

硬件制造商可以通过两种主要方式帮助解决工业 5G 和边缘计算领域的独特挑战：设备设计和组件选择。

例如，IBASE 为满足 IIoT 环境的需求制定了多个设计选项（视频 1）：

  • 借助模块化，SI 和最终客户能够根据自己的具体规格配置硬件平台，并根据需要进行横向和纵向扩展。
  • 冗余电源和散热风扇，以便在不中断工厂运营的情况下维修或更换硬件组件，确保高可用性。
  • 通过模拟测试的散热设计，保证设备能够在恶劣的操作条件下运行。
  • 紧凑的外形尺寸，可在需要时帮助设备适应狭窄或有限的空间。

视频 1. IBASE 在兼顾模块化、性能、连接性和散热的情况下，为工厂构建出 5G 智能解决方案。（来源：IBASE）

Chiang 解释说，在组件方面，制造商必须能够最大程度提高性能，同时消除未知。“要为 IIoT 开发边缘或网络解决方案，您需要一个用于构建解决方案的可靠平台。这意味着 5G 硬件采用高性能组件构建，组件的各功能已得到充分理解并经过明确定义，因此它们在该领域中的表现不会让您失望，”他解释道。

IBASE 利用与英特尔的技术合作伙伴关系实现这一目标：

例如，其设备包括：

  • 英特尔® 处理器，用于开展控制、计算、管理和包处理，同时优化网络性能。
  • 英特尔® 通信加速技术（英特尔® QAT），用于加速数据加密以及压缩/解压缩处理任务。
  • 英特尔 Hyperscan，一个正则表达式匹配库，IBASE 使用该库来加速其工业安全性产品中的深度包检测 (DPI)。

“除了强大的计算能力，英特尔还为其处理器配备了出色的网络能力。英特尔在 5G 开发方面同样投入了大量精力，这将帮助我们在未来几年中及时跟上最先进的技术，”他说道。

5G 和边缘计算产品越来越多

面向 5G IIoT 解决方案构建的硬件出现后，IBASE 已准备好应对工业计算领域未来的各种可能性。

例如，其产品路线图包括一系列兼容 5G 的多接入边缘计算 (MEC) 服务器，旨在为工业边缘的人工智能解决方案提供稳定的高性能平台。为了满足安全 5G 网络日益增长的需求，特别是在网络节点分散且本地 IT 资源有限的情况下，该公司还开发出一系列通用客户端设备 (uCPE)，以支持 SD-WAN 和网络安全应用。

Chiang 表示，未来几年，借助面向 5G 和边缘计算设计的硬件，工业 SI、边缘 AI 专家和安全网络提供商将为其客户带来许多重要优势。

Chiang 说：“SD-WAN 将提高网络管理的效率，降低人力和设备成本。随着 5G 部署的日益增多，边缘计算将成为工厂的日常实际操作，并将引发制造业的下一波数字化转型。”

 

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

智慧城市扩大其版图

Posted on by Micah Kaplan

埃及开罗以东 28 英里处，一座新型行政首都正在崛起。它是利用物联网技术转变日常运营的样板 — 管理一切事务，从公共交通到水表再到停车。管理员将能够实时响应不断变化的状况，在停电事故被上报之前指派工作人员解决故障，重新调整拥堵的高速公路上的车流，并在发送最高效的可行路线的同时派遣应急响应人员。超过 600 万名新居民将能够使用移动应用来满足各种需求，如开启供水服务、预订停车位或向相关部门报告路面坑洼 — 享受几乎没有后顾之忧的城市生活。

在政府领导人全面采用物联网和互联网基础设施方面 — 改变了复杂系统自动化控制和响应问题的做法，埃及是其中的范例。

物联网和智慧城市

各种规模的城市都在寻求智慧城市技术和解决方案，以便更高效地部署服务并获得切实可行的洞察。例如，利用公共汽车和列车上的传感器，公职人员可以跟踪其位置并评估负载和燃料消耗。智能路灯会检测行人数量，并根据天气和时间全部或部分点亮。高级摄像头系统可以监测事故，向第一响应人发送警报，帮助调查人员捕获数据并生成报告。

智能基础设施的实施情况因地区而存在巨大差异。在中东和亚洲的高增长区域，中央政府通常会整合大量智能设备捕获的信息。埃及尚未命名的首都会将来自 32,000 个摄像头、25 万台智能仪表和 10,000 个停车位的数据发送到 Honeywell City Suite 平台，管理人员可以在该平台上以任意组合查看指标，设置控件并接收实时警报。

加强安全保障

一般来说，美国和欧洲的城市更可能会零星采用智能技术，并且系统之间通常不相互通信。

Honeywell 智慧城市和社区总经理 Matthew Britt 表示：“城市当局可能无法获取所需数据，因为它们的交通摄像头系统并不与公共安全系统进行通信，反之也是如此。”

通过将数据源转移到单一平台上，公职人员可以针对紧急情况和大型活动做出更快、更协调的响应。例如，这意味着可以显著缩短应急响应时间。

协调基础设施不仅仅适用于紧急情况。此外，它还可帮助城市当局保障市民安全，并对音乐会、游行或体育赛事等大型公众集会进行运营管理。

Britt 说：“如果您举办大型体育赛事，而摄像头网络显示人群聚集并堵住了街道，则您可以重新安排车辆的交通路线，以便所有人以更快的速度安全到达体育馆。”

使用 Honeywell City Suite 时，所有数据都存放在城市服务器上，通过采用英特尔技术的高性能硬件进行处理。公职人员可以在该平台上利用机器学习和人工智能算法分析信息，对未来需求做出预测，并在情况恶化之前储备资源。

Britt 指出：“城市当局正努力做出长期规划决策，数据需求从未像现在这样迫切。”

利用数据洞察，管理员可以在交通模式变化时更改信号灯定时以减少拥堵，或进行预测性维护以避免成本高昂、费时的运输中断。此外，他们还可以基于更高需求来提高收费，从停车场获取额外的营收。

未来前景：可持续的智慧城市

随着智能基础设施日益普及，一些城市开始通过移动应用来提供新服务。市民可以报告各种问题，如路面坑洼、电源线中断或故意破坏，而不会由于城市官僚主义而被“踢皮球”。通勤人员可以通过非接触式付款购买转乘车票，并实时接收抵达时间更新。居民可获取有关自然灾害和其他安全问题的警报。

智能运营和分析还可帮助城市当局逐步实现环境改善目标。例如，驾驶员可以接收采用最有效路线的停车位方向指示，这不仅节省了时间，而且能够减少能源消耗。

Britt 说：“如果您从出发的那一刻起就知道停车的具体位置，您就可以缩短驾驶时间，节省燃料并减少温室气体排放。许多城市都制定了雄心勃勃的目标，但却没有想方设法去实现这些目标。通过汇总和分析数据，他们就可以找到办法来提高效率和可持续性。”

随着 5G 连接的扩散，Britt 预计许多城市将扩大对智能基础设施的使用：“利用 5G，您可以连接广泛分布的资产上的数百万个传感器，而不必担心其他类型的连接造成开支和可能的延迟。”

随着《美国基础设施投资和就业法案》及《通货膨胀削减法案》开始筹集资金，将推出进一步的经济激励。Britt 说：“目前有更多旨在升级基础设施的资金，我们此生可能无法再次看到这样的资金规模。”

这种福利会鼓励各方开发创新型技术来帮助城市创造更安全、更可持续的未来。

例如，Honeywell 正致力于开发市政微电网，那将帮助城市在持续停电期间（例如，2021 年德克萨斯州遭遇冬季风暴 Uri 期间发生的情况）继续提供关键服务。利用微电网，城市可以将能源存储在电池中，而不必依赖在急需时可能无法送达的燃料。电池可以储存包括太阳能在内的任何来源的能量。

Britt 说：“如果您可以在现场产生太阳能，理论上，就有无限的能源可供您支配。”

他期待在不久的将来会有许多这样的创意涌现出来：“我认为，大家会看到，智慧城市的概念会更快发挥影响。政府将实施对人们的生活产生更广泛影响的技术。”

 

本文由 insight.tech 的编辑副主管 Georganne Benesch 编辑。

医疗成像 AI 推进了肌营养不良症的诊断

Posted on by Micah Kaplan

肌营养不良症是一种遗传性疾病，它具有多个变种，从幼儿期到中年期都有可能发病，因此诊断起来异常困难。首先，必须绘制非常详尽的患者基因图谱。然后对图谱进行检查，并与存储在研究中心和医院的大量基因组数据进行比对。分析过程十分艰难，需要医生付出大量的手动工作。整个过程非常耗时，可能需要 24 周才能出结果。

新方法运用高性能计算和 AI 推理来完成大部分繁琐的工作，需要医生手动操作的乏味工作大幅减少。该方法为医生指出了正确的方向，可以将诊断时间缩短至 16 周甚至更短，具体取决于患者的情况。这对于患者及家属来说也是一个利好消息，他们可以更快开始治疗，对研究人员来说同样如此，这深化了他们对这种疾病的认识。

通过协作实现物联网医疗解决方案

这种新的诊断方法是两家台湾公司密切合作的产物。Avalue Technology Inc., 是一家物联网计算设备供应商，在医院和实验室领域拥有丰富经验。Biomdcare Corporation 专注于医学软件、成像和筛查工具。两家公司合作研发了一种肌营养不良筛查试剂盒，该试剂盒可快速分析大量基因组数据，且筛查结果准确率达到了 97%。

为搭建基因组学分析平台 — 肌营养不良筛查试剂盒，两家公司必须要克服令人头疼的各种挑战，正是这些挑战让医疗数据的处理变得如此耗时、困难。Avalue 高级产品经理 Rus Lu 表示：“我们合作开发了采用最新技术的硬件和软件。”

Avalue 的任务是找到一种方法来有效传输和处理大量待分析的数据集。

“我们知道该解决方案需要性能极高的 CPU，所以我们采用了最新的英特尔® 处理器，” Lu 说道。该公司还在其服务器上装配了一个额外的显卡插槽，以容纳密集的医学影像，同时采用 10 千兆位英特尔以太网芯片组，避免出现拖慢数据传输的常见瓶颈。

Biomedcare 软件必须要识别出患者的疾病变种，并对能够用于比对的大量基因组数据之间的任何相关性进行分类。大多数医学实验室没有能力处理如此庞大的数据集，通常只有研究中心和大学才具备此能力。

Biomdcare 运用英特尔® OpenVINO™ 工具套件开发出一款 AI 辅助型软件程序，该程序可以梳理所有数据，过滤掉不相关的结果，并找出未来有用的相关性。然后，该公司先全面分析这些相关性，然后将其递交给医生。

借助 AI 分析医学影像

讽刺的是，尽管必须要对大量数据进行分类，但 Biodcare 遇到的一大问题是需要处理少量相关数据。

这么做的理由有以下几点。首先，AI 算法对数据的原则是多多益善，因为它们处理的数据越多，结果就越准确。与 AI 系统最初设计用于分析的产品和机器不同，每个人都是独一无二的，人类基因数据的排列方式呈指数级增长。

“在工厂中，每天都会生成有关生产线上缺陷产品和问题的大量数据和照片。但在医疗保健领域，我们没有与总体患者人数相对应的大量数据。数据量水平较低始终是医疗保健领域 AI 解决方案面临的一个问题，” Biomdcare 营销总监 Richard Lin 解释道。

涉及基因突变的疾病尤其复杂，对这类疾病的分析从来就不是一项简单的任务。据美国国立卫生研究院 (National Institutes of Health) 报告，肌营养不良症的问题十分复杂，属罕见疾病，粗略估计，全球每 10 万人中只有不到 4 人罹患这种疾病。此外，该疾病的不同变种之间差异巨大，因此医疗组织通常将这类情况称为一组疾病。

鉴于这些问题，要找到足够的特定相关性来自信地作出诊断往往十分困难。但 Biodcare 开发了一套专属流程来进行诊断。“我们使用一个较小的数据库来生成更精确的 AI 模型。这是我们解决方案的关键价值所在，” Lin 说。

对数据进行分析后，将为医生出具一份报告，且此报告将与所有基因组数据和患者病历一起存储在 Avalue 服务器上。医疗专业人员可以通过一个软件平台访问报告，该平台包含简单注释和工作流工具，医疗专业人员可利用这些工具作出最终诊断。

智能医疗解决方案可为患者和研究人员提供帮助

肌营养不良筛查试剂盒除了能减轻医生的工作，还能让患者更快地了解他们是否患有此疾病。“在台湾，大约每 40 名患者中就有 1 名可能携带隐性基因，但没有表现出症状，” Biodcare 产品经理 Olivia Wang 说道。

家庭成员中患有此种疾病的人，或准备组建家庭的夫妻可以使用该筛查试剂盒来了解他们是否患有该疾病，或者是否携带此类基因。虽然目前还无法治愈，但已经制定出一系列增加肌肉力量的治疗方案，且在某些情况下，还可以减缓疾病的发展。更快作出诊断，就能让患者及家属为未来做好准备，同时尽早寻求治疗方案。

使用筛查试剂盒的人越来越多，由此产生的数据将扩充医学知识库，从而促进研究并帮助 AI 系统达到更高的准确率。“我们希望我们的解决方案能够帮助研究社区搭建更多参考数据，为需要此类检测的其他患者提供帮助，” Wang 说道。

这些公司还将其技术进一步扩展到其他疾病的筛查，包括乳腺癌和人乳头瘤病毒。Lin 说：“我们相信，AI 模型训练解决方案可以在许多情况下提供帮助。预计未来我们会开发出更多的疾病筛查解决方案。”

 

由 insight.tech 的副主编 Georganne Benesch 编辑。

利用 AI 改善公共安全和交通

Posted on by Micah Kaplan

现代城市车水马龙，交通越拥堵，不顾危险抄近路的人就越多。随着汽车突然转向以躲避乱穿马路的行人，公交车因摩托车占用其站台而以奇怪的角度停车，进而冲入街道，危险情况将成倍增加。

许多城市都在主要交叉路口安装了交通灯摄像头，这帮助阻止了某些违章事件。但是，这些摄像头价格昂贵，并且无法处理支路上的问题，以及基础设施受损和公交车上的危险行为，如驾驶员打盹。

7StarLake 是一家生产高性能计算设备的台湾公司，曾为当地的半自动公共汽车部署了传感器系统，公司首席执行官 Martin Ting 在与台湾、加拿大和美国的政府和交通官员的交流过程中，全面了解了城市遇到的交通问题。

他说：“他们总是问我以下问题：‘贵方可以帮助我们预防事故并改善公共安全吗？’”

作为回应，7StarLake 开发了一个公交车载边缘 AI 计算机视觉系统，该系统能够实时发现交通问题和公交车驾驶员的危险行为，就即将发生的危险发出警告。通过分析该系统一段时间来收集的数据，城市官员可深入了解交通和行为模式，帮助他们改善公共安全和交通管理。

智能公交车帮助预防事故

与许多城市一样，台湾也在主要交叉路口安装了摄像头。例如，台北就装有 14,000 个摄像头。但是，安装这些摄像头需要 15 万美元，每年还要投入相同金额的维修费用。而且，它们不能实时解读信息，也无法发现在其有限视野范围以外的危险情况。Ting 解释说，要实现全面覆盖，一个大城市平均需要安装 10 万个摄像头。

相比之下，7StarLake 的 Time Eye 智能交通解决方案安装的计算机视觉摄像头的成本要低许多，而且，公交车上安装的 GPS 传感器可捕获外部和内部信息，帮助预防事故。例如，如果驾驶员闭上眼睛，座位会以振动的方式进行报警。此外，还会将数据发送给交通工作人员，他们可以发出警告。

外部摄像头会捕获交通状况，包括卡车非法停靠在支路上，公交车由于站台被其他车辆占用而无法入站（视频 1）。

视频 1。7StarLake 的 Time Eye 计算机视觉摄像头会识别车辆并捕获交通违章信息。（资料来源：7StarLake）

这些事故可能导致驾驶员驾驶大型车辆四处乱窜，而看不到另一侧的情况 — 一种极其危险的情况。

在台湾，与卡车和公交车有关的事故是造成交通伤亡的主要原因。Time Eye 会即时向工作人员转发有关严重违章的信息，以便他们开出罚单或在必要时安排拖车。对于不太严重的违规行为，该系统会记录车牌号，在某些情况下会发出罚单，而不必交警干预。

Time Eye 的摄像头还会转发有关基础设施安全隐患的信息，如岩石或树枝阻挡道路，或人行道上的井盖缺失。城市当局可以立即通知维护人员，并提醒驾驶员减速或避开危险区域。

计算机视觉摄像头揭示真相

在尝试避免事故的过程中，驾驶员可能会突然加速或停车，这会导致乘客跌倒。在台湾，跌倒索赔经常引发行政诉讼。

Time Eye 计算机视觉摄像头会捕获时间、交通状况、公交车位置、加速和制动情况。它们还会显示乘客是站立，还是根据法律要求系好安全带坐在座位上，上下车时例外。这类信息提供了客观的事实依据，可帮助简化调查和法律程序。Ting 说，在采用 Time Eye 之后，台湾南部一个城市的乘客诉讼量减少了 80%。

虽然摄像头会记录乘客活动，但它们无法使用面部识别软件。数据将进行加密，并通过具有企业级安全性的 VPN 发送到市政计算机。

智能交通管理进一步改善

7StarLake 会根据城市的需求（它们选择所需收集的信息）对其系统进行自定义设置。工程师使用英特尔® 发行版 OpenVINO™ 工具套件来节省训练算法所需的时间，以便识别交通状况、车辆和人类行为。

Ting 说：“OpenVINO 拥有数千种预训练算法，并可以完成约 70% 的 AI 模型开发工作，因此，我们的工程师不必从头开始构建模型。我们可以节省大量时间，并且我不需要雇用太多工程师。”

城市公交车可以捕获大量信息 — 每天多达 1T 字节。城市管理员可以接收由高速英特尔® 酷睿™ 处理器转发的多达 2 MB 的实时数据和图像。剩余数据将在稍后传送，并存储在市政计算机中，工作人员可以在这里对其进行分析，了解特定地点和时间发生的交通问题。然后，他们就可以更合理地分配资源，以改善交通车流和公共安全，而不论是需要张贴标志、向正确地点派遣交警，还是建立新的停车设施。

5G 智能交通管理的未来

Ting 指出，随着更多城市采用 5G 连接，带宽成本逐渐降低，更高的传输速度和低延迟将有利于 Time Eye 等系统实时交付更多信息 — 城市官员渴求的能力。交通部门和应急技术人员将不仅可以查看数据和图像，而且能够观看所发生事件的完整视频片段，帮助他们更全面地了解严重事故并做出迅速响应。

Ting 说：“智能交通管理可帮助城市更有效地部署资源并拯救生命。我坚信，一旦 5G 得到全面部署，它就会迅速普及。”

 

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

在边缘项目中使用超大规模云服务提供商？请先阅读本文

Posted on by Micah Kaplan

假设您要构建一套 AI 系统。您从哪里起步？

以多模态情感分析为例，它依赖于多个自然语言处理和/或计算机视觉模型，这些模型通过严格的数据标记和训练加以改进。例如，在零售客户服务终端中实施该分析需要数据库和可视化工具、Web 应用开发环境、部署和交付服务等基础设施，当然还需要一两个 AI 模型训练框架。

如果这是您第一次涉足 AI 系统的创建，而且您的组织拥有所有必要组件，那么所有这些工具可能根本没有以有利于快速 AI 系统原型设计的方式进行配置。在这种情况下，希望 AI 工程设计取得成功的人通常会求助于超大规模云服务提供商的云平台，如 Microsoft Azure、AWS 和 Google Cloud。除了基本上无限的数据容量和基础设施服务外，许多超大规模云服务提供商还支持开箱即用的端到端 AI 开发，或为特定的第三方工具提供基于 API 的集成，所有操作只需几次点击即可完成。

最重要的是，您可以以相对较低的成本起步，以后再添加功能作为服务。那么，既然您自己就能如此快速轻松地起步，为什么还要组建一个技术合作伙伴生态系统呢？

对边缘 AI 工程师隐藏的超大规模云服务提供商成本

在早期阶段的概念验证 (PoC) 中，超大规模云平台非常适合将创意具体化。但是当您进入更接近最终产品的原型设计阶段时，它们的局限性就会迅速显现。

“使用超大规模云服务提供商的难处在于实际的定制 PoC，因为超大规模云服务提供商是基于标准的。你必须使用那些标准，否则就不能使用超大规模云服务提供商”，富士通公司（一家全球信息和通信技术公司）的产品业务首席数据官 Glenn Fitzgerald 说。“他们使用的基础设施和应用堆栈都是如此。”

“还有数据主权和驻留的问题，这在 PoC 阶段无关紧要，但如果要进行原型设计，就肯定非常重要”，Fitzgerald 继续说道。“超大规模云服务提供商不喜欢你从他们的云和结构中提取出数据来回避这些问题。法律和监管问题可能会使那些在超大规模云环境中使用 AI 的数据驱动项目大大复杂化。”

数据是关键。AI 技术依赖于将越来越多的数据汇集到训练模型中来提高神经网络的准确度和性能，从而使边缘核心通信和数据管理成为关键因素。数据存储是超大规模云服务提供商的主要收入来源。

不难想象，在只包含几个图像的超大规模云环境中启动 AI PoC，随着原型的发展，将膨胀成多个包含成千上万个图像的数据库。而且，由于从超大规模云中提取数据可能很困难，开始时看似无关紧要的平台选择可能很快就会变成代价高昂的平台陷阱。

AI 认同危机

此时，您还应该问一下自己，到底是否需要开发 AI。例如，大多数公司并不销售情感分类，而是将其用作零售自助服务终端或市场研究软件等解决方案的推动器。这是因为，AI 并不是开箱即用的解决方案，而是可以解决现有问题的新能力。

“AI 不是任何问题的解决方法”，Fitzgerald 解释说。“如果从机器学习、自然语言处理或神经网络的传统意义上来考虑 AI，那么它在 99% 的时候是解决方案的一个组成部分，而不是解决方案本身。”

“公司的起点应该是‘这是我的业务问题’。而太多公司是从‘我需要做 AI’开始的”，Fitzgerald 说。“但是如果你从‘我们需要做 AI’开始，那么最终会一事无成。”

在许多情况下，更好的策略是利用技术生态系统来减轻 AI 模型创建的开销，同时保持低成本。如果做对了，这种方法就会让原始设备制造商和系统集成商利用 AI 的优势，同时专注于最终应用。

利用合作伙伴生态系统加速 AI 推理

富士通与英特尔和英国咨询公司 Brainpool.AI 合作，建立了合作伙伴关系，来为 AI 原型设计者提供入口。被称为“共创工坊”的公司可以向 Brainpool.AI 的 600 多位领先的 AI 学者咨询，这些学者会就实现预期结果所需的基础设施组件提供建议。富士通以集成商的身份运营，协调其他合作伙伴并建立必要的基础设施来将 AI 从 PoC 扩展到原型设计。

为了促进这一流程，富士通创建了 AI Test Drive，这是一个专门构建的 AI 基础设施，基于来自 SUSE Linux、NetApp 和 Juniper Networks 的 Web 应用组件、数据服务、监控工具和 AI 套件。该软件打包在一个在基于英特尔® 处理器的服务器上运行的演示集群中，允许用户对 AI 设计进行压力测试，同时保持对数据的 100% 控制权限，以便进行管理、注入和清理。

AI Test Drive 的免费试用可以通过门户获取。为了在各种 AI 用例中提供同级最佳的模型准确度、延迟和性能，它使用了英特尔® OpenVINO™ 工具套件。该工具套件是一个 AI 模型优化套件，可以压缩和加速在不同环境中生成的用于不同硬件的不同神经网络软件。它与 Open Model Zoo 兼容，因此可以将预训练模型轻松导入到原型设计流水线中。

如图 1 所示，OpenVINO 加速的 FP32 BERT 情感分类模型的性能是相同的未优化的 PyTorch FP32 模型的 2.68 倍。

Pytorch FP32 和 OpenVINO FP32 之间的延迟比较
图 1。英特尔® OpenVINO™ 工具套件在富士通 Test Drive 平台中优化不同类型的 AI 推理。（来源：富士通）

“你必须建立一个与你试图解决的问题相适应的生态系统”，Fitzgerald 说。“像富士通这样的组织可以引导其他组织加入其中，并涵盖所有这些基础，这才是组建最优团队来解决问题的方式”，Fitzgerald 说。

从业务问题开始

如今，整个行业都在担心错失边缘 AI、视觉 AI 和机器学习带来的机会。但在陷入狂热之前，要了解如何避免被不属于自己能力范畴的事物分散注意力。

“从业务问题开始”，Fitzgerald 建议说。“如果你了解业务问题，那么你可以与利益相关者、信任的合作伙伴和第三方合作来解决问题。”

 

由 insight.tech 的副主编 Georganne Benesch 编辑。

一体化平台：简化边缘 AI 产品开发

Posted on by Micah Kaplan

边缘 AI 可用于解决各种垂直市场的问题。在制造业中，它提供工艺优化、实时数据可视化以及供应链管理优势。在医疗领域，它可以为更好的诊断工具和患者管理系统提供助力，缓解医护人员过重的压力。对于智慧城市而言，边缘 AI 有助于解决从交通拥堵和能源效率到公共健康和安全的各种问题。

但讽刺的是，尽管边缘 AI 具有广泛的适用性和优势，但这些解决方案通常难以应用于工厂、医院和城市街道。简而言之，这些行业中很少有系统集成商 (SI) 和组织拥有构建端到端边缘解决方案所需的内部资源。

面向数字化转型的智能网络和边缘 AI 解决方案提供商 AEWIN 的产品营销经理 Tiana Shao 说：“人们在边缘 AI 方面的经验越来越丰富，但掌握全部资源的企业或 SI 仍然很少。他们可能了解硬件，但不懂如何构建合适的 AI 应用程序。或者，他们可能是 AI 软件专家，但不确定如何选择满足最终用户要求的硬件。”

但是，一体化边缘 AI 平台可能正是填补这个数字化转型技能缺口的关键所在。这些综合平台支持基于安全可靠硬件的灵活高性能边缘 AI 解决方案，简化了产品开发工作并加快了上市速度。

迎接边缘 AI 解决方案开发的挑战

简化边缘 AI 产品工程设计的关键在于构建一个平台，让您在这个过程中最难的部分（AI 软件开发、设备优化、性能增强和灵活设计）领先一步。

一体化平台借助硬件专家和 AI 专家的优势实现了这个目标。例如，虽然 AEWIN 拥有边缘硬件方面的专业知识，但 AI 软件开发对该公司来说较为困难。因此，该公司与 AI 专家 InfinitiesSoft 合作，将其 AI 软件堆栈整合到解决方案中。这样，AEWIN 能够提供可以同时解决硬件和软件挑战的平台，加快了开发速度并为各种处理器和服务器提供了设备优化。

在硬件方面，该解决方案还利用了英特尔® 处理器的功能。Shao 说这带来了几项优势：

“计算速度对边缘 AI 极其重要，英特尔处理器帮助我们构建了非常适合边缘应用的高性能计算平台。此外，这些处理器提供重要的安全功能，如英特尔® Software Guard Extensions（英特尔® SGX）、英特尔® Platform Firmware Resilience (英特尔® PFR) 以及执行控制。”

最后，一体化平台构建时考虑了灵活性，因为它们必须适应各种用例。例如，AEWIN 平台可在几乎任何边缘环境中安装，并带有用于网络接口卡和基于硬件的加速器的扩展槽。

Shao 说：“这是一个提供多种选择的平台。毫无疑问，不同的最终用户将有不同的需求。我们设计的解决方案可以根据客户需求进行定制。”

最终结果是，即使需要相对复杂的解决方案，该平台也可用于多种场景。

在更短时间内让城市更智能

该平台实际应用的一个例子是 AEWIN 的智能交通管理用例。

全球各地的城市都面临着解决城市交通问题，缓解通勤拥堵，改善生活质量以及减少碳排放以实现可持续发展目标的压力。边缘 AI 驱动的交通管理系统提供了一种富有前景的方法，可应对这种挑战，但在设计和实施方面的技术要求极高。遗憾的是，这使系统集成商和城市管理者回避了本来可以解决这些问题的有效途径。

但是，使用像 AEWIN 这样的一体化边缘 AI 平台，SI 和城市可以共同合作，在更短的时间内开发定制交通管理解决方案。

该平台支持边缘交通摄像头视频的实时计算机视觉处理，免除了向云端发送大量原始数据以进行处理的必要。同时，AI 软件堆栈可用于构建定制解决方案，无需漫长的开发过程，提供数据可视化、交通流量优化、交通控制信号集成以及发现交通违规时自动警报等功能。

Shao 说：“智慧城市的交通管理只是其中一个可能用例，但这是一个很好的例子，说明一体化平台可以帮助 SI 在需要复杂解决方案时加快上市速度，并构建以后可以销售给其他客户的可扩展、可重复产品。”

数字化转型的多功能工具

边缘 AI 的多功能性意味着它可用于解决几乎任何环境中的业务问题。一体化平台消除了传统边缘 AI 实施中的许多障碍，将有助于提高多个行业的 AI 采用率并推动其数字化转型，并为 SI 和解决方案提供商提供盈利机会。

长期而言，这些平台使边缘 AI 触手可及，也将有助于推动下一波数字化转型。AEWIN 预计其边缘 AI 设备将支持数字孪生等新一代技术，数字孪生是物理设备的虚拟表示。Shao 解释说，数字孪生支持实时模拟、精确预测分析以及更有效的自动化，为医疗、汽车工程、制造和智慧城市领域带来了巨大优势。

Shao 说：“数字孪生技术需要强大、可靠的边缘 AI 服务器来进行大量实时数据的处理，以及相当复杂的 AI 软件开发。因此到目前为止，数字孪生对大多数组织来说是不可能的事情，但未来的一体化边缘 AI 解决方案将使这种激动人心的技术触手可及。”

 

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