Insight Tech

在嵌入式计算行业中，硬件领先与软件领先的局面一直在交替出现。工程墙两边的成员轮流抢占先机，然后等待同行开发功能集，一路赶上。

目前的情况是硬件领先，第 12 代英特尔^® 酷睿^™ 处理器等 CPU 通过组合 Performance-core（性能核）和 Efficiency-core（能效核）提供的基础架构，可优化同一系统上不同的边缘和企业工作负载。尤其是当您将这些处理器与 PICMG COM-HPC 模块等嵌入式硬件搭配使用时，由于这些嵌入式硬件可适应性能和散热设计功耗 (TDP) 更高的设备，因而可以将多个软件工作负载整合到单一硬件目标上。

现在该轮到软件基础来帮助先进的硬件进行扩展了。这种进步只能以管理程序的形式出现。

最新的酷睿处理器支持工作负载整合

基本上说，工作负载整合会将多个操作融合到更少的平台上，从而优化运营，提高平台的可扩展性。这通常意味着确定性应用程序在一个核心上运行，而企业或人工智能核心在其他核心上运行。这种分离做法有助于最大限度提高性能，同时让关键资产更加安全。另外，这种做法还提高了可靠性，因为组件减少意味着故障点也更少，且总系统成本也有所下降。

但请注意，原始设备制造商 (OEM) 和系统集成商所采用的软件堆栈必须能充分利用工作负载整合的优势，这意味着最大化系统分区。
分区的数量通常取决于终端应用程序的需要，包括使用基于微处理器多核架构的管理程序。特别是来自实时系统 (RTS) 的实时管理程序，此类管理程序针对英特尔凌动^® 、英特尔^® 酷睿^™ 和英特尔^® 至强^® 处理器进行了调整，支持在边缘环境的 congatec COM-HPC 模块等主板上进行工作负载整合。

“可以轻松配置 RTS 管理程序，完全满足您的系统需求，” congatec 产品营销总监 Christian Eder 表示。“配置文件基本上就是一个易于生成的文本文件，利用该文件，您可以将计算机资源和操作系统 (OS) 精准分配给不同的 CPU 核心，并指定运行时环境的首选项。它被用作引导加载程序的输入源，将系统划分为多个系统。”

RTS 管理程序还支持将英特尔^® 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）等虚拟化技术用于其他设备。它可确保与其他操作系统并行运行的实时操作系统获得强大、实时、无与伦比的性能，且不会影响到时效性功能，也不会增加任何延迟。对于定制应用程序，RTS 将直接与客户合作，针对特定需求对管理程序加以调整。这可能包括拥有多个操作系统的确定性解决方案。

COM-HPC 上特定于核心的工作负载

可以利用工作负载整合的 COM-HPC 模块的一个例子是 conga HPC/cALS，该模块适用于工业环境（图 1）。它拥有多达 16 个处理器核心、最大 128 GB 的内存占用空间、多达 2 个 2.5 GbE 连接，且支持时效性网络 (TSN)。

板载第 12 代英特尔^® 酷睿^™ 处理器在最近推出的 COM-HPC 平台上采用 PCI 5.0，性能超过前几代，有望获得最快的图形和高级人工智能功能。由于英特尔处理器和实时管理程序（如 RTS 中的管理程序）所提供的严格管理和分离做法，人工智能加速可利用英特尔^® 发行版 OpenVINO^™ 工具套件实现并得以简化，同时可以在工作负载整合系统中实现。

存在一些可能会削弱性能的限制。例如，以太网技术现在可以扩展到 100 Gb 或更高，COM-HPC 可以使用服务器型模块来应对这一变革。按照同样的思路，TSN 因为分割了带宽而简化了设计，并减少了所需电缆的数量，有助于在设计中进行实时通信，这在许多自动化和机器人用例中至关重要。

在许多应用中，实时通信通过 5G 介质来执行。通过网络切片得到增强的平台可以在工业 4.0 实时部署中以无线方式运行。无论如何，网络堆栈都需要由操作系统来管理，而如果该操作系统是用来控制机器人自动化系统这样的对象，一定不能受到进程间干扰或资源限制。在这些情况下，第 12 代处理器与硬件虚拟化支持和 RTS 管理程序结合使用，可确保正在进行的任务有充足的系统资源可用。

“最新版本的实时管理程序已经将性能核和能效核考虑在内。设计师可以决定最适合其实时应用程序的核心类型，例如，为性能需求较高的实时应用程序指定 P-core（性能核），或者将高效的 E-core（能效核）分配给 RTOS 来处理较轻量的工作负载。时钟速度也应固定，以便始终保证为实时操作提供可预测的时间表，” Eder 说道。

追赶软件堆栈

如大家所见，将英特尔的第 12 代酷睿处理器与包含工作负载整合的策略搭配使用，可让任务关键型边缘和企业应用程序配备真正的物联网超融合系统。这甚至适用于任务关键型自动化系统，可降低此类设备因故障或操作不当而造成人员伤害或财产损失的风险。

“当然，拥有一个系统而不是多个系统也有助于提高可靠性；想想 MTBF，” Eder 说。“拥有的组件越多，有可能出现故障的组件也就越多。如果是两个独立的系统，MTBF 就是仅拥有一个系统时的一半。”

采用第 12 代英特尔^® 酷睿^™ 处理器，可实现高效的工作负载处理，这意味着可以采用动态时钟和核心分配。
任何实时线程都以应用程序所需的固定频率托管在核心上的独立虚拟机上，而对于任务不太关键的非实时线程则可以“按需”处理。

利用英特尔^® Thread Director 等技术和严格的管理程序进行管理时，寻求通过工作负载整合最大限度利用系统的开发人员可以在提供完整实时功能的同时，更有效地完成管理系统电源等工作。通过最大限度发挥现代硬件的功能，软件团队最终可能会赶上来。

 

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

中国有超过 3 亿辆汽车在路上行驶，是全球最大的汽车市场，且由于该国的电动汽车行业蓬勃发展，其市场体量只会继续增加。对于汽车零部件制造商来说，这种快速增长带来了巨大的商机：他们有机会在日益激烈的竞争环境中瓜分市场份额。

但制造商要想提高工厂自动化水平和生产能力，面临的难度超乎想象。究其原因，他们往往依赖于劳动密集型生产流程，在不增加员工数量的情况下很难提高产能。这最终会出现产能瓶颈，阻碍发展，让公司无力获得竞争优势，因而令人倍感沮丧。

手动流程无法拓展规模，工厂需要实现自动化

轮毂制造这一典型例子就很好地诠释了此现象。

此流程的主要问题在于，要专门针对每个车轮型号进行动态平衡检查，这是一项重要的质量保证测试。因此，必须先将生产线上的轮毂进行分类，然后再送入检查区。但传统上，在制造过程中，这一步完全是手动完成的。

显然，这样做的效率不高。另外，新轮毂型号的频繁推出，迫使公司不断对工人进行再培训，帮助他们识别新产品。

“制造商试图自动完成轮毂的分拣和分类。但结果喜忧参半，”为汽车行业提供人工智能制造解决方案的信捷电气公司工业控制和视觉研发总监覃高鄂表示，“基于早期机器视觉应用的解决方案很难识别结构复杂的车轮，也很难区分结构相似的车轮。”

但借助人工智能和边缘计算的最新进展，结合使用下一代处理器，工厂自动化解决方案将帮助制造商更高效地运营，同时降低成本，增加利润。

针对分拣和分类的制造流程自动化

信捷公司基于人工智能的轮毂分拣和分类解决方案就是实际运用此技术的一个例子。

该解决方案就实施在生产线上。成品轮毂到达初始检查点，图像采集设备将检测每个轮毂，并将数据传输到附近的边缘服务器进行处理。

计算机视觉应用程序按类型对轮毂进行分拣，并相应地进行标记。在先进的深度学习技术的助力下，人工智能模型能够达到的精度远高于此前的机器视觉解决方案。此外，由于处理是在边缘执行的，因此网络延迟大大缩短，同时也加快了推理速度。

然后将轮毂沿生产线移至分类工序（该工序同样由边缘上的计算机视觉推理进行处理），接着就可以将轮毂发送到相应的测试区进行动态平衡检查。

该解决方案标志着传统分拣和分类流程已实现完全自动化。覃高鄂表示，此项任务的完成得益于信捷公司与英特尔的技术合作伙伴关系。“英特尔处理器非常适合计算机视觉和边缘计算任务，其软件开发工具在构建和训练人工智能模型时发挥了很大的作用。”

信捷公司在其解决方案中利用了多种不同的英特尔技术：

• 第 11 代英特尔^® 酷睿^™ 处理器为高性能处理奠定了坚实的基础，在需要处理图形和人工智能计算任务的情况下尤其适用。
• 内置英特尔^® Gaussian Neural Accelerator 2.0 支持人工智能应用程序，并为深度学习模型提供了推理和训练支持。
• 英特尔^® OpenVINO^™ 工具套件和英特尔^® oneAPI 库有助于简化计算机视觉应用程序的开发，并进一步加速和优化人工智能模型。

人工智能工厂自动化：案例研究

信捷是中国的一家轮毂制造商，该公司实施的此类解决方案就是一个很好的例子。为了满足不断飙升的需求，客户希望增加产能。但与许多其他制造商一样，该公司仍然依靠手动车轮分拣流程，因而造成了产能瓶颈。

雇用更多员工并不可行，而且原因不仅仅是成本较高。“即便有增员预算，目前要在中国招聘到员工也不容易，”覃高鄂解释道。“中国的制造业面临严重的劳动力短缺问题，这个问题对生产力和盈利能力都造成了一定威胁。”

信捷解决方案的部署最终取得了出色的成果。轮毂分类的效率提高了 18 倍，这帮助公司大幅提高了产能。该制造商实际上进行了减员。监督生产所需的员工数有所下降，大约节省了约 75% 的劳动力成本。

最重要的是，不必为了追求速度而牺牲质量，因为人工智能模型的准确率高达 99%，十分可靠。

更智能、更安全的未来

对低效流程进行自动化可帮助中国的汽车行业满足国内外买家日益增长的需求。

但覃高鄂表示，人工智能工厂自动化的优势并不局限于某一个行业，他说：“人工智能在制造业领域蕴含诸多潜在的应用。例如，我们的解决方案支持材料分类、测试以及计算机和消费电子产品的制造。”

人工智能工厂自动化不仅让公司和消费者从中获益，还能让员工获得帮助。覃高鄂表示，“人工智能填补并拓宽了人类智能，它让工人不必再去执行工厂中那些重复、危险的任务。”

人工智能可提高生产力和盈利能力，保障员工的健康和安全，最终将推动全球制造业的数字化转型。

 

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

实体店在与便捷的网上购物竞争时，需要的就是沉浸式零售。根据普查局的数据，2020 年，也就是 COVID-19 疫情的第一年，美国电子商务销售额增长了 43%，这一数字十分引人注目。

“意识到竞争的激烈后，店内零售不断发展，力求从线上竞争对手中脱颖而出，”技术整合与服务公司 Wachter 的战略创新副总裁 Matt Tyler 说道。“零售商希望打造一个吸引顾客回来的景观地。”而全息技术正在提升沉浸式零售体验，可以实现这一目标。

Wachter 正在利用由 Wachter 集成的 Proto 解决方案引领潮流，该解决方案是一个用于创建、管理和分发全息内容的创新型显示系统。它使品牌能够从多媒体工作室或移动应用程序传输他们的直播内容和以前录制的内容。

PROTO 云可以将内容从那里传送到最远数千英里外的设备位置。最终用户可以利用远程呈现技术，通过这些位置的显示器与人们进行实时互动，实现独特且具有影响力的访客体验。

Wachter 解决方案 Proto Epic 包含三个组件：一个大小为 7 英尺的独立单元，配一个透明 LCD 显示器和一个灯箱；一个用于创建内容的 Studio Kit；以及一个带 4K 摄像头的 Live Beam 套件，用于将内容传输到全球任何位置的 Proto 设备。“通过集成照明和音频系统，可以获得更加沉浸式的体验，” Tyler 说道。“这真的能带来很棒的感官体验。”

从寻求个性化体验的购物者到与粉丝互动的名人，都可以借助 Proto 的全息功能实现实时双向互动。

提高零售洞察力

令人惊叹的体验是全息远距传输吸引力的一个方面，但这项技术不仅仅用于剧院。利用 Proto，零售商可以收集有价值的情报，进而增加收入。每个单元中嵌入的英特尔^® RealSense^™摄像头可以匿名跟踪购物者的轨迹和行为。Wachter 整合将处理这些记录，以“提取营销人员正在寻找的有价值数据，” Tyler 如是说道。

Proto 单元还可以根据受众不同动态更改其内容。例如，通过将在线购物行为与店内广播内容相关联，刷会员卡时会出现更多量身定制的东西。

Wachter 部署 Proto 以拓展业务并为客户提供端到端解决方案集成。一支由认证专家组成的团队负责设计、架构、采购、安装以及维护各个场馆的电力和布线需求。该集成商还帮助客户管理他们的内容，推进购物者分析，分析视频源中的元数据，并将这些信息传输到仪表板，以便轻松查看。Proto 利用 AI 筛选视频分析数据，并实时定制流媒体内容。

英特尔^® 技术推进了 Epic 单元上的数据处理以及工作室内的内容制作。“有一个英特尔高性能处理器可以捕捉所有视频，并将其与现场的设备同步，” Tyler 说道。“用于存储和重定向内容的云也采用了英特尔架构。英特尔是解决方案各不同部分之间通用的粘合剂。”

全息技术带来了无限的用例

Proto 能够将备受追捧的专家或名人带进商店，这对一家拥有近 60 个门店的探险用品零售商来说非常有吸引力。这家零售商最大的销售点在曼哈顿，他们将使用 Proto 从更多乡村地区发出户外指南。与导游进行一对一咨询，了解鱼会咬哪类苍蝇，或者周末户外环境下穿什么衣服，这可能会增加每位顾客的平均消费额度。

一家时装零售商计划将 Proto 的 Epic 与服装货架摆放到一起。这些服装将在通过该单元展出的时装秀中展示。对于模特所穿的每件衣服，会将货架上相应的物品打上特殊灯光来突出显示。“这样人们在购买过程中就不用去猜测衣服的效果，是一种非常有趣的方式，可以让人们更快地做决定，” Tyler 说道。

Tyler 预计全息图技术也将在其他领域获得推崇。可能会利用全息图技术帮助政府官员与全球代表会面，尽量减少旅行。“我们看到了合作、沟通、节能，所有这些可以同时实现，”他说道。

在另一个用例中，一家博物馆正在尝试利用 Proto 来展示艺术家的作品。在高等教育中，马萨诸塞州的一位教授可以面向全球各地不同学校的学生讲课。因为全息图技术是双向的，反过来学生也可以参与课堂活动。

“能够同时打造三维体验，同时促进对话，大家吸收内容的方式已经发生变革，” Tyler 说道。“我认为目前没有任何其他技术能够提供这样的功能。”

 

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

周五晚上，朋友邀请您到家中吃晚餐。您想要送一瓶上好的葡萄酒，给朋友留一个好印象，但却面临数百种选择。想象一下，如果您走进一家葡萄酒店，实际上就像进了葡萄园，而您正在考虑购买的那瓶赤霞珠葡萄酒就产自那里。您“遇见”了酿酒师，发现这个这种酒是主菜的完美搭配。于是您对自己的选择充满信心，买了这瓶酒，准备度过一个轻松惬意的夜晚。

德国的一家葡萄酒连锁店正在为顾客提供这种精准的店内体验。Rotkäppchen-Mumm 成立于 1811 年，是德国最大的起泡酒生产商，其门店依托 Ludwig von Kapff 品牌运营。

该企业的首席执行官拥有明确的目标：建立德国最现代化的葡萄酒店，并利用“隐形”技术实现这一目标，让购物者享受现代化的购物体验。该公司通过部署智能标牌解决方案制造商 digimago GmbH 的数字零售媒体解决方案，打造出了独特的互动式购物体验。

“葡萄酒店运营商可以准备一小杯酒让顾客品尝，但如果他们能把酒庄带到店里会怎么样？” digimago 首席执行官 Andre Bartscher 问道。“葡萄酒诉说的都是关于酒庄和酿酒师的故事。生产葡萄酒的人往往都很强壮、很有趣。”

数字标牌将葡萄酒店的顾客送往葡萄园

在 Ludwig von Kapff 购物的顾客会发现店内有数字标牌显示促销内容。实时数字标牌持续输出内容，会根据受众、一天中的时间和天气情况选择最佳产品。例如，清爽的长相思白葡萄酒可能会在一个温暖的夏日傍晚进行促销，而起泡酒则可能在节假日推出。数字标牌还与销售点数据和零售分析同步。例如，如果某个产品库存不足或缺货，就不会再在屏幕上打广告。

该解决方案使用近场物体识别、RFID 标签和隐形传感器表面来打造交互式体验。如果购物者想要获得更多关于葡萄酒的信息，他们可以把瓶子放在屏幕旁边。被动促销循环会自动切换并显示有关特定葡萄酒的信息，比如价格和口味说明。购物者可以通过触摸屏了解有关酒庄和酿酒师的信息。此外，顾客可以在屏幕附近放置第二瓶和第三瓶葡萄酒以进行比较（图 1）。当瓶子放回货架后，屏幕会自动返回到促销内容循环。

digimago Digital Retail Media 运行的是需要高性能计算能力的高质量显卡。该解决方案融合了英特尔^® 技术，包括处理器和英特尔^® OpenVINO^™ 工具套件。

“互动内容并不是视频，” Bartscher 说。“实际上是一种实时渲染，可以借助英特尔的处理能力来实现。”

自部署以来，digimago 解决方案帮助 Ludwig von Kapff 提供了出色的客户体验，同时增加了销售额。“访客形容这里的氛围十分迷人，” Bartscher 说。“这项技术有助于开启购物者和工作人员之间的对话。它营造出一种很棒的氛围，让顾客有心情品尝和购买葡萄酒。”

除了提供硬件和软件，digimago 还为零售商提供了监控服务，让零售商倍感安心。如果出现技术或软件问题，digimago 将收到通知。在某些情况下，有些问题可能甚至在顾客尚未察觉的时候就远程解决了。该技术还采用了人工智能驱动的预测分析，可在需要维护，以及急需更换部件时发出警报。

智能技术推动全渠道零售的发展

Rotkäppchen-Mumm 在使用智能零售解决方案后，不仅吸引了客户；它本身也成为其全渠道战略的核心部分。为了提供全渠道体验，Bartscher 建议零售商确定哪种类型的内容最适合其店内外的潜在客户。

“哪些信息会影响他们购买您的产品？”他问道。“什么样的体验可以让顾客享受更美好的店内时光？想一想您已经拥有的内容和数字资产的类型。然后确定如何针对不同的分辨率和屏幕格式创建内容。”

为实现这一点，digimago 的渲染引擎会利用商品数据以及来自公司网站和社交媒体渠道的内容实时生成动画和内容。

Bartscher 预测，随着数字标牌技术的发展，它与零售分析的融合会更加紧密，并将继续重点关注于顾客。

“研究发现，高达 70% 的购买选择是在销售点完成的，”他说。“有了数字标牌，您就有了一个绝佳的渠道来影响顾客。您可以打造移动的动画视觉效果来吸引眼球，而不是提供静态内容。如果访客停留的时间长一点，他们可能会看看更多的产品，购买更多的东西。”

 

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

在买衣服这件事上，实体店无疑能够提供非常出色的体验。你可以了解面料手感、发现全新款式，还可以进行试穿以确保新衣服合身，然后再结账走人。不过实体零售商做不到的事情，是像网上商店那样提供无限量的购物选择和相关推荐； 它们在面积、库存管理和人员配备等方面存在局限性，因此而受到了限制。但是，商店数字化技术可以弥合鸿沟，帮助实体零售商在全渠道市场中大展拳脚。

智能商店解决方案提供商 Ombori 的首席产品官 Oskar Jakobsson 指出，实体商店拥有一项优势。“它们通常有着更久的经营历史，而电商是新进势力。”他说道，“我们看到全渠道零售正在突破界限并深入实体空间，但老牌商店拥有财务实力和品牌影响力，还拥有高街渠道。如果做法得当，它们可以提供更多价值。”

有一种恰当的做法，是安装采用“无限货架”技术（例如 Ombori Grid）的交互式自助服务终端。 Ombori Grid 解决方案可以满足购物者对多样性的需求，从而提升店内购物体验并提高转化率。它还可以吸引高度依赖网络并认可多渠道零售体验的年轻一代消费者。

在加入 Ombori 之前，Jakobsson 曾担任全球服装零售商 H&M 的创新部门负责人。“如果你想要拥有市场影响力，就需要在各个渠道上迎合客户，包括社交平台、线上渠道和实体空间。”他说道，“你的实体营业点不能像过去那样脱离网络，而是必须成为全渠道客户体验之旅的一部分。”

零售自助服务终端增强店内体验

Ombori Grid 与微软合作，将数字体验（大多数现代客户体验之旅的起点）扩展到店内体验，由此实现零售业务的现代化。该零售自助服务终端解决方案包含了安装在支架上的触摸屏。借助条码扫描器和 RFID 阅读器，客户可以提取产品信息。Ombori Grid 平台装有“无限货架”软件，能够填充库存信息。该解决方案采用英特尔^® NUC 迷你电脑，能够顺畅无阻地高速运行各种物联网边缘组件（视频 1）。

视频 1。Ombori Grid 弥合了线上零售和实体零售之间的差距，为客户营造全渠道体验。（来源：Ombori）

Ombori Grid 解决方案还将客户的手机包括在内。“（自助服务终端的）屏幕和你的手机之间会进行大量交互。”Jakobsson 说道，“你可以从屏幕更大、更吸引人的自助服务终端开始。你可以扫描二维码，获取你以‘无限货架’为基础创建的购物篮。然后，你可以在手机上进行付款或测量尺寸，这种方式更加私密。”

此外，Ombori 还携手 Pathr.ai，利用零售商现有的摄像头来收集空间智能洞察数据。此项集成可以通过确定客户在使用自助服务终端后的去向来帮助商店分析 Ombori Grid 平台的有效性。

全渠道零售变得实体化

Ombori Grid 可以提高转化率，这得益于种类更加丰富的商品，以及始于线上而终于店内的无缝客户体验之旅。有一个例子是亚洲的一家大型零售商，该企业最近安装了该解决方案。客户进店后，即使想要的商品无货，也可以完成交易然后在家收货。该零售商可以通过突出显示与客户购物篮中商品相关的产品来扩大销售。此外，该解决方案还集成了 RFID，可以在客户走向自助服务终端时检测到他们拿在手中的产品。

例如，如果客户拿着一条短裤，那么该解决方案会向其展示 T 恤、运动鞋或其他夏季服饰，或者向其展示其他颜色或其他款式的短裤。“你可以满足客户的全部需求，而不仅仅交付他们挑选的产品，这可以提高转化率。”Jakobsson 说道，“商店可以售出更多产品，而顾客可以获得与他们密切相关的产品推荐信息。‘无限货架’就像一名消息灵通并且能创造附加价值的销售员。从客户的角度来看，它可以回答许多问题，能够实实在在地帮到他们。”

未来全渠道零售

“借助无限货架”技术和 Ombori Grid 等解决方案，零售商可以紧跟不断变化的零售市场形势，例如商店小型化的趋势。企业可以与所在社区建立密切关系，同时节省租金成本。

“新冠肺炎疫情过后，我们看到客户想要返回商店购物，但他们在线上零售方面也有了更多经验，并且希望商店能有一番新气象。”Jakobsson 说道，“商店需要更加贴近本地市场，为客户量身定制更加切实相关的体验。要让一切顺畅无阻，以企业承诺为基础，推动全渠道销售和体验。”

技术正在融合线上购物和店内购物，缔造一体化的体验。面对数字与实体合二为一的未来零售，你是否做好了投身其中的准备？

 

本文由 insight.tech 的编辑副总监 Georganne Benesch 编辑。

如今，无论走到哪里，似乎总有镜头对着你。不论是在购物中心、地铁站还是公众广场，至少有一部分时间会有摄像头对准你。但这不再是仅出于安全目的；从摄像头收集的数据越来越多地用于帮助您获得更加轻松、愉快的生活体验。

例如，一个旨在缓解高峰时段拥堵的交通系统可能会匿名收集站台上的等车人数或该时段内地铁车厢拥挤程度的相关数据。借助配有机器视觉和人工智能视频分析的摄像头，该交通系统可以根据此信息采取增加车厢和调整时间表等措施，并采用确定性方法来验证此类改变是否会提高客户的服务质量。

在工厂车间，制造商可能会收集与装配线工人行走模式相关的统计数据，以了解点对点传输可能需要多长时间，或者只是为了帮助他们远离活动机械周围的危险。机器的启动和停止很容易理解，但要准确理解人类的身体行为，尤其是与人机交互有关的行为，则要困难得多。这时就要靠计算机视觉和人工智能来发挥作用。

虽然被监视可能听上去有点让人毛骨悚然，但其意图是好的。您要明白一点，运输系统和制造商都不需要了解您的身份。当处理得当且遵循数据隐私法时，便可以通过永远无法识别的方式来收集数据，即使收集了有关性别、年龄和配饰的数据，组织也没必要收集任何身份识别特征，如面部特征和步态。

有鉴于此，一家名为 C2RO 的 AI-SaaS 视频分析提供商打造出一款人工智能视频分析平台，该平台适用于从公共交通、零售到制造的各个行业。

其平台 ENTERA 的设计初衷完全是为了满足数据隐私合规性，同时利用了组织现有的安保摄像头系统。该软件在专用于视频分析的安全、私有边缘环境中运行。C2RO 首席执行官 Riccardo Badalone 表示，它在部署和生成高度准确且完全匿名的数据时需要的硬件投资最少（如果有的话）。

但真正让 ENTERA 从其他平台中脱颖而出的是，它能够过滤掉所有个人唯一标识数据，如面部特征或走路姿势。因此，C2RO 完全符合客户的要求。Badalone 解释说：“它告诉我们访客的去向。我们不想知道他们是谁，它只告诉我们他们将时间花在了哪里。”

Badalone 说：“我们从不捕捉、收集、记录或处理唯一标识信息。我们不使用任何关于人们走路姿势或任何其他明显身体特征的信息。系统生成的所有数据都明确并非来自于访客面部，因此客户永远不必担心他们的个人信息会被保留用于其他用途，这些数据与个人信息没有任何关联。”

这样组织便能自由分析有关用户行为和流量模式的客户洞察，同时又能遵循最严格的隐私法律，如欧洲通用数据保护条例 (GDPR)。

人工智能视频分析可揭示用户行为

ENTERA 所提供的并非唯一标识信息，而是关于人口统计的见解。例如，购物中心或零售店可能想了解光顾特定区域的人群的年龄和性别，这样就可以规划针对性的促销展览，以吸引他们的眼球或获得最大曝光量。

ENTERA 内获得专利的机器视觉技术可实时评估图像，生成完全匿名的元数据，该元数据可用于在不依赖面部图像或其他生物特征的情况下确定流量模式和人口统计属性相关信息。

例如，购物中心想要更好地了解其人流量。ENTERA 的人工智能模型可以确定只是路过这里和真正前来购买商品的人群的比例、客户通常在特定区域的停留时长以及他们所代表的人口群体。

Badalone 解释说：“它突出了与人口群体相关的流量模式，由此可针对任何类型的营销活动进行 A/B 测试和绩效跟踪。”“该分析还可扩展到自助结账系统和自助服务终端等新技术的使用以及与此类技术的交互。通过了解与目标计划相关的客户行为，企业可以设计出更好、更具针对性的市场活动，为访客提供更有趣、更具吸引力的体验。这是一个双赢的局面。”

如果制造商出于安全和工作效率原因想要了解装配线工人的总体移动情况，可以使用先进的可视化工具查看完全匿名的综合流量模式并对其进行统计分析。通常，长期收集的数据的统计分布将揭示出人类现场评估无法捕捉到的事件。可以采取预防性操作或主动操作，消除生产流程中不安全的工作模式或瓶颈。

Badalone 解释说：“客户在获得一致可靠的数据后，往往会发现自己的假设无法立足。一旦他们确信这些数据准确无误，他们通常会采取极具影响力的行动，从而带来巨大收益，并最终让每个人获得预期的投资回报。”

可扩展且覆盖范围广的客户洞察

为了让该技术更具吸引力，C2RO 确保该平台可与现有监控系统配合使用，甚至包括那些使用低分辨率镜头和鱼眼镜头的监控系统。

Badalone 说：“如果客户已经在全球范围内对视频安全系统进行了巨额投资，现在您告诉他们必须用另一种更昂贵的摄像头来替换所有这些摄像头，他们就不可能采用您的技术。”

Badalone 表示，该产品一经推出，希望在数百或数千个站点采用此产品的客户就开始询问可扩展性如何。C2RO 与英特尔^® 密切合作，利用其芯片和人工智能工具套件 OpenVINO^™ 来实现客户期望的性能和功能。

Badalone 说：“我们对 ENTERA 怀有这样的愿景，即高度集成，功能强大，而且对客户来说具有大规模成本效益。”

展望未来，Badalone 表示，C2RO 希望该平台完全由软件定义，以便客户可以根据需要添加功能，进一步简化应用，并打造一个可供数据分析团队根据需要随时随地滚动收集数据的环境。

Badalone 设想的未来是人工智能训练和系统配置可实现完全自动化。他说：“就人工智能学习而言，我们希望它完全抽象化，不需要人为干预。”

最终，我们希望客户能够灵活地添加和删除功能，无需现场安装即可将平台从一个站点移动到另一个站点。他表示，这将激励客户“更多地依赖数据，因为他们总能从中获得巨大的投资回报。”

 

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

想象一下，一个水晶球可以告诉您未来项目是否成功，或者是否会在后续过程中出现致命故障。现在把这个水晶球想象成一个镜像。欢迎来到数字孪生的世界。

对于制造商和整个工厂环境来说，这一概念激动人心，意义非凡，并引发了很多人的兴趣。 CCS Insight 首席运营官兼物联网研究主管 Martin Garner 和英特尔工业解决方案总监 Ricky Watts 将为我们作详细介绍。究竟是什么数字孪生？制造商采用这项新技术时可能面临哪些挑战？短期和长期优势有哪些？CCS Insight 还在一份白皮书中分享了对该主题的研究，该白皮书现已向 Insight.tech 读者提供。

尤其是在制造业环境中，究竟什么是数字孪生？

Martin Garner：我喜欢来自相关行业机构“数字孪生联盟”的观点，即数字孪生是机器、工厂流程和现实世界中存在的其他事物的虚拟模型。实物和虚拟模型之间需要某种同步，可能是实时同步，也可能同步过程非常缓慢。您还需要知道正在同步的数据的质量，以及同步的频率。这听上去可能很简单，但实际上需要层层叠进。

对于制造业来说，您可以想象会议室墙上有一个詹姆斯·邦德样式的图表，所有操作的实时状态都显示在一个视图中。您可以借助该视图分析流程、查看损耗率，还可以进行预测性维护、流程建模和优化。也可以开展员工培训，但不会影响人们在机器上的实际操作。我非常喜欢的一种数字孪生用途就是软件测试和模拟。例如，您可以先在虚拟机上进行软件更新，验证更新，确保不会发生崩溃或中断，然后再将软件下载到真实机器上。

我们现在也开始考虑更宏大、更上规模的数字孪生愿景。工厂是大型供应链的枢纽，那么为什么不制作整个供应链的数字孪生？其中甚至可能包括您向客户提供的一台用于了解该级别工作情况的机器。特斯拉就把它应用到了他们的汽车上。

Ricky Watts：我想补充一点，如果思考一下数字孪生因何存在，以及数字孪生出现的位置，会发现它确实与数据息息相关。
我们开始看到越来越多的数据从工厂中流出，那么在应用数据之前，我们需要以智能的方式理解这些数据。某种程度上说，数字孪生是数据从机器中流出时呈现数据的一种方式，对数据进行某些评估，理解数据，然后再应用输出或结果。

这些新型数字技术带来了哪些挑战？

Ricky Watts：其中一个挑战是，制造商通常并不是真正了解人工智能和机器学习的人；确实存在某种程度的技能差距。那么，如何依靠现有的员工队伍来实施此类工作呢？当然还有另一方面，都是相对较新的：您如何信任数据？如何应用数据？我认为这也是人工智能和机器学习面临的一些挑战。

还有中小型企业，它们代表着巨大的工业足迹。因此，扩大这些解决方案的应用规模十分重要，将数字孪生扩展至汽车制造商，让那些为汽车制造商生产螺丝的人也能拥有数字孪生。这样才能确保我们不只为制造商赋能；我们还需要为生态系统赋能，让生态系统广泛服务于这些模型。

我们在英特尔肯定会开展这些工作：如何简化其中某些技术的使用；以及建立伙伴关系和生态系统以引入基础设施。这背后还有很多事情要做。

制造商如何成功采用数字孪生？

Martin Garner：在最全面的版本中，数字孪生可以是一个跨运营技术和信息技术的长期项目。在这种情况下，它确实并非一个快速解决方案。在当前的经济环境下，一些公司可能会对较大型的长期项目犹豫不决。但可以利用数字孪生来获取一些短期收益。有一些非常好的用途，且回报周期确实也不长；预测性维护和软件测试是其中两个关键用途。其中的秘诀就在于确保获得架构合理的系统。该系统需要足够开放，可供构建生态系统、插入其他机器，并能逐步扩展，实现更全面的愿景。

Ricky Watts：我们都是技术人员；我们看到了这一巨大潜力。但目前我认为聚焦制造商需求至关重要。这些制造商非常关注自己将如何在未来几年可能颇为艰难的经济环境中生存下去。这真的变成了一个策略性问题：今天做哪些工作能让我明天就受益，而不是等到下周，下下周，甚至明年。

是的，预测性维护就是一个很好的例子。如果您有一个代表机器上的某个部件的数字孪生，并且这个数字模型告诉您机器即将发生故障，那么您就可以在故障发生之前先行修复。如果可以做到这一点，就能让工厂继续保持运转。

所以，专注于一些能带来短期价值的事情。这有两个好处。第一，它解决了今天的问题。第二，它让制造商开启了自主学习之路。它提供了一个短期结果，解决了您的一些短期挑战；此外，从长远来看，您可以借此让员工在这类环境中使用数据。而随着数字孪生技术得到更广泛的应用，这些近期机遇实际上可以让我们长期受益。

在此过程中，制造商需要具备哪些技能？

Ricky Watts：培养数据科学家并不能一蹴而就。那么您怎么才能有效地将石油天然气工厂中的过程控制工程师转型为数据科学家，而不是花上 10 年进行培训？我们正在后台创建工具和功能，以改变过程控制工程师运用技能的方式。比如说，“利用您现有的技能告诉我目前的情况。然后我们将以非常简单的方式将其应用于数据模型和数字孪生模型。”

从某种意义上说，我确实认为需要技能：如何安装计算机？如何去照管？但我们也不要忽略那些过程控制工程师的优势：他们知道结果如何。当制造过程中出现问题时，他们会知道。我们可以将这些转化为数字孪生、模型和人工智能中的计算代码，然后识别出问题所在。

实施此方法需要哪些工具和技术？

Martin Garner：人们发现最难的一点就是如何组织和设置数据馈送以实现数据的相互兼容。不同传感器和不同的机器以各种方式提供数据，因为它们并不以兼容为目的。工厂本身十分复杂。他们拥有各种各样不同的机器和技术，涉及了技术堆栈中从连接一直到人工智能各个层面的技术。这使得制定任何类型的模板都非常困难。

这意味着对于一个更大型的系统来说，可能需要进行大量系统集成工作才能真正实现价值。我认为，您可以从简单的小型系统入手，先从某个小领域中获得价值，然后逐步扩展。但随着规模的扩大，很快就会发展成更大的项目。

Ricky Watts：我们正在做的工作之一就是尝试通过工厂标准，使用通用语言（如 OPC UA）来打造统一性。这意味着使用一种通用语言让机器相互对话，这样每台机器至少能够在某种程度上理解其他机器。

Martin Garner：很棒的一点在于，它将孤立、垂直的专有技术转变为更水平的平台式方法。这更加适用于跨制造商、供应链、不同部门等扩大规模。这是一种更加出色且全面的方法。

英特尔^® 如何成功实现数字孪生概念？

Ricky Watts：英特尔做得非常出色。显然，他们构建了在网络边缘运行这些任务的绝佳计算平台，但除此以外，他们还关注规模化，关注标准的制定。我们正在与行业合作伙伴合作，共同确定如何制定这些标准，为联盟的建立添砖加瓦。在石油和天然气行业，我们始终围绕他们所谓的 OPAF（Open Process Automation Forum，开放过程自动化论坛）开展这项工作。

我们一直在研究计算平台，以确保能为制造商提供所需的技术。例如，它们需要与原子钟保持同步，这样，两个平台上的数据的时间戳才能同步。我们支持软件生态系统使用这些功能，确保我们在 Linux 操作系统、Windows、虚拟机和 Kubernetes 上验证所有这些奇妙的功能，这些基本上都属于软件基础设施层，可供我们运行应用程序。

当然，还要与最终用户社区合作，确保我们打造出的不是弗兰肯斯坦的怪物。

最后还有哪些要点？

Martin Garner：数字孪生的整体愿景可能包括行星尺度的天气和地质系统，这些系统会帮助我们增进对全球变暖等问题的理解。但与此相反，还有许多小公司确实不知道从何处着手。因此，我们需要让他们对这一概念的投资更加容易，也更加值得。

这意味着要真正着眼于短期目标：如何在下一季度利用数字孪生技术节省资金，如何让此类技术更容易购买和安装。愿景是一回事，我们还需要吸引大众市场上可能同样会用到此技术的人。我们不能顾此失彼；我们需要兼顾二者。

Ricky Watts：我认为 Martin 说得非常到位。保持小巧。保持简洁。我们拥有帮助您开启旅程的解决方案，我们非常关注您目前的问题。

相关内容

要了解关于制造业中数字孪生的更多信息，请收听播客数字制造运营的角色，并阅读 CCS Insight 关于该主题的白皮书。
要了解 CCS Insight 和英特尔的最新创新，请在 Twitter 上关注 @ccsinsight 和 @Inteliot，并在 LinkedIn 上关注 CCS-Insight 和 Intel-Internet-of-Things。

 

本文由文案编辑 Erin Noble 编辑。