医疗保健行业面临的数据挑战：连接医疗设备

Posted on by Micah Kaplan

医疗保健提供商高度依赖数据对患者进行治疗。当患者接受任何类型的检查时，无论是 MRI 检查、x 射线检查还是血液检查，都会收集数据进行分析和诊断。生成图像或分析血液检查结果的机器将数据传回到医疗系统，以便医生确定和评估结果。

这听起来容易，但不是每次都能顺利进行。为了将这些数据从实验室传输到医生办公室，必须进行大量幕后工作。首先，用于获取患者的生命体征（例如血压、心跳、身高和体重）的医疗设备有多种，但这些设备无法互相通信。

此外，患者数据必须经过由本地组件、云组件和越来越多的物联网和边缘网络组成的混合基础设施。而且这些网络并不一定使用相同的语言。此外还有以互不相同的方式对数据进行打包和处理的软件系统。

为了让患者获得最佳护理，必须将他们的数据在设备与分析系统之间以及与医生的电脑屏幕之间传输。

“为了记录患者数据而部署的电气设备和电脑越来越多。尝试收集这些供应商的协议，并以正确的格式传输数据，供医院和患者接收，这成了一项巨大的挑战，”总部位于中国台湾地区的工业电脑制造商 Portwell 的产品经理 Kenneth Lee 说。

应对医疗保健行业面临的数据挑战

Portwell 希望利用其独立边缘控制盒 NANO-6063 解决这些问题。借助 NANO-6063，医疗保健提供商可以在控制盒上部署一个普通的小型嵌入式系统，使他们可以向多种服务器和医疗设备发送指令并从中接收指令，将解决方案关联在一起，向医生、护士和患者提供患者信息。

该解决方案专为满足医院/诊所需求而设计，功耗低，设计紧凑，提供足够的 I/O，使用寿命长，能够适应恶劣条件。这些优势是利用 NANO-ITX 外形规格和英特尔凌动® x6000E 处理器系列实现的。NANO-6063 不仅起数据流量警察的作用，还起解释器的作用，通过转换数据信号，确保接收方收到信息时理解信息的含义。这是必要的一步，因为制造商通常使用不同的协议，而医院系统会接受各种不同格式的数据。

Lee 说：“需要收集和分析这些数据，以便医生和提供商更好地诊断和监控患者的医疗状况。”

进入全新市场

Lee 表示，Portwell 的传统目标是其他市场，如电子标牌和工厂自动化。但是随着医疗保健对数字系统的依赖越来越强，该公司发现了一个机会，能够利用其现有技术帮助提供商解决医疗保健数据管理问题。

例如，一家现有的制造商客户利用 Portwell 技术控制组装线上的机械臂。Lee 说：“与医院的运营方式类似，他们有一台服务器，供工厂控制整条生产线。但生产线上有一个小型控制盒，用于控制每个机械臂。使用这个控制盒，他们可以执行服务器发出的一些简单命令，然后收集数据，向服务器提供反馈。”

他说医院可以采用类似的方法。NANO-6063 有助于在医疗设备与医院服务器之间传输数据，而非控制服务器与机械臂之间的通信。

Portwell NANO 技术的另一个真实示例是体育场中的巨型数字标牌屏幕。这些屏幕通常部署在室外，这意味着它们可能会遇到各种天气——冬季的低温、夏季的高温以及一年四季的降雨。

Lee 表示，在这些场景中使用 NANO-6063 的优势是系统板能够承受极端条件。他说，这种坚固性使其同样适用于边缘网络位置（无论是室内还是室外），这些位置缺乏数据中心所具备的气候控制系统。

加快上市速度

NANO-6063 开发和营销的关键在于采用英特尔芯片，本示例中采用了凌动 x6000E 系列。目前在 Portwell 使用的 CPU 中，90% 来自英特尔。该公司计划在医疗保健市场开辟新道路的过程中继续与英特尔合作。作为英特尔 Early Access Program 的一员，该公司可以在全新处理器发布之前抢先使用，从而加快解决方案的上市速度。

Portwell 还与系统集成商合作，使 NANO-6063 等解决方案成为现实。由于医院等医疗保健机构使用来自各种供应商的多种不同设备或电脑，Portwell 为系统集成商提供了可供他们在软件解决方案中集成的计算部件，实现数据的接收、转换和引导。

Lee 说：“随着医疗保健提供商在运营过程中越来越依赖数字系统和数据，我们希望能够打造全新的硬件和软件解决方案，推进这个行业的转型。”

 

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

OT 安全：保护工业 4.0 不受攻击

Posted on by Pete Berta

网络安全是当今每个企业最优先考虑的事情。但是，尽管 IT 安全已有所改善，但用于监视和控制工业流程的运营技术 (OT) 通常处于未受保护的危险状态。在过去数年中，美国网络安全和基础设施安全局 (CISA) 就 OT 系统的漏洞、运营技术中的危险设计实践，以及勒索软件对运营技术资产不断攀升的威胁发布了多项公开警告。

随着制造业数字化转型进程的加速，问题只会进一步恶化 — 从而让工业 4.0 成为网络犯罪分子、活跃黑客，甚至是国家军队和情报机构垂涎的目标。新一代的工业安全设备可以为 OT 安全的独特挑战提供一种解决方案。

IT/OT 融合：协同工作还是网络风险？

数字化转型计划让现代工厂充分装备了物联网技术：有大量智能传感器实时收集制造过程中的数据。所以，传统意义上“非智能”的 OT 资产现在能产生大量有用的数据 — 这些数据可以与 IT 网络共享，用于报告、分析和流程优化。

工业 4.0 解决方案的制造商 NEXCOM 的产品经理 Calvin Ma 表示，这种 IT 和 OT 网络的融合又称为 IT/OT 融合，其背后的商业逻辑非常清晰。“公司可以更好地控制他们的制造过程。而客户也能看到工厂内部，让他们更好地了解进度和质量，”他解释道。

但除了上述好处外，IT/OT 融合也伴随着巨大的风险。毕竟智能工厂属于在线联网的工厂 — 这会让 OT 网络暴露在攻击之下。这个问题比较严重，由于传统设备根本无法运行安全软件，并且 OT 供应商的安全防护实践也有待商榷，所以大家都知道运营技术是很难保护的。

此外，安全 IT 网络并入 OT 网络本身也会带来一些问题。Ma 说道：“当万物互联时，本来可以在 IT 网络中轻松管控的网络安全事件现在可能会传播到 OT 网络 — 而 OT 网络相对脆弱。”

而不断扩大的 OT 攻击面对制造商来说是无法承受的风险。

为什么 OT 安全如此艰难

除了众所周知的难题外，OT 安全令人惊讶的事实之一是它竟与 IT 安全如此相似。

例如，对 OT 网络的网络威胁反映了 IT 网络所面临的威胁：勒索软件和病毒、黑客和后门软件、蠕虫和僵尸网络。OT 安全的基本解决方案与 IT 网站使用的方法类似：监控网络流量中是否存在可疑数据包，对网络进行分段以便在检测到恶意数据包时加以遏制，并将关键资产置于额外的保护层之后。

那么，为什么 OT 安全性如此有挑战性？

这个问题大部分与 OT 端点的技术局限性有关。Ma 说：“这些系统中有许多在设计时并未考虑到安全性，”，他还补充说工厂中的传统 OT 资产通常在非标准或过时的操作系统上运行，因此“无法在其中安装安全软件”。

另一个挑战源自于工业设施本身的商业文化。对工厂的管理者来说最重要的 KPI 是生产力。而停机往往会耗费昂贵的成本，无论停机的理由多么合理。要说服领导层断开网络以升级安全性 — 或者要求他们实施一套需要在未来定期中断网络进行维护解决方案 — 这笔交易其实很难达成。

这让制造商面临艰难的抉择。是要接受代价高昂的停机时间以尝试提高 OT 安全性，还是全凭运气冒着以后可能全厂停运的风险？

显然，这两种选择都不理想。但是，一种新型的工业安全设施 — 旨在满足工厂需求的坚固、灵活的防火墙设备/具有即插即保护的特点 — 也许是这种困局的一条出路。

减少停机时间的 OT 安全性

NEXCOM 的 Hwa Ya 工厂实施试点很好地说明这个问题。

Hwa Ya 是 NEXCOM 的智能制造试点，也是一个正常生产的工厂。因此，它面临的现场挑战与其他工厂是一样的：

  • 占地面积大，有许多不同类型的设备在一直运行
  • 环境恶劣，高温工作
  • 设备空间狭窄，难以进入，让维护工作变得复杂

为了保障 Hwa Ya 的 OT 网络， NEXCOM 采用了他们自研的 ISA 140 工业安全设施。整个工厂的关键点都部署了多个设备，以建立一个细微分段的 OT 网络。在设备上安装了由 TMRTEK 开发的 eSAF 网络安全软件包，使它们能够像传统端点安全软件在 IT 网络上一样监控和检查 OT 网络流量（视频 1）。

视频 1。ISA 140 用于 OT 网络上的细微分段和数据包检查。（来源：NEXCOM）

结果是构建高透明度的安全 OT 网络。可能同样值得关注的是，Hwa Ya 部署展示了在工厂环境下现代 ISA 140 的商业优势。

ISA 140 结构紧凑且易于安装，因此实施不需要代价高昂的停机或大量基础设施升级。安装就绪后，带外 (OOB) 远程管理功能和旁路功能允许 OT 安全人员在不中断网络的情况下维护设备。

Ma 将这些优势归功于 NEXCOM 与英特尔® 的技术​​合作：“我们使用的英特尔凌动® 处理器具有内置的 OOB 能力，让我们开发的功能能够尽量缩短停机时间，且无需扩大我们的电路设计。”

此外，Ma 还提到了英特尔芯片非常适合应对工厂环境下的实际挑战：“CPU 具有高性能、非常可靠且可承受极端温度：是确保工业控制系统 (ICS) 安全性的理想选择。”

工业网络安全的未来

随着制造商转型成工业 4.0 模式，OT 网络面临的威胁很可能会增加。那些居心不良的人与广大企业一样，渴望利用市场机会做他们想做的事情。而现代工业的安全设备将为企业提供一种有效且经济的方式来保护自己。

在未来几年，随着 OT 网络变得更加复杂和多样化，制造商也将能够使用专为不同用例构建的安全设备。Ma 说：“我们将看到 OT 安全专业化的趋势，”他的公司目前正在扩展 ISA 100 系列产品线，以使用专为无线 (ISA 141) 和交换机 (ISA 142) 网络安全设计的设备来增强 OT 网络安全。

“工厂里的所有设备迟早都会归为一个网络。但随着工业安全技术的进步，企业将拥有为他们量身定制且适合各种 OT 场景的解决方案，做到真正的零信任网络 — 确保工业 4.0 未来的安全，” Ma 说道。

 

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

轻松互动：非接触式自助服务终端

Posted on by Pete Berta

在消费者和企业等需求的推动下，自助服务终端在各行各业的应用都呈上升趋势。很容易理解其中的原因。客户喜欢自助服务终端的便利性和互动性。企业很欢迎它们简化运营和减轻劳动力过度劳累的方式。

不过，尽管如此，实施仍然存在一个重大障碍。大多数自助服务终端都依赖于触摸屏技术——这可能会因为几个原因而使交易受阻。首先是成本问题。对于大多数企业而言，大规模部署触摸屏自助服务终端或有吸引力的大尺寸机型是一项重大投资。

另一个问题是维护。新冠疫情后，人们对触摸许多其他人触摸过的东西持谨慎态度。为了让客户感到安全，必须经常清洁触摸屏，费时费力。此外，受损的触摸屏自助服务终端一体机的维修成本可能很高。单个坏点可能就需要更换整块屏幕。

这些都是严峻的挑战。但边缘人工智能和 3D 计算机视觉的进步现在正在实现非接触式自助服务终端。这项技术解决了传统触摸屏的许多问题，将推动多个行业的采用，甚至可能开创人机交互的新纪元。

边缘人工智能 + 3D 视觉 = 非接触式自助服务终端

起初，“非接触式”触摸屏在术语上听起来可能有些自相矛盾。但基本概念很简单。非接触式自助服务终端使用基于深度学习的被称为骨架追踪的技术，其将用户的手视为鼠标指针。

非接触式技术解决方案制造商 LIPS 集团的首席营销官 Benson Lee 解释了其工作原理：

“我们在用户和显示屏之间创建了一个虚拟窗格。支持人工智能的 3D 摄像头可以追踪用户的手部以模拟滚动操作，当他们的指尖穿过窗格时，会被视为鼠标点击操作”（视频 1）。

视频 1。一个正在运行的非接触式自助服务终端。（来源：LIPS）

当然，任何基于高分辨率 3D 图像的系统都需要处理大量数据——如果您想要实时交互，那么发送到云端的数据堪称海量。这就是非接触式显示器使用人工智能在边缘执行视觉处理的原因。Lee 表示，LIPS 与英特尔® 的技术合作有助于实现这一目标：

“英特尔 CPU 功能强大，足以处理繁重的计算工作负载，尤其适用于计算机视觉和边缘人工智能应用。此外，英特尔® oneAPI 工具包简化了开发过程，使我们的工程师能够编写适用于许多不同平台的解决方案驱动程序。”

降低采用的门槛

值得注意的是，由 LIPS 解决方案提供支持的非接触式自助服务终端，比基于触摸屏的同类产品更加模块化。摄像头和非接触式接口驱动程序与显示屏分开。

这意味着，通过将 3D 人工智能摄像头插接到自助服务终端的 USB 端口并安装驱动程序，可以轻松改造现有的基于触摸屏的自助服务终端。也许更重要的是，任何显示屏——甚至是非触摸屏——都可以通过添加这些组件进行交互。

对于企业和系统集成商来说，这些都是有吸引力的优势。非接触式技术使自助服务终端（包括大显示屏）的实施更容易且更具成本效益。

此外，维护也大大简化。Lee 说：“您无需像使用触摸屏那样承受同样的清洁负担，并且如果您改装了非触摸显示屏并且屏幕损坏，您可以经济高效地进行更换屏幕，而无需全部更换。”

从医疗保健到酒店业

LIPS 在新冠疫情期间的经验就是一个很好的证明。例如，两家依靠触摸式自助服务终端进行日常运营的组织与该公司接洽：一家快餐连锁店和一家当地医院。

尽管存在明显差异，但连锁餐厅和医院有许多共同点。他们担心自己所服务的人群的健康和安全。他们不能只是停止使用自助服务终端，因为它们已深度集成到其工作流程中。而且他们的工作人员已经忙得团团转，不可能花费额外的时间和精力在使用后对每个触摸屏进行消毒。

为了应对餐厅的这些挑战，LIPS 使用其 3D 摄像系统对店内自助点餐终端进行了改造，从而打造出能够在餐厅中发挥相同业务作用的非接触式等效服务。在医院，LIPS 使用相同的技术使患者接待区的触摸屏排队系统完全实现无接触。

在这两个场所，领导层都对改造速度、易维护性以及自然降低的传播风险感到满意。

交互性的未来

LIPS 对餐厅和医院的部署展示了为什么非接触式技术具有如此光明的未来。在未来的几年里，随着越来越多的企业意识到自己的潜力，预计非接触式自助服务终端将引起关注。

这种潜力不仅仅是易于实施。与许多触摸屏不同，非接触式显示屏不是基于电容感应，因此它们不需要裸手操作。这意味着佩戴假肢的人士也可以使用——这是在无障碍可用性方面迈出的一大步。这也意味着，穿戴手套或防护装备的人士可以使用它们，使该技术在手术环境或精密加工洁净室等工业环境中有用武之地。

许多行业可以应用的范围，有可能真正改变人类从自助服务系统中受益的方式。Lee 表示，“非接触式技术可能与智能手机和平板电脑的触摸屏同样重要，它将使我们的世界变得更美好、更安全，并且更具互动性。”

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

物联网项目成功的关键：边缘计算

Posted on by Micah Kaplan

物联网可以是突破性的技术。公司可以通过利用机器数据并根据相关见解采取行动来微调企业运营。随着机器不再处于黑匣子中，它们可以在流程出现问题时发出警报并发出警告。

但魔鬼藏在细节中。物联网可能会大大提高运营效率，但企业往往没有意识到他们需要一个强大的基础架构框架才能让这项技术真正发挥作用。当物联网项目建立在一个摇摇欲坠的基础上时，就会崩溃或停滞不前。

物联网挑战：项目为何会失败

失败的物联网项目具有各种形式和规模。嵌入式服务和解决方案提供商 Beechwoods Software 的技术架构师和开发主管 Rodney Hess 表示，有时公司忽略了在产品的整个生命周期内要考虑数据传输和云计算成本。“当他们意识到他们需要改变服务模式并找到一种支付方式时，他们就会受到客户群的强烈反对，”他解释说。

被未经过深思熟虑的决策所束缚并不是企业面临的唯一挑战。来自机器的数据是具有价值的，因为它是机器运行状况的指标。但是，令人眼花缭乱的数据传输格式也使事情变得复杂，因为无法读取和挖掘具有价值的数据显然毫无用处。

此外，Hess 指出，“我们所处的世界每周都会有一个新的安全补丁需要应用到系统中。”当一个项目的生命周期可以长达 20 年或更长时间时，此类安全消防的成本就会迅速增加。公司有理由担心遗留系统和协议容易受到安全挑战的影响。

最后，机器学习程序有时只有一种功能，并开始与不断变化的要求和需求发生冲突，” Hess 说。他补充道:“如果解决方案不能轻松更新或更改，那么你的硬件就会很快过时。”他补充道。

由于存在很多挑战，公司选择了“安全”选项，并完全放弃或停止了物联网项目。

但 Beechwoods 的营销和业务发展副总裁 Mike Daulerio 却说，不一定是这样的。边缘计算正在迅速成为应对这些与物联网相关的各种数据挑战的有效解决方案。 

边缘计算对物联网项目的好处

随着企业努力解决将物联网生成的数据转移到云端的高成本和延迟问题，他们开始更密切地关注边缘计算。“公司拥有大量数据并希望将其传输到云端，但成本太高，这是一种不和谐的现象。这是不可行的，” Hess 说。他说，过于依赖云端也会危及业务连续性。“当您无法访问 Internet 时，您会怎么做？突然之间，业务逻辑停止工作，您研究数据，却无法得到任何有用的内容。这是一个大问题，”他解释道。

边缘计算通过使计算更接近数据源（边缘）来解决这一物联网挑战。这样做“有助于降低将数据传输到云端的消息传递成本，”Hess 说，并且这样做可以使物联网计算具有可扩展性。计算和见解不是花费时间和金钱来回传递数据，而是更接近行动的源头。

Hess 说，虽然边缘计算不是一个新概念，但微处理器的进步提高了它的实用性并加速了它的采用。“嵌入式处理器已经跨越了它们现在能够运行机器学习算法的门槛，所以你不需要一个装满服务器的房间来处理这些算法，”他说。

Hess 解释说，另一个进步是机器学习算法“一直在自我完善，以更有效地获得我们想要解决的问题的答案”。 

克服物联网项目的挑战

Beechwoods 提供边缘计算平台 EOS，该平台基于 EdgeX Foundry，这是一个开源框架，有助于物联网设备和应用程序之间的互操作性。Hess 说，EOS 旨在解决客户面临的几个与物联网相关的挑战。首先，它提供了一个协议网关，使得来自传统机器和现代机器的不同类型的数据可以相互通信。

该平台还通过安全 API 验证身份，因此只有授权的设备和人员才能访问数据。企业可以运行不同的机器学习分析程序集来满足不断变化的需求。

Beechwoods 除了提供软件外，还提供系统集成服务，以便物联网项目在停止和启动后可以重新启动。

例如，Beechwoods 向一家正在开发安装在房屋和办公室外墙的智能储物柜设备的初创公司提供其 EOS 边缘物联网解决方案。公司需要连接组件、摄像头传感器和其他控制系统，才能真正使产品变得智能

“我们帮助他们将智能储物柜的想法付诸实践，并将其转化为概念验证。以 EOS 为技术平台，从产品概念到可演示原型的道路会很简单，” Daulerio 说。

Beechwoods 将英特尔® 发行版 OpenVINO™ 工具套件用于其 EOS 平台，并学习开放标准前沿的新发展。Hess 说，“英特尔为我们提供了一些性能最佳的视频分析代码，并帮助我们构建了机器学习的最佳模型。“由于英特尔在该领域所做的工作，使得我们可以在嵌入式处理器上取得最佳效果。”

此外，Hess 很感激英特尔是 EdgeX Foundry 的开放标准的积极支持者，并且 Beechwoods 已将其纳入其 EOS 产品中。 

真正智能的未来

Hess 说，随着物联网和边缘计算迅速普及，预计未来将会是真正智能的。“由于我们周围有大量嵌入式设备在运行算法，因此我们将拥有一个真正智能、响应迅速且直观的环境，可以立即解决我们的需求和担忧，” Hess 说。

这些环境可以是智能家居，也可以是符合职业安全标准的工厂车间，它们不断地向工人提供关于不安全区域的指导。动态的运营变化需要动态的智能。Hess 解释说，在物联网和边缘计算的帮助下，这将是未来的发展方向。

 

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

机器视觉正从检查向预防过渡

Posted on by Micah Kaplan

现代汽车 50% 的材料为塑料。其中绝大多数材料 — 从油箱到保险杠再到仪表板 — 都是通过注塑成型工艺制造的。

顾名思义，注塑成型机械加工会在刚性模具中注入熔融塑料，使其在模具中定型。定型过程可能需要数小时到数天时间。质量检查通常在生产线末端进行，检查人员会在这里拆解每个批次的样品，从中寻找缺陷。

“他们会从每个下线的班次中取出两个或多个部件，对它们进行破坏性测试，并判断该班次生产的部件是良品还是次品，”机器视觉解决方案公司 Eigen Innovations的联合创始人兼首席执行官 Scott Everett 解释说。“基本上，需要一整天时间才能完成几项测试，因为它们都需要大量劳力。最终，您只能评估数千件产品中的两件产品。”

乍一看，似乎在这个应用程序中，机器视觉摄像头可以轻松替代过时的做法。但是，虽然注塑成型背后的概念相对简单，可整个工艺却非常复杂。例如，如果原材料物理性质发生变化、生产环境中的温度和湿度出现变更，以及制造设备本身的操作略有不一致，注塑模具都容易受到影响。

我们的目的不仅是为了确定部件是否存在缺陷，而且还希望提供有用的质量分析，以在次品生产出来之前提前数小时查明导致缺陷的根本原因。通过监控制造的每个部件，您就可以开始预测该工艺什么时候会面临成批生产次品的风险。但是，由于存在的变数较多，机器视觉摄像头很难做到这一点，除非可以对它们生成的信息情景化，然后使用视觉 AI 进行实时分析。

外部视角：机器视觉质量检查

与所有视觉 AI 应用程序一样，开发 ML 视频分析算法首先要捕获数据、标记数据，然后是训练模型。从好的方面说，在生产复杂部件的过程中并不缺乏可用的视觉和工艺数据。不利因素是，生成的海量数据可能会造成问题，导致无法在一开始就查明形成制造缺陷的具体原因。

因此，用于在复杂制造环境中进行预测分析的 ML 视频分析解决方案必须尽可能地将变量规范化。这意味着视觉 AI 算法需要与期望的产出和制造设备的运行特性有关的信息，它们将为分析部件以查找缺陷和异常提供参考。

Eigen Innovations 的工业软件平台将捕获来自热学和光学摄像头的原始图像数据，并处理连接到制造机器的 PLC 中的数据。结合这些数据，就可以创建所生产部件的可追踪虚拟档案。

然后，会在制造过程中基于这些档案生成 AI 模型，并将其用于检查部件，查找某些条件导致的缺陷。但是，由于该平台将连接制造设备的控制系统，因此可以从一开始就将视觉推理与可能导致缺陷的运行条件（如机器的速度或温度）关联起来。

“我们可以将在图像中看到的与质量有关的变量与在机器上发生的处理条件关联起来，” Everett 表示。“那让我们拥有了预测能力，这时可以说：‘嘿，我们开始看到将导致变形的趋势，因此您需要调节冷却剂温度或材料温度。’’”

内部视角：预测性机器视觉

虽然 Eigen 的工业软件平台是一个边缘到云端解决方案，但它严重依赖端点数据，因此，大部分初始推理和分析都在工厂车间的工业网关计算设备中进行。

此工业网关会汇总图像和工艺数据，然后将其推送到交互式边缘人机界面。该界面会发出实时警报，并允许质量工程师标记数据和事件，以便随着时间推移来优化算法。此外，该网关还会将数据传送到云环境，以进行进一步监控、分析和模型训练（图 1）。

说明 Eigen 的机器视觉平台如何发送数据以获取边缘和云洞察的图表
图 1。Eigen Innovations 机器视觉平台是一个面向复杂制造环境的边缘到云端预测性分析解决方案。（资料来源：Eigen Innovations）

Eigen 的机器视觉软件平台将集成这些组件，并使用开放式 API 关联行业标准摄像头和 PLC。但是，允许 AI 算法及其数据跨整个基础架构流动的关键是英特尔® 发行版 OpenVINO™ 工具套件，该软件套件将优化在各种开发框架中创建的模型，以便在边缘、雾或云环境中的各类硬件上执行。

Everett 说：“从一开始，我们就已使用英特尔芯片组部署了边缘设备，我们在这些设备上利用 OpenVINO 提高了性能和灵活性。那满足了所有需求，便于我们收集数据、运行模型并将所有内容推送到云平台。”“我们无需再担心性能，因为 OpenVINO 会处理模型在芯片组之间的可移植性。”

他补充说：“那让我们能够对成千上万的部件进行远程分析，并基于那些类型的趋势创建模型。”

良品、次品和废品

Eigen Innovation 的机器视觉软件平台已在全球主要的汽车制造商和供应商那里产生效益，帮助其节省时间，降低成本并减少浪费。

Eigen 客户不会在批量生产注塑成型的汽车部件之后才发现它们不符合质量标准，而会在制造过程中收到异常警报，进而采取措施以避免制造存在缺陷的部件。这节省了时间，减少了在破坏性质量测试期间废弃的材料。

“通常，对大型机器来说，我们每台机器的投资回报可能达到几十万美元（如果不是数百万美元的话），这些机器的停机和质检成本会非常迅速地累加。” Everett 指出。“也就是说，在检测次品时，每一件良品都提供了确定性。”

他补充说：“我们正面临以下情况：由于存在风险因素，发运部件时，如果没有足够的数据来证实其为良品，这实际上和发运次品一样糟糕。”

 

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

医疗保健领域的人工智能推动癌症诊断

Posted on by Micah Kaplan

台湾国立清华大学在研究先进的 3D 成像和人工智能时，研究人员发现了一个令人振奋的潜在应用：帮助病理学家以更快的速度和更高的精度诊断癌症肿瘤。他们获得了大学的许可并成立了一家初创公司 JelloX Biotech Inc.，但很快发现医院还远远没有准备好采用这项技术。

大多数病理学家仍然通过肉眼检查组织样本并耗费人力做记录，这是一个耗时数小时的艰苦过程。很少有人转向数字 2D 或 3D 图像分析，部分原因在于传统上其需要安装昂贵、复杂的显卡设备。

医疗保健中的计算机视觉

尽管医生的观察力训练有素，但他们并不总是能正确地把握重要的细节。肿瘤样本很复杂——每个样本都包含 10 到 30 个参数，必须对其进行分析以确定细胞是否癌变、分裂的速度如何以及与正常组织相比它们看起来的健康或不健康程度等因素。

JelloX 首席技术官 Jarvis Yu-Chieh Lin 表示：“研究发现，如果邀请多名病理学家对同一组织样本进行分析，则诊断之间会存在 20% 到 30% 的分歧。这意味着患者有可能获得有关其病情的错误信息，从而延误正确的治疗。”

误诊对患者来说是雪上加霜。他们可能会错过良机，本有机会让他们更早地使用最合适的药物来抗癌，或者不用经历他们可能本不需要的化疗。

为了在不耗费巨资的情况下提高诊断能力，Lin 和他的同事着手创建一种边缘解决方案，该解决方案可以快速发现和提炼比病理学家所能观察到的更多的信息，而无需安装昂贵的显卡设备。

在病理学中使用人工智能 3D 成像

经过三年的开发，JelloX 创建了一个原型，即 MetaLite 数字病理学边缘解决方案，它可以在一到两分钟内分析每个组织样本参数，而使用标准计算机则需要一个小时。该解决方案使用了边缘计算设备，其由英特尔® 处理器和通过英特尔® OpenVINO™ 工具套件部署的自定义人工智能算法提供支持。大多数医院扫描仪都可以轻松进行配置以与该软件搭配使用，该软件还让医生可以在工作时添加注释（视频 1）。

视频 1。JelloX MetaLite 数字病理学边缘解决方案使用人工智能算法和边缘处理，以近乎实时地快速分析 3D 组织样本，并让医生可以对结果进行注释。（来源：JelloX Biotech）

病理学家可以选择实时查看一些参数并将其他参数保存以备后用。来自扫描和边缘设备的数据被发送到医院服务器，在那里可以用人工智能在一夜之间详细分析数百个参数，第二天早上就可以在查看处理好的结果。

人工智能模型在从许多来源积累的海量数据集上进行训练。它们处理的信息量太大，人类无法消化，但算法可以快速进行处理并利用结果对组织样本进行分类，并对疾病的进程做出推断和预测。

Lin 解释说，“医生很难对某些参数进行最终分类。当人工智能进行计算时，它会为医生提供一个刻度或尺子，供他们判断影像时使用。”

人工智能洞察可以帮助医生提高诊断准确性并研制更好的治疗方法，Lin 认为，“如果我们有好的人工智能辅助工具，也许患者的存活率和存活时间会提高。”

人工智能分析对医学研究人员也很有价值，使他们能够发现癌细胞的新特征，并更好地了解它们的机理。Lin 说，“算法可以从影像中挖掘出更多信息并进行严格的分析，提供有关形态和蛋白质生物标志物特征的更多信息。”

目前，中国台湾台北荣民总医院和麦凯纪念医院的研究人员正在使用 MetaLite 来识别癌组织的新生物标志物，并更精确地计算肿瘤面积。一旦该平台获得台湾卫生部门的批准，医院计划将其用作诊断工具。

制药公司也可能从人工智能组织分析中受益，使用它来确定哪些患者最有可能从即将进行临床试验的药物中受益。

通过联合学习扩展医疗保健领域的人工智能

随着医院扩大人工智能在病理学中的使用，他们获得的数据将用于训练未来的人工智能模型，从而提高准确性。通过被称为联合学习的过程，医院现在可以安全地与他人共享影像数据，同时将敏感的患者信息限制在自己的服务器上——这种功能曾经被认为是不可能实现的梦想。JelloX 正在开发支持联合学习的新版本软件。

Lin 表示，“通过联合学习，将更快地积累数据，从而提升人工智能并提高速度和数据一致性。在病理学中使用人工智能将推动精准医疗，帮助医生改进诊断和治疗，并促进制药公司更快地开发新药。”

将智能 AI 引入现实世界

Posted on by Micah Kaplan

持续的供应链危机让国家货物运输系统的运作走到台前，成为主流新闻。很明显，几十年来一直运转良好的系统无法全面应对过去几年出现的挑战。直到今天，现代化、数字转型和人工智能创新也始终是我们迫切需要的，否则整个国家或地区都将体验到后果。

而这也是技术解决方案提供商 Arrow 的云解决方案业务开发经理 Scott Chmiel，以及 Scalers.ai 的联合创始人兼首席执行官 Steen Graham 的工作。两家公司都在帮助客户导航智能物联网合作伙伴生态系统，且范围并不仅仅局限于智能港口环境。在现实世界部署人工智能的的做法适用于各行各业。所带来的好处也不仅限于商业领域，还会对整个社会产生一系列连锁效应。

目前企业在数字化转型工作中面临哪些挑战？

Scott Chmiel：由于解决方案的复杂性大大增加，所面临的挑战也已经发生了变化。过去，所有的一切都包含在单个硬件或软件中，但现在我们增加了云，复杂性日益上升，技术也层出不穷，不仅从技术角度来看需要的更多，从开发角度来看也需要不同的技能组合。现在，解决方案必须整合并部署到彼此各不相同的现有客户环境中。互联设备现在对运行安全性的要求也更高。另外，很明显，我们可以做到之前不可能做到的事，如机器学习和人工智能。我们有可能解决过去根本无法解决的业务问题。

Steen，对于这方面的工作您有什么看法？

Steen Graham：挑战在于将人工智能和物联网部署到现实世界中。就港口的情况来说。显然，港口和港口的基础设施已经存在了几十年，各种现有应用程序一直以来运转得还不错，但您 实施新技术。那么，如何在现有基础设施上真正部署这些云原生方法，包括人工智能，以开展诸如效率分析和二氧化碳排放量监测等工作？从硬件和软件的角度来看，将现有基础设施与新基础设施相结合，这对于推动行业转型以及解决我们供应链所面临的挑战至关重要。

本届联邦政府在支持港口现代化方面表现非常出色。但有趣的是，港口实际上是由当地市政当局管理的，所以这些地方领导者的所作所为将引发全国范围内的影响。在这种情况下，工会的作用也至关重要。例如，美国一直以来从事的港口工作之一是起重机作业。我们已经实现了前端部分的自动化，即可以自动从船上卸下集装箱，但对于这些依赖人员操作且与工会相关的卡车装卸工作也作出了大量投资。因此，联邦政府、地方市政当局和工会三方对于目前的危机全都起着举足轻重的作用。

企业如何开展有影响力的技术变革？

Scott Chmiel：第一步是了解各企业希望达成何种业务成果。它们试图完成什么目标，利益相关者是谁？在洛杉矶港的例子中，不只有一家公司；还有市政当局、处理集装箱的人员、卡车司机、几十甚至几百个分包商，他们必须相互配合完成港口的运转。我们的解决方案专注于解决他们在安全方面所面临的挑战，以及对进出货物进行跟踪。

Steen Graham：回答该问题的第二部分，我和 Scott 所寻求的是一个无需互让的解决方案。从操作系统的角度简单来看，全球有两大主流操作系统：Windows 和 Linux。现代人工智能应用程序中的云原生工作负载是用 Linux 编写的，而大量现有工作负载和应用程序则是用 Windows 编写的。通过向其中一些技术添加跨平台功能，我们已经能够在现有基础设施上改造人工智能应用程序，从而确保它们更好地协同工作。对现代云原生属性和人工智能功能加以分层才是我们在这一特定解决方案中真正使用的方法。

这种跨平台互操作性的推动力量是什么？

Scott Chmiel：通常是现有的硬件。而技术、基础设施可以应用于多种不同的解决方案，无论是零售应用、智能港口还是仓库，它们都会面临相同类型的挑战，因此可采用同样的技术并加以定制或重新封装。这为他们现有的硬件带来了额外价值，并通过先前无法做到的一些工作为这些硬件增加了价值。在智能港口的例子中，安全性有所提升，而这也适用于零售业：在起重机穿过仓库之前，要确保它所到之处没有人。

Steen Graham：从技术角度来看，我们得到了一份底层技术大礼，这里微软和英特尔® 的贡献尤其大。我们使用的缩写是 EFLOW，即 Edge for Linux on Windows，或者更准确地说是 Azure IoT Edge for Linux on Windows。这就是我们在 Windows 和 Linux 上提供的无需互让功能。其中的隐藏优势在于，英特尔通过投资其集成显卡实现了硬件加速功能，这让我们能够在已部署的基于英特尔的 CPU 上完成这些工作负载，而不必升级到昂贵的 GPS。现在，我们可以依托经济实惠的现成技术运行多个人工智能模型和多个摄像头画面，比如英特尔 NUC 迷你电脑平台，以及 Windows 和 Linux。这是一系列令人不可思议的技术，且由此我们能够部署现代工作负载，确保它们与现有基础设施实现互操作。

EFLOW 在港口的例子中如何工作？

Steen Graham：EFLOW 技术是去年年底才发布的，所以我们还处于磨合阶段。从业务成果的角度来看，我们尝试解决的问题是遇到的与周转时间有关的瓶颈：衡量集装箱装卸速度的操作技术指标。那么，我们如何优化这些起重机的周转时间？它们的装卸速度可以有多快？我们如何确保卡车在合适的时间和地点出现？与此同时，我们还要增强现场工人的安全体验。此外，我们也在跟踪二氧化碳排放量，因此我们关注的另一个指标是许多港口配合柴油起重机使用的混合动力起重机的效率如何。

EFLOW 还可能用于其他哪些用例或解决其他哪些挑战？

Scott Chmiel：商机很多：运输、工业和零售是几个不同的垂直领域。据我了解，微软和英特尔都非常关注零售业：该领域的商机是进行工作负载整合，整合监控和销售终端，让一台机器可以同时完成这两项工作。或者可能还有之前无法完成的新服务；一旦在交易中添加了视觉元素，您可以从中获得什么样的价值？

代码，底层技术，可以再次用于任何这些垂直行业。借助微软和英特尔通过 OpenVINO™ 所提供的加速器和工具，他们的大量工作已经完成。

Steen Graham：医疗保健是另一个可能适用的行业。如果关注一下医疗成像设备，比如超声波，会发现很多超声波供应商采用的都是 Windows 应用程序，但他们希望增加一些基于 AI 的全新功能。

比如，麻醉师有时候很难找到患者的静脉血管。您可以使用超声波设备来准确确定静脉的位置。您会采用现有基于 Windows 的超声波设备，然后叠加现代的深度学习技术。

我们还看到，运用计算机视觉在制造流程中进行缺陷检测方面的需求十分惊人，我认为这个用例有点不可思议。如果进行在线人工智能缺陷检测，您可以在制造流程的早期发现存在质量问题的产品。如果在流程早期解决这些问题，实际上最终会减少运行剩余流程所用的矿物燃料。

您能否谈谈此过程中所涉及的伙伴关系？

Steen Graham：Arrow 始终在寻求如何在合作关系中实现一加一等于三。因此，Scott 给我们带来了令人难以置信的思路，展示了这一底层 EFLOW 技术的价值，我们能够利用英特尔和微软的技术以及一些开源项目来构建该解决方案代码。Scalers 所做的是真正了解如何将所有这一切整合到一个高保真的企业人工智能解决方案中，然后提供该解决方案，并搭建定制人工智能模型以供部署。

Scott Chmiel：Arrow 称自己为协调者和聚合者，他们能够将不同的技术、服务或组件相整合，还可以帮助进行设计。对于一家有远见或面临挑战的公司来说，很难整合内部的所有资源或技能组合来完成端到端解决方案的全部工作。因此，Arrow 希望与最终用户合作，并引入适当的合作伙伴。我们帮助他们选择正确的解决方案，其中不仅考虑到了其最终用途，还考虑到了该解决方案的寿命，即总体的生命周期。智能港口，这不是几年内就能部署和完成的东西。而且这应该也是一项可重复的工作。开发该解决方案的公司，或将各部分整合到一起的公司，可以重复使用此过程，扩大应用规模，在整个生态系统中创造更多价值。 

关于 EFLOW 或关于这个话题，我们还应该了解些什么？

Steen Graham：我认为，谈到开发和软件工程的成本时，我们编写代码来整合这些伙伴关系这一步异常重要。这么多不可思议的公司带来了各种出色的技术，但很多时候缺少的是连接 API 的单行代码来真正推动转型。作为一个行业，我们确实有必要携手应对部署方面的挑战，因为在云中构建功能效果非常好，且现在此过程十分经济便捷。挑战在于在现实世界中进行部署，此过程需要持续学习、迁移学习以及持续注释。

最后，尽管我们在合成数据以及利用小型数据集创建人工智能模型方面确实日臻完善，但如果要真正推动社会进步，必须能够基于完备数据集搭建高保真度模型。且我们必须通过可解释人工智能来搭建模型，这样我们就知道为何作出如此决策，从而确保模型尽可能包容、准确。

Scott Chmiel：当我与具体某个垂直行业的公司员工交流时，不管是运营仓库的人员、港口上的人、还是监控或医疗行业的人，总会惊讶于他们对自己所从事工作的了解程度。随着这些解决方案变得愈加复杂，我想确保人们明白，没有必要去单独行动。现在早就不是打造一台设备去完成某一件事的时代了，一台核磁共振成像仪器不仅要检查视力，还要考虑如何与整个医院相整合。但公司不需要单枪匹马地去解决这一问题。而且，面对这些复杂性更高的解决方案，他们确实无法独自完成这项工作。对于可以做到的事，标准越来越低；过去无力应对的业务解决方案现在可以实现了，十分让人惊叹。

相关内容

要了解有关 EFLOW 的详情，请收听播客 快速跟踪创新应用程序：使用 Arrow 和 Scalers.ai。要了解 Arrow 的最新创新，请在 Twitter 上关注 @Arrow_dot_com，并在 LinkedIn 上关注 Arrow-Electronics。

 

本文由文案编辑 Erin Noble 编辑。

边缘 AI 推动可持续智慧城市发展

Posted on by Micah Kaplan

世界各地的城镇都希望改善空气质量、宜居性和交通流。但当涉及制定解决方案时，人们往往是摸着石头过河。

“许多城镇用来统计交通量和行人活动的方法已经过时，而且依靠缺乏事实根据的信息来制定规划、政策和投资决策，” SSE Energy Solutions 的智慧城市和场所负责人 Patrick Mitchell 说。SSE Energy Solutions 是英国能源提供商和分销商 SSE 的一个部门。

由于缺乏基于事实的数据，很难证明那些由税收提供资金支持的绿色项目是否能够按照预期或预测的那样发挥作用。而当新的步道、匝道或停车换乘系统投入使用后，官员们缺乏用于衡量其效果的方法。因此，许多地方政府官员都面临着如何跨越蹒跚学步的阶段，大步迈向可持续性目标的挑战。

全新的基于 AI 的光学传感器系统正在开始改变这一局面。通过收集和分析与交通和行人有关的数据，结合来自环境传感器和其他来源的信息，官员们可以做出基于证据的决策，来支持绿色项目。而在部署新的解决方案后，还可以对结果进行监测，因为随着城镇的发展和改造，结果会对优化和变革产生影响。

智能空间降低能源成本，提高安全性

虽然物联网传感器技术很复杂，但它可以轻松部署到路灯杆上。自 2010 年以来，SSE 一直在做这方面的工作，为汉普郡议会和南安普顿市议会等地方当局开发遥控路灯。在英国和爱尔兰，SSE 解决方案已经安装到超过 40 万根路灯杆上。

借助附在灯杆上的传感器，城镇管理者可以远程开启、关闭或调暗路灯，从而帮助降低能源成本并减少碳足迹。如果突发事件发生在夜间，则相关部门可以为到达的紧急救援人员“照亮”问题区域。

建设可持续发展型智慧城市

部署街道照明控制系统后，紧接着是 SSE Sentinel 光学传感器的开发。安装在康沃尔、斯劳、彭布罗克郡等地路灯杆上的光学传感器可捕获有关街道活动的深入信息，为城镇管理者提供必要的工具，以制定更环保的计划。

Sentinel 在轻巧的 AI 边缘网关上运行，可收集、处理细节丰富的车辆和行人交通图像。它会通过蜂窝网络将选定数据安全地发送到 SSE 智慧城市和场所平台，在那里对数据进行可视化处理和分析，用于规划和证据洞察（图 1）。

AI 和城市规划考虑使用安装在路灯上的传感器收集行人、车辆和交通信息。
图 1。SSE Sentinel 光学传感器收集车辆、行人交通和其他有助于设计可持续智慧城市的数据。（来源：SSE Energy Systems）

“数据会揭示并突出显示重型货车、轻型货车、出租车、公共汽车、摩托车、电动滑板车等分类，” Mitchell 表示，“它还提供行人数据，可包含人流大小及移动路线信息。”

为了以近乎实时的方式处理数据密集型图像，该解决方案采用高性能英特尔® 处理器。通过英特尔® OpenVINO™ 工具套件部署的算法可以清除面部特征和车牌号等隐私细节，仅传输城镇需要的信息。

客户可以将传感器数据与季节、一天中的时间、天气以及关键的空气质量等信息相结合。

“地方当局可能会发现，空气质量下降与通过特定区域的车辆数量和类型之间有直接关系。用硬性数据取代轶事证据提供了非常强大的工具，可供地方当局证实政策变更的合理性。”Mitchell 解释道。

例如，许多规划者将重点放在振兴城镇中的主要商业街区，过往交通产生的噪声和废气可能令行人和购物者望而却步。收集和分析与空气质量、车辆交通和行人轨迹相关的数据可以支持变更。官员们可能会决定改变交通路线，降低速度限制，为自行车和行人开辟绿色通道，或者建立停车换乘系统。“让人们离开油耗高的私家车、转乘公共交通是地方当局的一个主要目标。” Mitchell 表示。

城市还可以通过规划公共工程项目来减少破坏性。“如果你能用证据证明封路或维修对商业造成直接影响，你可以提出质疑，‘这个活动的时间合适吗，或者我们可以换一种方式来处理吗？’” Mitchell 表示。

一旦解决方案到位，官员们就可以通过监控交通、空气质量和行人活动，来了解效果如何。积极的结果可以增加公众信心，并为更多可持续项目铺平道路。

AI 和城市规划

Mitchell 认为，随着环境和可持续性问题的增多，城市和社区很可能会扩大对智慧空间的利用。例如，排水系统中的传感器可以检测管道堵塞并通知维护人员。通过将该数据与洪水和天气条件的历史信息相结合，市政官员可以预测即将到来的风暴的影响，并优先安排修复措施，从而将洪水灾害的影响降至最低。

预测性分析和智能技术还可以帮助当局更有效地推出智能和可持续的举措。

“电动车将在未来几年取代传统的汽油和柴油交通工具。规划者需要知道在哪里放置电动车充电中心，并增强电力输送基础设施，因为目前并非所有地点的基础设施都够用。” Mitchell 表示。

随着城市更仔细地审查能源使用情况，它们可能会决定使用人工智能分析作为碳交易系统的支柱。“数据和分析将至关重要，”Mitchell 说，“我们相信软件平台将为未来的基础设施管理和规划提供重要的支持。”

 

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

AI 虚拟人物闪亮登场，帮助公共场所恢复运营

Posted on by Micah Kaplan

各种类型的企业都在努力应对疫情，但博物馆之类的公共场所已完全停业。在某些地方，这种情况已持续一年以上，但即使在解除限制后，在顾客打消对公共场所的疑虑的同时，这些设施仍必须保持卫生和安全。

众所周知，疫情生活带来的许多悖论之一，在于曾经为访客提供帮助的人类员工，现在反而可能成为一种危险因素。这让安大略省军事博物馆等公共场所别无选择，只能寻求技术解决方案。迄今为止，人们做出的响应大致类似，但并非所有响应都符合预期（视频 1）。

视频 1。Cloud Constable 的下士长 Lana 是一个 AI 驱动型动画虚拟代理 (AVA)，她将在安大略省军事博物馆充当讲解员和健康筛查员。（资料来源：安大略省军事博物馆）

认识下士长 (MCpl) Lana。她既是迎接来访者的健康筛查员，也是可提供博物馆及其活动相关信息的讲解员。她恰恰也是一个 AI 虚拟人物。

或者，更准确地说，是一位动画虚拟助手 (AVA)。

动画虚拟助手剖析

MCpl Lana 由加拿大高科技创业公司 CloudConstable 开发，是几个可定制的 AVA 人物之一，其最初的设计目标是帮助改进智慧城市、医疗保健、娱乐和其他高客流用例的用户体验。疫情爆发后，那些用例已扩展到包括各类公共场所的无接触健康筛查和接触者追踪。

“我们拥有北美最大规模的可运行军用车辆馆藏，”安大略省军事博物馆运营经理 Dan Acre 表示。“我说的‘可运行’，是指它们能够驾驶。我们拥有从二次世界大战到现在的各类坦克。”

“我们增长营收的一个重要方式之一，是每月举办表演，”他补充说。“我们吸引了许多人前来消费，以观看表演，去礼品店购物，付费驾驶车辆。那是我们的常规运营方式，但在新冠肺炎疫情期间，那种运营模式由于能够到现场的消费者人数剧减而受到极大限制。”

由于在任何给定时刻允许进入博物馆的人数受到限制，馆方对 MCpl Lana 进行了重新部署，将其原始的博物馆导游角色转变为帮助完成登记。这意味着利用 AVA 由 LWIR 热扫描仪组成的复杂感知感测套件来进行体温筛查，利用连接到基于云的语音引擎的麦克风，以及两个英特尔® 实感™ 摄像头进行匿名化人员统计、面部和手势识别（图 1）。

在装有英特尔® 实感™ 摄像头的屏幕上显示的自动虚拟助手
图 1。CloudConstable 的动画虚拟助手 (AVA) 以两个英特尔® 实感™ 摄像头为基础来实现其感知功能。（资料来源：英特尔）

利用实感摄像头，Lana 能够统计来宾人数，扫描入场券或二维码，以及捕获“空气接触”输入，以便用户无需接触即可做出选择。摄像头拍摄的图像和视频将发送到附近的英特尔® NUC 9 Pro 迷你电脑，并在其中实时执行使用 OpenVINO™ 工具套件开发和优化的 AI 推理模型，以实现更高级的功能。

“如果您是一名工作人员并且大家都认识您，那么，她会通过面部识别准确确认您的身份，和您打招呼，并快速提出所需的筛查问题。完成之后，她会向您表示欢迎并说：‘欢迎光临。祝您愉快！’”CloudConstable 总裁兼首席执行官 Michael Pickering 解释说。

“另外还有一个头部动作模型，我们使用它来了解您的观察方向。我们正尝试检测表示‘是’的点头动作或表示‘否’的摇头动作，”他继续说道。“MCpl Lana 希望了解您是转向右侧还是左侧，并正视您以尝试进行虚拟眼神交流。我们希望了解与她进行交互的主要人员，那大概就是某个盯着动画虚拟助手的人员。”

除进行视觉处理以外，NUC 9 Pro 迷你电脑的酷睿™ 处理器还支持英特尔® 主动管理技术，可对 AVA 平台进行安全的远程管理，以便 CloudConstable 工程师进行系统维护和升级，而无需亲自前往现场或培训博物馆员工。

Acre 表示：“新冠肺炎疫情爆发后，它成为了一个完美的系统，可进行筛查，提出问题，最后通过红外线传感器测量相关人员的体温。而且，该系统足够智能，当您给出若干否定回答时，它会阻止您进入。”

动画虚拟助手登场

很明显，AVA 平台对于各种用例的适应性是它的核心优势之一。我们不仅可以修改动画人物的外观以适应环境，而且还可以优化它与用户交流的内容和方式。例如，MCpl Lana 已针对该博物馆进行了量身定制，可回复常见的问题，如礼品店是否征收销售税，或指出洗手间或特定展览的位置。

但是，该博物馆还进行了一些调查，以了解根据其用途对 AVA 平台进行定制的其他独特方式。这包括推出虚拟奖章展览，在该展览中，顾客可利用 AVA 平台来扫描加拿大军事奖章，然后，下士长 Lana 将识别奖章并提供与其有关的历史背景信息。

此外，该博物馆还在举办一场大型互动展览，以模拟在博物馆所在的真实机场周围发生的坦克战。作为该计划的一部分，CloudConstable 正与架构设计公司 Cord Design 合作，通过创建您可在其中“兜风”的交互式地图（包括所在区域的建筑、环境和地貌的三维模型），对机场物理空间进行情景化。

最终，他们希望利用英特尔 Game Dev AI 工具套件和 Gaia ML，用虚拟作战坦克来填充地图，并营造一个环境，提供与坦克指挥官或驾驶经典战车的炮兵类似的用户体验。届时，AVA 将再次以导游身份提供帮助。

用例灵活性走向虚拟化

当一切都不确定时，灵活性至关重要。CloudConstable AVA 等平台以集成程序包的形式为公共场所提供了适应能力，该程序包支持大量免接触技术，可执行一系列以前需要人力资源的功能，甚至可完成某些人类无法执行的任务。

借助现成可用的开源技术构建模块，灵活的 AI 现在已在公共场所随处可见。

 

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

找到平衡点，帮助半导体设备焕发新生

Posted on by Micah Kaplan

半导体制造设备是世界上最昂贵的一类设备，每台机器的均价轻松超过100万美元。某些仪器，如极端紫外 (EUV) 扫描仪，则可能耗资数亿美元。

可想而知，半导体制造商希望保护这些投资。如果最初的价签给出的理由还不够充分，那么围绕这些商品还形成了二级市场，将其使用寿命延长到自初次部署起的几十年后。

显然，在这两个因素的刺激下，半导体设备的所有者和制造商均致力于让设备以最佳状态运行尽可能长的时间。

这种渴望在电子行业制造出一种有趣的现象：一些世界上最先进的技术竟是用老掉牙的设备生产出来的。当然，这些系统可以像任何其他电子系统一样进行升级。但随着半导体制造设备的老化，如何改造半导体制造设备，让它们跟上当今的性能标准正变得越来越困难。

例如，在一台机龄长达数十年的光刻机上添加最先进的电子束或 EUV 仪器，就可以制造出含有微型硅晶体管的芯片。但为了在设备的控制单元之间紧锣密鼓地精准传输大量数据，还需要大幅提高系统吞吐量。

帮助半导体制造设备跨越代次

为了抵消无尽的升级成本，半导体设备制造商多年来一直在根据 VME 等行业标准设计控制系统。VME 标准的开发始于 20 世纪 80 年代初，由多家供应商提供。该标准定义了一整套印制电路板 (PCB)、连接器和信号系统，因此，当发生损坏或需要升级时，可以用新的电路板来替换现有的电路板。

从理论上讲，这意味着传统 VME 控制板可以由性能更高的控制板替代，用于获得现代半导体制造设备所需的更高带宽。但要最大限度地发挥这种性能，并不是仅仅选择一块配备先进处理器的主板，将其插入系统就万事大吉了。

Advanet 是欧陆科仪集团 2011 年收购的子公司，专门为半导体制造设备等先进系统提供原始设计制造 (ODM) 服务。这家总部位于日本的公司与许多世界领先的半导体设备制造商展开直接合作，帮助他们集成新的处理器技术、传统硬件和通信协议——以及一些最复杂的仪器。

“从某种角度来看，你的机器具有两档速度。” Advanet 的产品营销主管 Luca Varisco 解释道，“这台机器的某些部件可以使用 30 年。与此同时，另一些部件则非常、非常先进，随着紫外线波长的缩短而频繁更换。波长越短，你就需要对聚焦紫外线光束的机器进行越精准的控制。”

“正因为如此，CPU 也必须与时俱进，”他继续道，“因此，你必须在 30 岁高龄的 VME 技术和最新的 CPU 技术之间取得平衡。这正是我们的团队致力于处理的棘手问题。他们所做的，基本上就是把超级天才的大脑移植到恐龙的身体里。”

要取得这种平衡，I/O 子系统是重中之重。它必须始终严格遵循标准，但又要随着 CPU 发展而发展，以避免在低速接口和高性能处理器之间形成数据瓶颈。但与此同时，整个控制机制的规格还必须始终符合来自上个世纪的系统的功耗和散热范围。

用于制造芯片的芯片

当 Advanet 接受一家领先半导体制造设备供应商的委托，为其升级电子束光刻机控制子系统时，对方的主要诉求除了运行稳定性和长生命周期支持以外，也包括了以上几点。

特定控制子系统的主要职责是将光刻系统中用于会聚电子束的透镜聚焦到目标衬底上。要达到纳米级的精度，需要极高的算力，还需协调设备的多个控制端点。当然，设备中有无数必须与控制系统进行交互的遗留组件。

为了融合新旧技术，Advanet 开始围绕全新英特尔® 至强® D-1700 处理器（代号为“Ice Lake-D”）开发解决方案，这就是 Advme8088。Advme8088 是一款 6U、单插槽的 VME 主板，搭载多达 4 个内核的至强 D-1700 处理器，但 TDP 额定值不高于 50 W。

同样重要的是，Advanet 板卡同时配备可信的 VME 连接器和现代接口，如 Serial RapidIO Gen 2、PCI Express Gen 3 和多个千兆级以太网端口。

他们开发出的光刻控制子系统基于背板，由一个带有 8 到 12 个 Advme8088 板卡的 VME 机箱、两个或三个同样由 Advanet 开发的定制光路板和一个电源组成。Advme8088 和其他板卡通过 VME 连接器插入背板，后者负责在板卡和设备中的传统组件之间传输信号。背板上的现场可编程门阵列 (FPGA) 充当 VMEbus 控制器，功能灵活，既不容易被淘汰，还可承担一部分信号预处理工作。

与此同时，Advanet 板卡上较现代的接口则可最大限度地发挥板载至强 D-1700 处理器的性能。例如，在光刻子系统项目中，在至强 D-1700 的支持下，经过配置的英特尔® Time Coordinated Computing（英特尔® TCC）与 Advme8088 的 GbE 接口配合使用时，能够以低于 200 微秒的延迟同步在控制端点之间传输的以太网数据包。

这套控制网络还管理着电子束透镜的位置和朝向，以及设备上的其他制程阶段。

传统光刻设备焕发新生

尽管人类对性能的需求似乎永无止境，但在可预见的未来，VME 产品仍在许多控制系统中占据核心地位，从而将继续在半导体制造设备中得到应用。

当然，无论你的工程团队多么具有创造力，所有的技术——甚至那些基于标准的技术——都终将过时。这一点可以从光刻控制系统的背板 FPGA 上得到印证。某种程度上，它是 VMEbus 控制器芯片的替代方案。VMEbus 控制器芯片的供应商越来越少，与此同时也变得越来越昂贵。

这就是为什么至强 D-1700 处理器提供宽温度范围、长生命周期的嵌入式选项，并享受七年或更长时间的支持。而 Advanet 则承诺为其解决方案提供长达数十年的支持。

“这乍看上去很奇怪，因为人们一看到 VME，就会忍不住说，‘30 年前的技术？有没有搞错？’”，Varisco 解释道，“但实际上，这正是半导体市场上最缺乏的部分，因为你不能淘汰它。”

而且归根结底，你也并不想淘汰它。毕竟，考虑到一级和二级市场价格，它属于一台身价高达数百万美元的设备。

 

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