嵌入式系统:平衡功耗、性能和人工智能

在嵌入式系统行业,一切都是为了达到一个平衡点:边缘与云;软件与芯片;高性能与速度;功耗与能效。当然还有成本!在诸多行业中,不同的应用有各种选项为其提供支持,随着边缘和人工智能变得越来越普及,这种情况更是如此。

我们向 Avnet and Tria Technologies(前身为 Avnet Embedded)全球营销总监 Alex Wood 询问了有关嵌入式系统的全面信息。他谈到了依赖嵌入式系统的广泛行业、人工智能对整个行业的重要性,以及找到处理器性能与效果的恰当平衡(视频 1)。仅仅因为一家公司可以拥有最新、最快的处理器,就可以了吗?或者仅仅是因为该公司部署了新处理器来创建一些耀眼的新技术或应用,他们的客户就会想要使用吗?

视频 1。来自 Tria Technologies 的 Alex Wood 讨论了真实世界边缘 AI 应用及其需求。(资料来源:insight.tech

嵌入式系统领域当前的技术趋势是什么?

我认为我们正处于行业的转折点。在人工智能领域,人们非常重视将工作部署到云端。同时,那些想要把工作部署在边缘的人会遇到很多阻力。但这两种人都会有各自的挑战和潜在的挫折。客户对我们说:“我们希望利用这种技术,但我们不太确定如何利用它。”

在边缘推动人工智能有哪些挑战?

我认为性能是关键,这决定了人工智能的成败。人工智能消耗大量数据,对能源的要求极高。人工智能让比特币现在看起来几乎属于节能产业。许多企业没有意识到这些应用程序在边缘消耗了多少能源。他们将需求外包给了数据中心,因此不能第一时间了解这些挑战。

因此,我认为降低执行这些应用的功耗要求将是一项关键挑战。这将决定人工智能是否在这波热潮中持续发酵 — 取决于您如何定义人工智能及其工作原理。随着这些应用程序访问和导入大型数据模型并实时处理任务,它们都需要更节能、更具热效率的处理能力。

您的客户现在正在构建哪些应用程序?

目前我们正在与客户合作完成很多不同的事情。例如,一种新型农业应用将人工智能作为替代方案,执行将危险的永久化学物质放入土壤这样的任务,或者提高农业效率。

您可以训练人工智能机器人识别田地里的杂草,并区分哪些是杂草和害虫,哪些是农作物和无害昆虫。如果没有机器人,则必须人工步行穿过田野,拍摄不同植物的照片,然后再将知识传授给在这些田地里工作的人们。您可以创建一个人工智能应用程序来为您进行作物检查。

您希望能够在边缘对机器人进行编程,以便进行基于边缘的人工智能识别;您不一定想将所有这些内容放入数据中心。在这种情况下,您也不一定拥有可靠的蜂窝数据连接。就处理要求而言,视觉技术是实现质的飞跃的关键 — 实时视觉人工智能能够尽快识别它所看到的内容,然后在短时间内根据识别结果采取行动,而不必将信号送回数据中心进行处理。

另一方面,比如家用的自动割草机,他们可以在草坪周围绘制出最佳工作路径。一个是面向未来的大型公益解决方案;另一个是更实用、更现实的解决方案。正是现实世界中的这些真正的挑战让技术得到了充分的检验。

在高性能处理器方面,用户应该考虑什么?

我们的许多客户都会为不同的市场创建不同等级的产品。在规模化农业中 — 比如在拥有巨大农场的美国,他们希望能够快速完成任务,并且他们会有最高级的解决方案来覆盖大型农场的广袤面积。他们也有能力和资金来投资。也有速度较慢、更便宜的中端应用,当然还有更低端的选择。

对我来说,现实中的应用推动了该行业的发展。我总是想起了互联网上的一张图片:这是一片田野,还有一条围绕四周的人造路径。然后有一条被走过的小路,斜着穿过田野,人们刚刚走过这条小路。这就是设计与用户体验的关系。

我们最近在人工智能/物联网领域看到了这一点,人们都在谈论有哪些可能性,但最终的成功是由实际使用并发现它的作用的用户来定义的。我最近将旧冰箱升级为半物联网模型,它会告诉我冰箱门是否打开或者温度是否过高或过低。我不需要屏幕提供有关天气的信息,我的厨房里已经有一个单独的显示器,我也不需要摄像头。但如果门没关,它就提醒我,这一点我会喜欢。这些现实生活中的应用就在我们身边。

处理器与内存的组合有多重要?

它和我之前所说的能效有关。如果我正在组装一台游戏电脑,我希望拥有更高的帧速率,让视频渲染速度更快。但上次我升级显卡时,我的电源设备的尺寸较之前增加了两倍。我当时用了 1000 瓦的电源驱动这台电脑设备,而以前 300 瓦就已经很多了。您可以囊括所有的技术创新以及令人兴奋和您想要的任何装备。但实际上,您必须以一定的功耗运行才能获得您想要的效果。您必须牺牲一些东西才能获得其他东西。

看看电动汽车:您给它添加了很多花哨的东西,所以它变得越来越重,以至于续航里程都缩短了。但是,如果您想要车子的续航里程更远,就必须改进空气动力学,这意味着放弃电动座椅等设备以减轻重量。因此,您必须找到一个平衡点,即在所有应用之间的最佳位置。

对于大多数客户来说,与其说是获得更强大或最强大的处理器,不如说是在应用特定的消耗、续航和能力之间取得平衡。当然,对于某些客户来说,出于营销目的:他们想要购买绝对顶级的旗舰处理器,即使他们可能根本用不到。有时候,根据他们的应用,也许真的需要这样做。但我倒愿意与客户坐下来谈谈:“告诉我您真正要构建什么。”而不是说,“您需要最顶级的产品。必须是 i9 处理器。”

Avnet/Tria Technologies 如何满足用户的各种要求?

我认为我们的产品范围非常广泛,从小型低功耗计算应用,一直到配备服务器级英特尔处理器的 COM-HPC。这些是专为基于边缘的图像处理和人工智能应用而设计的,但它们的尺寸也更大。因此,您必须保持尺寸和功耗之间的平衡,然后看看性能如何。

许多较大的模块、COM-HPC 模块都与主板大小相近,所以您必须将它们放入专用机箱中。除非产品的尺寸巨大,否则您不能将这些模块直接嵌入产品中。公共交通是我们目前正在研究的一项大型产品。对于这样的产品,能够从火车或火车站的大量传感器中获取数据,分析所有数据,实时做出反应 — 这就非常需要一台本地服务器。而且,有时可靠的数据网络也不是绝对可靠。

您能否谈谈 Avent/Tria 与英特尔的合作关系。

例如,我们与英特尔合作开发的协作机器人 — 这是为我们的一家客户研发的合作型机器人:将实时图像传感器嵌入到协作机器人环境中,让机器人能与人类在同一空间中安全工作。如果人类进入机器人的空间,机器人的手臂就会停止移动;如果人类拿起东西,机器人就会知道东西在哪里,并从人类手中接走东西。

我们今年在纽伦堡展示了嵌入式空间的初步示范。图像处理是围绕基于英特尔的 SMARC 模块和基于英特尔的 COM-HPC 模块的组合而构建的。这两个模块可以相互通信以分析摄像头发出的信号,然后与机器人实时通信。

我们为客户选择的处理器取决于需要嵌入的模块的大小和形状。我们通常提供英特尔凌动® 和英特尔® 酷睿 系列,在服务器端则提供英特尔® 至强® 系列。看到产品团队将产品嵌入如此狭小的空间里,真是很酷的事情。我多年来一直在研究主板和主板工艺,因此看到这种计算应用在如此小封装中进行各种热管理 — 这是一门精细的艺术。

在产品将要使用的环境中开发应用对我们来说是一项令人着迷的挑战。能够部署英特尔处理器及其功能,同时采用我们正在开发的基于人工智能的新工艺,将这些功能融入到小型产品中从而在边缘使用,这也是非常让人振奋的事情。

最新的人工智能技术如何推动嵌入式系统的进步?

我最近参加了一次英特尔人工智能相关的活动,那些围绕人工智能如何在边缘加速应用的研究非常有趣。有些超市结账应用程序可以自动识别您持有的产品,以及实现超市排队管理自动化。

戴尔也上台展示了​​他们将要发布的内置人工智能应用程序的笔记本电脑 — 这是一款人工智能设备,而不是计算设备,并且真正融入到协作式人工智能应用程序环境中。英特尔展示了一段研究视频,是基于图像处理平台在非洲发掘未来有奥运潜力的运动员的案例。内容真的非常精彩,也打开了我的想象力。

我认为人工智能目前正处于一个转折点,而边缘计算也正处于一个关键点 — 能够将人工智能应用程序从云中转移到设备上。在这个领域利用小型计算和人工智能来工作是非常让人激动的。

相关内容

要详细了解最新的边缘人工智能创新,可以看看英特尔全球合作伙伴在其行业中的表现,并收听我们的播客超越宣传:真实世界边缘人工智能应用。要了解 Tria Technologies 的最新创新,请在 LinkedIn 上关注他们。

 

本文由文案编辑 Erin Noble 编辑

加速介入放射系统开发

长期以来,医生一直都依赖诊断放射学来识别和定位患者疾病,以给出治疗方案。现代介入放射学 (IR) 设备允许他们在手术室中获取实时医学图像,从而了解手术情况并加速进程。

医院希望扩大 IR 的使用范围,因为它可以降低成本、风险,提升治疗效果,减少住院时长。但是,这些系统的设备制造商很难满足他们的需求。构建一台可以快速分析医学影像并提供实时指南的 IR 机器从技术角度来说很复杂,且医疗设备需要经过冗长的认证审查才能发布。

嵌入式计算 OEM 帮助医疗设备提供商克服了许多障碍。举例来说,诸如 Siemens Healthineers(领先的医疗保健技术创新者)HY Medical(计算机视觉医疗成像系统开发商)以及数字手术平台提供商 Caresyntax 等公司可以获得产品设计和技术选择的专业帮助,更快获得认证,并更快向客户交付设备。

通过在设备中添加合适的硬件,他们可以确保医院和诊所获得长达多年的支持,而无需在升级和维修上投入大量成本。

在医疗成像中使用 AI

“IR 系统由一系列硬件和软件组成,这些组件必须无缝协作,才能够提供近乎实时的结果,设计非常复杂。”这些设备用来治疗患者,被分类为安全关键型,所以必须满足严格的技术要求才能获得认证。将新产品推向市场通常需要多年时间。

Prodrive Technologies 是全球 OEM 和嵌入式计算系统制造商。拥有在医疗技术领域深耕的合作伙伴对于医疗设备制造商至关重要,这便是一个很好的例子。“构建、测试和集成复杂系统是我们过去一直在做的事情,” Prodrive 的销售经理 Bartosz Straszak 说。

除了放射技术外,该公司还擅长医疗机器运营的基本技术,包括运动控制 – 很多 X-ray 和 CT 机器在手术中需要稳定 C-arm。C-arm 围绕患者旋转,以多角度获取实时、高清的图像,为医生提供手术区域的多维度视角,而不需要移动患者。Prodrive 还生产梯度放大器,可调节 MRI 机器中的磁场传递。

“从捕获图像到处理图像,我们拥有专业经验和组件帮助开发人员构建系统。当他们有定制需求时,我们可以将它们纳入,提供一个完整的产品,” Straszak 说。

Prodrive 还在自己的设施中进行测试、验证和认证安全关键型产品,可能会节省几年的开发时间。尽管公司不设计软件,它可以帮助建构商作出高效部署的决策。例如,如果建构商想要使用 AI 软件近乎实时地自动注释医疗图像,Prodrive 可以帮助他们选择最佳硬件平台,以高效运行程序。

Prodrive 还可以为软件合作伙伴推荐设备制造商,帮助完成训练如计算机视觉模型识别医疗图像的任务等。“我们通过向客户介绍合适的软件合作伙伴来帮助他们。这样便成为了一种三边合作伙伴关系,” Straszak 说。

利用高性能计算支持关键系统

高速、可信的硬件是 Prodrive IR 系统的核心。“图像处理是计算密集的过程,我们依赖英特尔组件作为它的基础,” Straszak 说。

Prodrive 的 Zeus 服务器使用第四代英特尔® 至强® 可扩展处理器和第五代英特尔® 至强® 可扩展处理器,可几乎实时处理数据密集型图像。公司的 Poseidon 工业电脑使用第 13 代英特尔® 酷睿 处理器和第 14 代英特尔® 酷睿 处理器,让医疗从业者可以进行实时 AI 图像分析和编辑 – 这一功能最近因英特尔处理器速度和效率的提升得以实现。

“最新几代英特尔酷睿处理器相比五年前,功能提升了三到四倍。这让建构商可以创造以前因成本太高无法实现商业化的解决方案,” Straszak 解释道。

设备制造商及其医院客户得到的另一个好处是电子硬件的长期支持。“英特尔为嵌入式计算设备提供超长的生命周期 – 长达 15 年。这意味着如果产品开发需要两到三年,设备仍然可以制造生产 12 年,并不作任何改变,” Straszak 说。

可靠性和持续的维护对于医院器械来说是非常有力的卖点。在患者身边使用的硬件,即使是微小的修改也会引发重新认证的需求,无限期延迟广受欢迎设备的部署。

不断发展的 IR 未来

随着 IR 深度学习模型从运行中的系统收集更多数据,它们的准确性和能力将继续提高。未来,生成式 AI 可能会在为医疗人员注释图表、创建外科报告摘要等方面发挥作用。

“很多情况下,AI 可以看到人眼看不见的细节,但有时候它无法作出准确的决策,” Straszak 说。“生成式 AI 可能可以解释 AI 决策,然后由人类进行验证。我们必须能够信任 AI 的输出,才能创造新的功能。”

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

数据可观察性:金融技术运营保持节奏

在数据驱动的世界,确保数据在合适的时间送达正确的接收者,对各种规模的企业而言均至关重要。为实现网络性能与业务功能的最优化,企业需细致观察、精准识别并严密监控流经其基础设施的每一条数据流的状态。

“数据可观察性涉及数据系统(涵盖数据管道、数据库及数据湖)健康、可靠性及质量的保障。它涵盖数据质量、流向、性能及使用情况的监控,以主动发现并解决问题,确保业务所依赖的数据既准确又可信,” Telesoft Technologies Ltd. 的 首席技术官 Matt Dangerfield 指出。 该公司是一家全球领先的金融科技、网络安全及政府基础设施解决方案提供商

该能力在高速金融交易领域尤为关键,因为这里有 TB 级的数据持续穿梭于技术堆栈之中。即便是单个数据包丢失,也可能对价值数百万的交易构成威胁。

“在金融机构中,我们提供全面的数据可观察性,以优化终端客户体验、识别网络问题,并确保监管合规与有效治理。我们的产品能够无缝融入现有基础设施,提供综合性的协调解决方案,” Telesoft 产品管理主管 Jenna Smith 指出。

克服金融科技领域的可观察性挑战

金融科技领域面临的最大挑战之一是确保数据跟上业务发展的节奏。

“许多对冲基金和高频算法交易均依赖于纳秒级的决策速度,” Dangerfield 解释道。“市场参与者产生的海量数据只会加剧这一挑战。24 小时内流动的数据量可达 PB 级,因此我们不仅需要迅速处理这些数据,还须借助合适的技术提取具有操作性的洞察。”

Telesoft 提供了这一“合适的技术”——一个全面的数据可观察性综合套件。

为收集网络指标,Telesoft 通过部署流量探针捕获、分析并对线路上的每个数据包加时间戳,对包括发送人、接收人、数据量及潜在问题(如丢包或延迟)在内的流量数据提取网络遥测信息。该技术还能监控并预警微突发现象,即网络流量突然激增导致路由器过载,引发瓶颈问题。对于分发市场数据的金融科技实体而言,该探针还能监控关键数据包的顺序,识别提示数据包丢失的卡顿。Smith 强调:“每个客户都必须接收到完整的数据包;任何数据包的丢失都可能导致关键交易的错失。”

为此,Telesoft 提供了下游数据包捕获设备,实现网络流量的全面无采样记录,助力客户满足监管合规要求,并提供价格数据交付公平性的证据。每个数据包均附带时间戳,以明确来源并提供发送证明。这些记录在解决纠纷时发挥着关键作用。例如,当两个客户出现连接中断,附上时间戳的数据能帮助金融机构迅速定位问题源头,是经纪商、交易所还是客户自身。金融机构高度重视自动化数据捕获在取证与报告中的应用,此举可显著缩短分析师的调查时间。

Telesoft 通过构建数据湖实现全面可观察性。该数据湖汇聚了网络各处部署的探测包捕获的数据,以及从核心基础设施中提取的额外网络遥测信息(如日志文件),并通过添加额外上下文来丰富数据。构建这样的数据湖可为顶层应用带来便捷:AI 与机器学习作为可观察性平台的核心要素,能够在潜在的网络问题浮现前自动完成分析、预测并触发警报。

Telesoft 平台依托最新的英特尔 CPU,并利用英特尔 FPGA 技术的强大性能提供超高速、高密度的解决方案。该公司自主设计与制造的 PCIe 接口卡确保了其产品背后的核心技术完全可控。

Telesoft 亦将可持续计算作为关键优先事项。Dangerfield 指出:“我们通过优化工程设计将传统的五个机架金融技术整合至单一机架中,有效降低了客户数据中心的运营成本和能耗。”这背后离不开英特尔技术的支持。

数据可观察性的应用:容量规划与客户体验提升

容量规划对金融机构至关重要,它确保网络基础设施能够从容应对当前及未来的交易负载,同时维持最佳性能并最大限度减少停机风险。金融机构有信心保证能在市场活跃期应对交易量的激增。

“我们的解决方案是监控与基准化每个网络链路的带宽利用率。机器学习和 AI 技术能够实时跟踪带宽利用率的变化,并据此预测未来的吞吐量需求,以便在发生问题之前及时向网络管理员发出警报,” Smith 解释道。“若链路流量趋于饱和,则该流量中新出现的微突发或将导致网络基础设施超负荷,缓冲区超载,最终引发数据包丢弃。这些被丢弃的数据包可能会让客户错失宝贵的交易良机。”

然而,通过在潜在网络问题初露端倪时即进行预测、调查与补救,金融机构能够显著提升客户满意度与留存率,同时吸引新客户,于竞争激烈的市场中稳步推动业务增长。

展望人工智能在金融服务领域的未来

除了增强数据可观察性外,Dangerfield 还对人工智能和机器学习能为金融市场注入的“原始知识力量”抱有浓厚兴趣。传统上,套期保值和期货市场往往依赖于有根据的推测,比如酷热气候或供应链中断如何影响价格。如今,人工智能和机器学习的引入为这一过程增添了智能维度,使其能够识别数据中的复杂模式,从而做出更为精准的预测。

无论人工智能在金融服务领域的未来如何演变,其基石始终是数据可观察性。Smith 指出:“确保稳健的数据可观察性,是维持技术基础设施稳定运行的关键,而这正是高风险金融科技市场不可或缺的。”

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

零售业 AI 释放视觉数据的力量

摄像头在商店、百货商店和其他零售场所随处可见,这为零售商提供了一个潜在的、可用于 AI 应用的视觉数据金矿。通过将摄像头数据输入计算机视觉驱动的分析系统,零售企业可以优化运营、深入了解客户并制定更明智的战略决策。

“零售业的用例确实非常广泛”,Aurify 的首席执行官兼联合创始人 Pranita Palekar 表示,Aurify 是专注于零售业及其他行业的 AI 和视频分析系统专家。“计算机视觉可用于创建客户详细档案、分析店内购物者的行为、管理员工、监控货架、防止损失以及为智能数字标牌提供支持。”

当然,分析和运用大量原始视频数据可能非常具有挑战性,特别是需要实时处理或广泛的多地点部署时。但强大的边缘设备和成熟的 AI 模型部署工具使计算机视觉解决方案进入商店成为可能,创新型零售商已经利用了这一机会。

店内视频分析带来业务成果

以印度的两个 Aurify 零售业务实施为例。

在一个部署中,一家拥有 150 多个门店的领先店中店零售商希望更深入地了解客户,以改进营销和销售工作。领导层认为,当前的业务流程不准确且效率低下,因为要依赖员工手动统计和观察顾客,但他们担心高科技替代方案可能成本太高。

在另一个实施中,一家全国性时装连锁店面临着类似的挑战,而且规模更大。管理团队担心缺乏对其 700 多家门店的集中可视性,导致无法做出及时、数据驱动的运营和销售策略决策。

Aurify 基于其面向销售业的 StoreScript AI 视频分析平台,为这两家公司开发了定制的解决方案。现有的 CCTV 基础设施用于收集数据,然后对这些数据进行分析,以提供清晰的客户统计信息和实时的店内客流量。在时装零售商的实施中,包括了销售点 (POS) 监控和排队管理,以帮助简化运营、管理库存并深入了解客户购买行为。新获得的数据使商品策略发生了重大转变,进而使销售额大幅增长。

对于这两家企业来说,结果都是一个完全自动化的视频分析系统,不仅消除了繁琐的手动流程,还提供了所需的洞察,而实现这一切只需极少的资本支出。

其他客户还受益于如下用例的实施:计算停留时间与转化次数的比率、群体计数、热力图生成、营业时间自动跟踪以及跟踪任意给定时间的店内顾客数量。

灵活的技术栈意味着改造,而不是推倒重来

在对成本敏感的零售行业,决策者始终在寻找能够快速高效实施的解决方案。因此,灵活的计算平台是关键。Aurify StoreScript 解决方案与摄像头品牌无关,还可以使用来自 HD 或 IP 等不同类型摄像头的视频数据。在这方面,该公司与英特尔的技术合作起到了关键作用。

“我们的 AI 视频分析解决方案基于英特尔处理器,这些处理器可为边缘工作负载的计算机视觉提供出色的性能和稳定性”,总经理兼联合创始人 Rishi Palekar 表示。“这使我们能够使用来自现有 CCTV 源的原始摄像头数据,最大限度地降低客户的硬件成本并加快部署速度。”

从边缘到云端,Aurify 广泛使用英特尔® OpenVINO 工具套件来优化、定制和部署深度学习模型。这使得 StoreScript 能够适应多种用例,并支持本地、云端或混合部署模式。

结果是,零售商可以根据自己的独特需求来实施和定制店内 AI 分析解决方案,而无需对新的基础设施进行大量投资。

零售之外:AI 视频分析在不同行业的应用

零售 AI 平台的灵活性无疑会吸引众多零售企业。但这也意味着这些解决方案可以适用于其他行业。

Aurify 已经在开发面向各种行业的视频分析解决方案。在制造业,这些解决方案可用于增强来自对准工业设备的摄像头的视频数据,以检测异常振动并实现预测性维护。建筑公司可以使用 AI 视频分析来执行自动化质量控制,确保工人遵守正确的安全程序,并实时检测危险和事故。智慧城市可以使用边缘计算机视觉进行交通管理、公共安全和关键基础设施监控。

“AI 在软件和处理方面的进步使各行各业都有机会部署强大、可扩展的计算机视觉解决方案”,Palekar 表示。 “这将为许多行业的企业带来切实的效益,包括增长加速、支出减少和盈利能力提升。”

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

环保 基于占用人数的按需通风控制

想象一下,尝试计划一场晚宴,但不知道有多少客人会到场。无法做好准备。这是设施经理面临的日常挑战,他们实施按需通风控制 (DCV),却无法访问实时占用人数 (RTO) 数据。

按需通风控制根据楼宇的当前空气质量和温度需求,优化 HVAC 的使用,以提高能效。但旧的 DCV 方法通常依赖二氧化碳传感器,这缺乏实现最佳效率所需的数据粒度。

“基于二氧化碳的系统可以确定空间何时处于‘占用模式’,这意味着有人在房间里,但他们无法访问实时占用人数数据。” Feedback Solutions 的联合创始人兼首席执行官 David Whalley 解释道。这是一家提供基于占用人数的 DCV 解决方案的能效专业公司。“因此,即使只有少数人出席,他们被迫使用默认通风水平,即接近系统容量的 100%。例如,我们与客户合作,客户为 4,000 名员工建造了办公区,有时占用人数低于 300 人。”

这种过度通风的成本很高。但是,这也阻碍了大学、政府设施、商业办公楼和其他大型场所的温室气体减排工作,因为在这些场所,可持续发展是重中之重,而且在很多情况下,这也是一项合规要求。

但现在,灵活的边缘计算平台支持基于占用人数的按需通风控制解决方案。基于占用人数的 DCV 比使用二氧化碳传感器的旧系统更有效,已经取得了令人瞩目的实际效果。能效的提高是由于通风风扇所需电量降低,以及因加热或冷却所需的外部空气数量减少而节省了热量。

实现绿色建筑优势

相关案例是 Feedback Solutions 与纽约州能源研究与开发管理局 (NYSERDA) 在纽约大学 (NYU) 的部署。

在全球范围内,楼宇运营占 28% 的温室气体排放,但在纽约,极端温度和旧设施很常见,这个数字甚至更高。可以理解,纽约州和纽约大学的领导人都关心校园的能源效率。

Feedback Solutions 工程师与 NYU 学院合作,在牙科学院位于曼哈顿的华盛顿广场校园安装了一套基于占用人数的 DCV 系统。人员计数传感器实时监测大讲堂和其他大型教室的确切占用人数,并使用在英特尔设备上运行的 Feedback Solutions 软件,在边缘处理数据。然后,通过楼宇自动化控制网络 (BACnet) 协议,将产生的信息发送到大学的楼宇管理系统 (BMS),以便根据实际当前需求,自动调整通风水平。

与之前的解决方案相比,该方案大大提高了暖通空调策略的效率,因为之前的解决方案要求当系统处于占用模式下,通风设备以 80% 以上的功率运行。基于占用人数的新 DCV 解决方案能够在使用率较低的房间或使用人数不稳定的房间中,将空气质量和温度设定点保持在平均 30-40% 的容量范围内,从而使温室气体排放量总体减少 18%。Feedback 系统根据暖通空调区的人口数量,在后台自动调节通风率,而无需人工干预。

纽约大学对结果非常满意,并将该技术推广到校园内的其他 15 栋建筑。新解决方案带来的经济激励措施更是促使大学做出这一决定。除了直接节省 OPEX 费用外,NYU 还抵消与纽约 97 号地方法案(这是一项市政可持续建筑的命令)有关的罚款。此外,该大学还利用当地电力公司实施的激励计划,缩短了投资回收期。

Whalley 说:“在纽约和其他许多注重可持续发展的地区,地方公用事业公司提供了一些极为慷慨的绿色建筑激励措施。这些激励措施可以将已经很快的三年回报减少一半。”

面向未来、可持续的建筑

能够将老化的基础设施转化为更环保的建筑,这一点吸引了全球各地的大型组织和政府。对于需要设法减少现有建筑负荷以实现新建筑电气化的公用事业公司来说,这也是非常有吸引力的。

但是,在改造时,一个主要的绊脚石是每个设施都有自己的现有 BMS 解决方案,以及独特的需求和问题。为了应对这一挑战,解决方案提供商转而采用可以适应不同类型建筑的灵活设计。

例如,Feedback Solutions 提供了一个与传感器和 BMS 无关的软件平台。如果最终用户对传感器有独特的要求,或在其 IT 环境中运行多种 BMS 解决方案,仍然可以直接帮助建筑运营商和能源团队实施适合其需求的 DCV 系统(图 1)

Feedback Solution 的按需通风控制架构图
图 1。灵活的 DCV 解决方案架构与传感器和 BMS 无关,旨在优化能源消耗,同时提高占用者的舒适度。(来源:Feedback Solutions

该公司与英特尔的技术合作伙伴关系在开发这种多功能 DCV 平台方面发挥了不可或缺的作用。

Whalley 说:“我们使用的英特尔边缘设备功能强大、高度灵活。这使得我们能够为最终用户提供多种不同的配置,从将所有使用数据发送到云端的架构,到完全内部部署的解决方案,不一而足。”

创建整体数据分析策略

基于占用人数的 DCV 系统本身至关重要。但是,从楼宇中获取实时用户数据具有深远的影响,使得这些解决方案成为更大事件的一部分。

当组织知道其空间的使用情况时,可以释放巨大的价值。办公室和大学可以使疫情后的房地产足迹更有效率。设施管理团队可以更有效地安排时间,减少使用率低的楼宇的运行时间,更合理地分配清洁和维护人员。从长远来看,可以根据实际使用模式,就楼宇的重新利用或整合,做出数据驱动型决策。

这不仅仅是在不同领域增加价值。当建筑物使用数据看作是一种共同的结构时,就能以一种综合的方法来解决未来几十年中一些最棘手的问题。

Whalley 表示:“打破数据孤岛,就可以实施更复杂的优化策略。我们认为自己是未来的一部分,全世界利用整体解决方案,应对能效、空间利用和可持续发展的挑战。”

 

本文由 insight.tech 的编务总监 Christina Cardoza 编辑。

博世数字孪生工业:推进工业人工智能

制造商、能源公司和其他依赖重型设备的企业竭尽全力保持昂贵的机器正常运行。许多人希望使用物联网和预测性人工智能分析来避免麻烦,以免导致更严重的问题。

但将人工智能分析应用于工业设备并不容易。大型企业在全球工厂中运行的机器中拥有数千个传感器,所有这些传感器都在快速生成十几种不同格式的性能数据。仅收集这些信息就可能是一场噩梦,而且常常发生错误、遗漏和不一致的情况。预测分析模型必须拥有可靠的数据才能产生良好的结果。如果数据错误、不完整或到达速度太慢,模型可能会失败,从而导致代价高昂的故障。

现代数字孪生解决方案可以克服这些问题,在进行人工智能分析之前快速清理和验证机器数据。数字孪生可以为公司准确地复制所有机器操作的仪表板,并发送警报,帮助在问题失控之前解决问题。

利用机器数据进行人工智能预测维护

工业数字孪生需要多种技术像发条一样协同工作。为了帮助其制造客户之一预测机器行为,德国工程技术公司博世有限公司开始研究数字孪生解决方案,利用其在工业机械方面的专业知识创建人工智能算法,以便发现压力、温度、振动和其他重要指标的显着偏差。

但博世数字孪生工业意识到,它需要帮助来开发解决方案的另一个关键部分 — 收集公司大量的机器传感器数据,并为人工智能的使用做好准备。在客户的推荐下,博世接触了 Prescient Devices, Inc.,这是一家专门从事数据工程和物联网解决方案的公司。

Prescient Devices 首席执行官 Andy Wang 表示:“人工智能严重依赖于数据质量,如果数据质量不好,人工智能的结果也会很糟糕。”

众所周知,工业数据的管理极具挑战性,部分原因是大量的机器和传感器带来了更多出错的机会。传感器可能会断开连接或意外关闭,或者网络可能会出现故障,从而造成信息差距,使人工智能算法对操作产生错误的认识。有故障的传感器有时会发送重复的数据。

“你必须纠正这些问题才能获得高质量的数据,” Wang 说。“而且,必须在遵循不同协议并高速传输的大型数据集上快速完成这些纠正。我们的平台支持非常高的数据速率。我们能够收集客户的高速传感器数据,对其进行整理、格式化,并及时将其交付给博世,以满足他们的上市时间。”

两家公司继续完善该解决方案,并将其集成到博世数字孪生 IAPM(集成资产绩效管理系统)中。现在许多行业的公司都使用它来监控博世和其他制造商制造的机器。获得及时、准确的机器数据使工业企业能够在潜在问题发生之前便进行阻止。

“数据可能会告诉你,有一个小型机器部件已经老化并且无法正常工作。只需花 1,000 美元更换即可解决问题。” Wang 说。但如果没有这种预测信息,失效的部件可能会导致一连串的故障。

例如,某个组件被烧坏,则可能会损坏下一个组件,进而损坏更大的组件。最终整个发动机都可能损坏。当一台价值数百万美元的机器停机时,修理起来可能需要花费数千甚至数百万美元。

更糟糕的是,有故障的机器可能会导致整条生产线停产,让工厂损失大量的时间和金钱。“如果机器意外停机,可能需要几天时间才能修复。通过预测性人工智能分析,管理人员可以在预先计划的维护时段内修复故障,因此生产线永远不会停机,” Wang 说。

实施制造业的数字孪生方案

公司可以通过购买包含传感器、本地工业 PC 和传感器主机的入门套件来获得博世数字孪生 IAPM,将传感器数据传输到计算机进行处理,然后再发送到博世云进行人工智能分析。

Prescient 的软件安装在英特尔支持的计算机上,可以自动识别不同的传感器类型,并快速清理和验证其传入数据。英特尔处理器以其可靠和使用寿命长而闻名,这对于在偏远地区部署设备的企业来说是一个关键价值。

“例如,博世的客户之一是一家石油和天然气管道公司,其计算机部署在难以触及的位置。技术人员必须提前几周申请进入许可并预约时间,” Wang 说。

数字孪生 IAPM 还让公司减少了发送到云端的数据量,仅传输他们认为有用的信息类型。这可以缓解云数据导入问题并节省资金。

对于不喜欢使用云的公司来说,更新版本的解决方案 — 博世 IAPM 数字孪生盒装解决方案 — 就像在边缘拥有了一个数据中心。它在本地运行博世人工智能模型,使用包含英特尔 CPU 和 GPU 处理器的高性能计算机来进行高级人工智能分析。

“出于安全和隐私原因,许多公司不想将数据传输到云端,而且直接在工厂运行人工智能也更便宜。该解决方案受到了全球客户的广泛关注。”Wang 说到。

Prescient 的软件还可以为人工智能机器的制造商节省了金钱和时间。“大多数数据科学家只花费大约 20% 的时间来构建和使用 AI 模型。他们用另外 80% 的时间准备数据并导入模型,” Wang 说。“我们拥有准备数据的超快技术,加快了人工智能解决方案的生产速度。”

利用工业人工智能改善运营

无论是在云端还是在工厂运行,工业数字孪生都能创造令人惊叹的机器性能记录。通过分析这些信息,公司可以根据不断变化的条件调整机器设置,同时进行其他调整以优化其流程。历史数据还可以帮助他们预测设备和维修支出,并对供应商和服务提供商做出明智的决策。Wang 认为,这些能力可以给公司带来重要的竞争优势。

“我预测,在不久的将来,每一家拥有大量昂贵物理资产的公司都将使用数字孪生解决方案,” Wang 说。

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

SASE 解决方案实现安全数字化转型

世界各地的企业都在体验快速数字化转型带来的优势。不过,这种变化也带来了新的网络安全挑战。

深信服是一家专门从事云计算和网络安全的 IT 基础设施提供商,该公司的产品营销经理 Akarsh Jain 表示,“如今,各种组织可以访问丰富的云计算应用生态系统,从而提高工作效率。但是,这模糊了网络安全的物理边界,造成了覆盖空白,并使安全访问管理变得复杂。”

同样,移动计算使现代员工队伍更加灵活和高效。但这反过来又扩大了恶意行为者的攻击面,并使得防御者难以使用传统解决方案来保证网络安全,而且成本高昂。

面对这些挑战,像深信服这样的云安全提供商采用了一种新方法:安全访问服务边缘 (SASE)。SASE 是一种以集成的云原生服务形式提供核心网络和网络安全功能的方式。SASE 解决方案可帮助 IT 和网络安全团队以有效且可扩展的安全方式管理网络和访问控制,同时降低成本和复杂性。

SASE 解决方案:网络和安全的融合

像深信服这样的云提供商将其 SASE 作为一种整体解决方案提供,这使得人们倾向于将 SASE 平台视为单一的端到端解决方案,而不是管理和集成独立的软件应用程序或安全工具。

不过,将 SASE 视为一种架构方法会更有帮助,它试图解决基于云的世界中网络、性能和安全的基本问题。

Jain 表示,“SASE 通过云提供多项关键网络和安全技术,包括软件定义广域网 (SD-WAN)、安全网关 (SWG) 和防火墙即服务 (FWaaS) 应用。它们还能让 IT 和安全团队更易于采用零信任网络访问安全模型,并对所有用户和应用程序一致地执行安全策略。”

这给企业带来了许多显著的优势。使用 SD-WAN 可减少数据回程和延迟问题,从而提高整体网络流量效率,并帮助员工访问其关键任务数据和应用程序,避免出现不必要的延迟。对于拥有多个分支机构或远程用户的分散办公员工队伍的企业来说,这是一个巨大的运营优势。

除了提供现代软件定义的网络功能之外,SASE 还可以帮助组织保护敏感数据、减轻网络威胁并执行安全策略,无论员工身在何处或使用何种设备。SASE 通过将多种安全技术整合到单一服务中来实现这一目标。例如,深信服 SASE 解决方案“深信服云安全访问服务”包括:

  • 下一代防火墙 (NGFW) 通过深度数据包检测和定制的 AI 威胁情报集成,来扩展传统防火墙解决方案的保护。
  • 安全网关用于过滤网络流量,并执行互联网安全策略。
  • 入侵防御系统 (IPS) 可帮助实时检测网络威胁。
  • 零信任网络访问模型,通过要求所有用户在访问网络资源之前验证自己的身份和他们的设备,确保安全的远程访问。

其结果是,SASE 解决方案使公司能够实现数字化转型——SaaS 和基于云的工具、移动计算、混合和分散办公的员工队伍。与此同时,SASE 还能确保与数据和应用程序存放在安全数据中心、员工在公司防火墙后的中央办公室工作时相同的安全级别。

下一代硬件提升了 SASE 性能

SASE 解决方案背后的工程设计可能具有挑战性,部分原因是它们是一种相对较新的技术,部分原因是它们执行许多不同的功能。

但是 SASE 开发人员正在寻找方法利用边缘处理器和相关技术的最新改进,以使他们的解决方案更有效、性能更高。例如,深信服基于下一代英特尔硬件提供其 SASE 产品:

  • 第四代英特尔® 至强® 可扩展处理器是 SASE 分布式边缘节点的基础,为解决方案提供了稳定而强大的处理平台。
  • 英特尔® Advanced Matrix Extensions(英特尔® AMX)可加速 SASE 的 AI 分析和行为检测功能所需的推理工作负载。
  • 英特尔® 通信加速技术(英特尔® QAT)可用于加快加密和压缩工作负载,并提高解决方案的整体性能。
  • 英特尔® Software Guard Extensions(英特尔® SGX)即使在高度分布式的用例中也可帮助保护敏感数据。

深信服与英特尔的合作对于其 SASE 解决方案推向市场起到了重要作用。Jain 表示,“英特尔处理器提供了出色的性能和安全性。它们为我们在分布式边缘拓扑点运行的 SASE 应用程序提供了强大的基础。”

无需权衡取舍的数字化转型

SASE 解决方案仍然是一个相当新的理念(甚至“SASE”这个术语也是在 2019 年才出现的),但未来应该会得到广泛的应用。

首先,几乎每个企业都在寻求促进数字化转型。SASE 解决方案缓解了安全网络访问问题,提供了管理现代工作场所网络安全挑战的更好方法,从而使安全地实现该目标成为可能。

此外,SASE 还有助于消除复杂性并降低 IT 团队的成本。通过统一的基于云的技术,管理多种网络和安全功能。不再需要为每个新分支机构购买和部署单独的安全设备。在混合式办公环境中,没有必要同时使用多种安全工具来满足不同类型用户的需求。与其他基于云的服务类似,企业可以根据业务需求轻松地扩展或缩减其 SASE 部署。

Jain 表示,“SASE 代表了一种网络与安全集成的新模式,非常适合我们当前的数字化转型时代。未来几年,这些解决方案将为各种组织带来卓越的价值。”

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

智能可持续建筑蓝图

钢筋、混凝土、电线、管道构成了建筑。那什么是智能建筑?智能建筑如何演变为智能可持续建筑?随着当今的员工被鼓励重返办公室,建筑系统的占用率有所增加,压力也随之而来,这些问题变得越来越紧迫。新建筑的一项优势在于能够从一开始引入可持续智能系统,那么老旧建筑怎么办?它们是否无法运用技术解决方案?

Nantum AI(原名 Prescriptive Data)品牌和营销副总裁 Lauren Long 以及前沿解决方案提供商 Blue Bolt客户对接专家 Maciej Labuszewski 将对其中的一些问题做出解答(视频 1)。他们讨论了智能建筑在应对气候变化危机的过程中发挥的作用、将 AI 和数据引入智能建筑解决方案的原因,以及利用一流技术为一流解决方案提供支持的优势,其中涉及复杂的系统和宏大的重要目标,涉及的因素远远不止记得关灯。

视频 1. 来自 Nantum AI 的 Lauren Long 和来自 Blue Bolt 的 Maciej Labuszewski 讨论智能可持续建筑之旅。(资料来源:insight.tech 

智能可持续建筑的定义是什么?

Lauren Long:每栋建筑的建造时间、建筑风格、所用的材料和所处的气候各不相同。因此,对于什么是可持续建筑这个问题,没有统一的答案。但是,所有可持续建筑都有共同的特征,而其中的许多特征都是以意图为中心的。如果希望避免浪费,您可以关闭无人办公室的灯光,使用节水马桶,密封窗户等。在这个层面上,您可以采取很多措施。

但是如果更进一步,对技术方面加以考虑,就能让建筑更智能、可持续性更强。其原因就在于人们收集了数据,而且根据数据采取了措施。但如果没有基准,就无法做出改进,因此了解当前情况并制定改进计划非常重要。

有数据表明,建筑的碳排放占全球碳排放的 40%,其中 28% 来自运营流程,也就是让建筑舒适宜人并保持正常运转所需的所有措施。如果将建筑运营效率提高 50%,仅这一项措施就会使全球碳排放减少 14%,影响相当巨大。

德勤的一份 2024 年房地产展望报告显示,只有 5% 的建筑是完全现代化的,这意味着它们拥有可以轻松集成新兴数字技术的核心系统。但是,该报告还指出,34% 的建筑大部分区域已改造为现代化系统,而 30% 的建筑正在从传统模式过渡。

随着传感器接入建筑系统并向运营者提供更多数据,就会产生切实的变化。因此,虽然建筑无疑是问题的一部分,但它们也能以独特的方式成为解决方案的一部分,成为其他行业的榜样。

在可持续发展举措方面,建筑所有者和管理者需要关注哪些因素?

Maciej Labuszewski:近年来,人们在可回收建筑材料和建造流程简化等领域开展了大量工作。但与此同时,人们关注的焦点发生了转变,即如何以可持续方式建造建筑,并在整个生命周期内以可持续方式使用建筑。随着市场上老化的建筑越来越多,实现净零排放目标并减少碳足迹和塑料足迹是延长建筑生命周期的必要条件,否则这些建筑很快就会过时。

在实践中,建筑所有者关注两个方面。第一个方面是减少因使用老旧系统并对供暖、照明、空调模式做出错误假设而产生的效率低下问题。这些错误假设通常是由于缺少数据造成的。数据有助于制定目标、设置性能指标并查明不必要的成本。但是如果没有数据,基本上无法制定策略,更加无法成功实施。

第二个方面是鼓励租户改变消费模式。但是,在一栋拥有许多不同租户的建筑中,这是一项非常艰巨的任务。需要进行适当的沟通,给予适当的奖励,当然还需要一定的时间才能见效。

Blue Bolt 解决这些问题的方法是,将可持续性因素视为人们为建筑提供的每项功能不可或缺的组成部分。例如,用完全存储在手机上的访问权限代替塑料卡片和遥控器等传统门禁工具。在大型办公楼中,门禁卡上的塑料消耗每年可达近 200 千克。

最近的哪些技术创新使这些解决方案成为可能?

Maciej Labuszewski:我认为首先要明确的是,仅通过使用建筑应用程序这一项措施,无法再为房地产市场带来变革。许多此类移动解决方案仅提供针对某些特殊问题而定制的功能,针对的是特定地产组合。它们缺乏能够满足业主、管理机构和租户需求的范围和规模。

建筑管理者现在将目光转向更复杂的解决方案,这些解决方案可以通过统一的环境、社会和治理 (ESG) 标准、访客管理和资源来提供可衡量的结果以及通用的功能,无需花费大量时间即可完成传统方法(门禁卡和遥控器)的转变,取得立竿见影的效果。他们还重视解决方案的成本效益。

这正是 Blue Bolt 的优势所在,因为我们的系统采用具有卓越灵活性和适应性的硬件,基本上可以安装在任何建筑上,无论建筑的老旧程度如何,都可以在几天内完成整个系统的部署。这可以解决我刚才提到的老旧建筑越来越多的问题。

AI 在实现建筑智能化和可持续性方面发挥了哪些作用?

Lauren Long:AI 和机器学习是帮助我们实现目标的工具。可以将数据整合到统一的用户界面中,通过深入挖掘,确定不同数据类型之间的模式、相关性或因果关系。人工几乎无法对所有数据进行跟踪;AI 是实现可扩展性的唯一方法。而且人为错误始终是需要考虑的因素。

在使用数据方面,本行业处于独特的发展阶段。我经常向人们推荐《跨越鸿沟》这本书,它是 Geoffrey Moore 从营销的角度撰写的。建筑领域的情况与它非常相似,因此可以说,我们需要跨越工程的鸿沟。我来向您解释一下。

建筑运营中有可持续发展经理,他们是目标制定者。他们协作制定建筑可持续发展目标,确定解决方案并跟踪进展。还有资产管理者,他们是成本优化者。他们分析、投资和管理房地产,以实现长期价值和可持续发展目标。

但还有第三个群体,那就是建筑运营者,他们也是变革者。他们负责保持高效运营并优化建筑性能,实现可持续性。在没有任何实时性能数据的情况下,前两个群体与建筑运营者之间就会存在我提到的鸿沟。

但是如果拥有数据,却不在实践中加以运用,它还有什么意义?利用 AI 提供可操作的洞察对于制定实时问责制非常重要。这是 Nantum AI 在日常 AI 工程建议和合规分析方面所做的工作,我们能够评估我们的系统向工程师发送的建议数量、实际执行的建议数量以及由此带来的成功结果。

您能否举例说明所有者如何在可持续发展方面做出改变?

Maciej Labuszewski:我们最早的客户之一是一个共享办公空间品牌,该品牌是商业地产所有者,在五个国家设有办事处。Blue Bolt 引起他们的注意并取得成功的一项功能就是在非高峰时段关闭电梯。该功能是利用我们的 AI 系统实现的,该系统将来自建筑门禁和电梯系统的数据汇总起来,将其组合成易于浏览的信息,供地产所有者和资产管理者查看。这种解决方案确保我们不仅提供了一种小装置,而且提供了有助于日常做出明智决策的工具。

Lauren Long:在 Nantum AI 关注的领域中,我们最喜欢的一点是帮助企业实施节能措施 (ECM)。Jamestown Properties 是我们的客户之一,是旧金山 Waterfront Plaza 的所有者。他们希望利用 Nantum AI 在白天以智能方式关闭电源,根据实时使用率改变建筑系统的运转情况,从而节省成本。与 2019 年的基准相比,他们节省了超过 71,000 美元的成本以及近 285,000 千瓦的电力。仅仅在建筑运营方面做出细微的改变,就可以产生显著的影响。

请您谈谈帮助构建这些解决方案的技术合作伙伴。

Lauren Long:我们主要关注软件层面,与许多能够获取准确、精确数据的公司开展合作。输入的数据越准确,输出的数据就越准确,对吧?但我们也高度依赖硬件,我们发现采用英特尔芯片的建筑拥有更强的智能化能力。

我们所有的建筑都基于英特尔网关而运行,这使英特尔成为我们完美的合作伙伴。我们的目标是成为全球范围内更智能的建筑提供商,我相信我们的每栋建筑都可以成为智能建筑。英特尔使这个目标成为可能,并为我们提供支持。

在智能建筑之旅中,人们还应该考虑哪些因素?

Maciej Labuszewski:我们一直在讨论技术,但在可持续发展方面,必须利用技术将人们团结在一起,让他们朝着共同的目标前进,这一点非常重要。我们探讨的不只是业务决策,还有可能影响我们共同未来的道德决策。

Blue Bolt 正在开发的解决方案不只是等待实现的业务模式,还是一个深度概念,我们在考虑利益相关者和用户的需求以及如何最大限度地实现集体福祉时,应该牢记这这个概念。

Lauren Long:我完全同意 Maciej 刚才所说的话。构建和维护可持续建筑已经迫在眉睫。我们需要共同努力,消除不同部门之间的数据孤岛并解决数据挑战,此外还需要实施已有的技术,实现所需的技术,从而实现目标。AI 是我们各种资源中的一个重要工具和一项巨大资产,可以帮助我们实现全球脱碳目标。

相关内容

要详细了解可持续智能建筑,请收听 AI 创新:可持续建筑的基础,并阅读移动门禁促进可持续建筑的发展以及从智能建筑到智能化建筑。有关 Nantum AI 的最新创新,请在 X/Twitter (@nantumai) 和 LinkedIn 上关注他们。有关 NTT Blue Bolt 的最新创新,请在 LinkedIn 上关注他们。

 

本文由文案编辑 Erin Noble 编辑

人工智能加入零售防损的队伍

零售商面临着无数的挑战,从与在线卖家竞争、吸引和留住员工,到创造无缝的客户体验。但有一个问题会不断突显:零售损失的预防,尤其是入店行窃。

零售和银行技术公司 Diebold Nixdorf零售技术副总裁马特·雷德伍德 (Matt Redwood) 表示:“我一直听到过去 12 个月内商店盗窃案件翻了一倍,上个月更是翻了两番。”“无论规模大小,这都是一个非常复杂的问题,因为犯罪者的类型及其手法千差万别。”

一些盗窃行为是临时起意,因为不断上涨的通货膨胀和一时冲动驱使他们偷窃小件物品。还有针对特定商店和品牌的专业扒手。有些人是出于绝望,因为经济困难而靠偷窃来养活自己或家人。同样重要的是,并非所有损失都是故意的;客户可能会意外忘记扫描商品或遇到付款处理错误。

由于导致零售损耗的因素如此多样,零售商如何解决这个问题呢?“零售商必须改进他们使用的技术、相关的复杂性以及整个商店及其员工的技术优化水平,”雷德伍德解释道。

视频 1. 在本次 insight.tech Talk 节目中,聆听 Diebold Nixdorf 零售技术副总裁马特·雷德伍德探讨人工智能在减少零售损耗和简化结账流程方面的应用。(资料来源:insight.tech

打击在自助结账处发生的零售损耗

但自助结账区显然是我们最先着手的地方之一。这里被认为是最容易发生偷窃的地方,因为从技术上讲,这里不需要人员值守。

为了保护这个区域,Diebold Nixdorf 的 Vynamic Smart Vision 等技术解决方案成为最前沿的技术。该人工智能系统通过识别漏扫描、商品调包和藏匿商品等行为来检测潜在的盗窃或无意错误。

一旦标记出事件,系统可以提醒商店工作人员或直接提示顾客纠正问题。这种主动防损方法对防范顾客因分心导致的无意错误(如将商品遗留在购物车下方)特别有效。

“我们发现,通过使用顾客提示(例如音频或视觉警报,提示‘您的购物篮里还有商品,您要扫描这些商品吗?’),大约 85% 到 95% 的顾客会自我纠正,”雷德伍德解释道。

如果客户不这样做,该解决方案就会向商店工作人员提供有关事件的详细信息,包括发生了什么、如何发生以及发生地点,以便他们可以决定如何最好地进行干预。

为了有效实施 Vynamic Smart Vision 这样的系统,Diebold Nixdorf 建议在每个自助结账设备上方安装专用的固定摄像头,而不是使用现有的闭路电视网络。

“技术在不断发展,同时设备会在商店里变换位置,新设备也不断增加,POS 通道和自助服务区的布局也在发生变化,” Redwood 说道。“每次摄像头相对于结账区域的位置发生变化时,人工智能就需要重新训练。通过使用固定摄像头,即使在动态的商店环境中,部署也变得更快、更容易。”

通过提供自助结账区域的辅助视角和整体解决方案,闭路电视网络仍然可以发挥重要作用。这些额外的数据可以通过数据三角测量来提高解决方案的准确性。

英特尔对于该解决方案的成功至关重要。雷德伍德表示,无论企业选择有人值守的 POS、自助结账机还是自助服务终端,它们都是在统一的英特尔平台上运行。通过利用英特尔技术,设备不仅可以获得足够的计算能力,还可以直接借助解决方案本身执行多种用例。

“我们与英特尔的合作伙伴关系带来了许多零售优势。它不仅可以帮助零售商减少与大型、占用空间的服务器相关的费用和维护,还可以通过降低功耗来提高能源效率,”雷德伍德说。

整个商店的零售防损

Redwood 设想在自助结账区域之外更广泛地应用 Vynamic SmartVision。

“我们只看到 30% 的商店损耗发生在自助结账处,这意味着其余的损耗发生在商店的其他地方,”他解释道。“这是一场‘打地鼠’式的旅程,我们必须找到一个漏洞,然后尝试用技术尽可能地封堵该漏洞。这要么会阻止损耗的发生,要么会将恶意盗窃转移到商店的其他区域,然后我们将不得不在其他地方部署这项技术。

Diebold Nixdorf 正在开发一种由人工智能驱动的综合解决方案,可跟踪整个商店的损耗和客户行为,包括过道、入口和出口点。该技术可以集成到任何带有摄像头的设备中,创建一个互联商店,将来自不同来源的数据输入到中央人工智能模型中。

“我们可以识别过道中的可疑行为,跟踪顾客到收银台,并在适当的时候进行干预,例如当我们检测到有藏匿的商品时,”雷德伍德强调说。

未来,可扩展的解决方案对于零售商进行实验和学习至关重要,同时构建能够处理多个端点和用例的强大的、全店范围的人工智能系统。

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

构建可持续智慧城市

当我们谈论物联网和所涉及的高科技、精密机械时,我们很容易将视野局限于内部发生的事情 – 比如工厂、医院和其他建筑物内部。但许多物联网应用也面向外面的世界,而智慧城市是备受瞩目的一部分。智慧城市提供了对交通、公用设施和许多其他复杂系统的全新思考方式。

但是进入到城市环境后,另一个因素也在发挥作用,也就是我们近年来越来越多关注到的可持续性。城市是污染和碳排放的主要来源,所以转型为智慧城市的同时必须提供可持续解决方案,甚至要能够减轻人类提升城市宜居性的负担。

专家 电脑领域专家 Axiomtek产品解决方案经理 Jody Cheng应用工程监督员 Manny Hicaro,就可持续智慧城市的挑战与收获发表演讲(视频 1)。他们讨论了城市可持续解决方案中 AI 和边缘计算的关键作用、实施这些解决方案的基础设施,以及可以应用这一技术来让每一位在城市中居住和工作的人都受益的合作伙伴。

视频 1。在这一集 insight.tech 对谈中,学习为什么智慧城市需要变得更加可持续,发现他们何以实现目标。(资料来源:insight.tech

为什么可持续性成为了现在很多智慧城市的目标?

Jody Cheng:首先,越来越多的人意识到了气候变化及其影响。城市地区产生了大量的温室气体排放,随着全球人口日益城市化,城市便承担了解决这些环境问题的压力。根据世界银行最近一项调查显示,世界人口中有 56% 居住在城市,也就是约 44 亿人。预计到 2050 年,约有 70% 的人会居住在城市。

这也让城市必须更积极地减少碳足迹,采取对抗气候变化的措施,提升空气质量,以提升城市居民的总体生活质量。在 Axiomtek,我们很高兴能够看到这一迈向可持续性的趋势正不断增长。这一切都是为了确保环境健康,并能够长久繁荣。

有哪些技术解决方案能够助力可持续智慧城市?

Jody Cheng:可持续智慧城市不仅是更加努力、也是更加智能地运作的城市,让人类和地球都能变得更好。通过使用智能电网和物联网数据收集,以及建筑、交通和资源管理方面的创新,来实现这一目标。

智能电网是可持续智慧城市的基础;它是一个先进的电力网络,使用检测工具来高效管理电力使用。这也将有助于集成太阳能等可再生资源,并减少对化石燃料的依赖。例如,可基于实时交通情况而调整的交通信号灯可以减轻拥堵并降低排放。

但是可能性是无限的。边缘计算和 AI 可以通过实时处理收集的数据,使让一切变得更好 – 比如一个环绕城市的物联网传感器网络,可以跟踪空气质量、用水量和交通。这意味着更快的决策速度和更高效的运营,帮助城市管理者优化资源并减少浪费,让智慧城市更加智能。

可持续性的另一个重要推动因素是智能建筑和智能家居;遵循更加严格的可持续性标准的 LEED 认证的建筑正变得越来越普遍。这些建筑具有高能效系统 – 例如根据入住率进行自动照明调整,或者优化供暖和制冷的 HVAC 系统等。

交通是希望减少排放的城市的另一个重点。许多城市都在开发电动汽车充电基础设施,并推广带有乘客追踪和交通优化的公共交通系统。这些创新有助于减少排放、减轻拥堵,并为居民提供环保的旅行选择。

管理废弃物和水等资源也是可持续性的关键。自动废弃物收集和废弃能源化转换可帮助减少垃圾填埋场的使用,并推动回收再利用。水资源方面,智能灌溉和先进的水处理流程可以优化使用并减少浪费。

您如何看待边缘 AI 在智慧城市中的实施?

Manny Hicaro:Jody 提到的一个例子我可以展开讲讲,就是交通。虽然电动汽车充电和推广公共交通支持可持续,单边缘 AI 可以提供更多其他应用。自动公共交通可以优化路线并管理客流。另一个例子是,实时传感器可以优化公共停车。此外,未来先进的自动驾驶汽车甚至可以相互协调并与交通基础设施协调,提升效率和安全性。边缘 AI 也可以提升交通管理;更多的摄像头可以提供更即时的事故检测和交通疏导。

还有,AI 助力的监控也可以通过检测异常活动并预测洪水或火灾这样的事故来提升公共安全。基础设施监控可以检测需要及时维护的异常事件,包括道路情况以及公共设施线路等。这一类监控还可以扩展至水和空气质量等资源。

详细介绍一下 AI 和边缘计算对这些解决方案的贡献。

Jody Cheng:AI 和边缘计算的提升让这些可持续解决方案达到了史无前例的高度。AI 有能力在所有城市环境中实现高能效的提升,包括建筑物、工厂、交通系统等。

边缘计算可以处理本地数据,如物联网传感器、路由器或网关等设备的数据。因为靠近数据源,所以可以更快进行决策,减少了将数据传输至中央服务器的需求。它提升了系统内的响应速度,同时减少与传输大量数据有关的能源和资源消耗。

边缘计算和 AI 两者结合在一起,可以带来网络边缘的实时数据分析和决策,最大限度地减少了延迟和带宽限制。这一去中心化的方法可以提升系统响应速度,减少网络拥堵并降低成本。对于城市运营,它可以优化交通流量、能源消耗模式,从而减少能源浪费、提升整体效率等,最终提升生活质量并应对环境挑战。

要实现这一目标,需要哪些类型的基础设施投资?

Manny Hicaro:创造智慧城市并不便宜。物联网传感器和摄像头需要融入整个城市,以便收集交通、公共安全和环境情况等方面的信息。但是它不仅仅涉及到设备。拥有坚实的网络基础设施也至关重要,需要对先进的硬件进行大量投资 – 包括强大的基于 GPU 的边缘计算器,可以支撑各类处理器。这些机器对于实时数据处理和人工智能任务至关重要。

在城市周边战略部署的边缘数据中心网络可以提升边缘计算的效率和可靠性,同时助力实现可持续发展目标。这些中心不仅减少了延迟并加速实时信息的处理 – 如 Jody 所说 – 他们还提供了冗余,支持新应用的快速部署,并提升灾难恢复功能。

所以在现有的城市基础设施中实施这些技术并不简单。它需要很高的初始成本,而且面临着必须与旧版系统兼容的挑战。因此,公共部门和私有部门的合作便显得十分重要。这些合作伙伴关系有助于让技术部署和公共政策步调一致,确保解决方案的长期可持续性、有效性。

您与英特尔及其技术的合作如何实现 Axiomtek 的解决方案?

Manny Hicaro:我们与英特尔的合作是我们智慧城市解决方案取得成功的关键;它致力于推进技术的决心与 Axiomtek 的目标完美契合。这一合作伙伴关系让我们可以使用尖端技术来开发强大、可靠的解决方案,并帮助我们在 AI 和边缘计算发展的道路上保持领先地位。

英特尔处理器提供处理复杂 AI 和数据处理任务所需的高性能计算能力。随着时间推移,他们进行了微调,提升效率和性能并确保能够满足城市应用的严苛需求。

我们作为合作伙伴的另一个优势是可扩展性。英特尔提供了多种产品让我们根据解决方案进行定制,确保我们的系统可以高效扩展,以满足城市地区不断增长的需求。无论是扩展物联网传感器网络还是添加更先进的 AI 功能,英特尔技术都支持我们解决方案的无缝扩展。

总体而言,英特尔的技术和支持赋能我们开发更先进的智慧城市解决方案,也提高了我们高效实施这些解决方案的能力。这一合作伙伴关系使我们的系统能够保持使用尖端的技术,有助于为全球城市提供可靠、可扩展的解决方案。

您是否有突出这项技术效果的用例?

Manny Hicaro:必须有。我们一个特别优秀的项目是 AI 支持的回收箱,可以说是变革了几个城市地区的废弃物管理。这些回收箱使用先进的 AI 算法,高效地分类所有可回收材料,让回收计划更加高效,并显著减少废弃物收集的频率。

具体情况如下。人们可以轻松地将罐头、塑料瓶等可回收废弃物存放在这些箱子中。系统会自动将这些材料分类,确保它们正确分类,以便将资源回收最优化。这极大提升了分类的准确率和整体回收率。

传感器会持续监控箱中的填充水平,并在箱子将满时发出通知。此外,系统通过自动压缩废旧材料,能够最大限度地提高物理存储空间。这些 AI 驱动的回收箱也采取主动式维护方法:它们可以在需要帮助的时候通知清洁工。这简化了运营,且不需要持续的人工监控。结果是更高的准确度、回收率和运营效率。

还有什么能够激励人们创造可持续智慧城市的想法?

Jody Cheng:许多人的传统认知是经济和环境保护是相互冲突的。在过去,保持可持续运营往往需要大量的人力资源进行管理和密切监督。但是我们预计,边缘 AI 的介入将极大程度上改变城市环境的这一情况。

我们在回收和资源管理中看到了这样的例子,许多运营在结合了边缘 AI 后能更高效、自动化地进行,降低了人为干预的需求。因此,随着边缘 AI 的发展,这些行动将变得更具成本效益、更可实现,或更高效。

在 Axiomtek,我们非常高兴能够为可持续发展贡献力量,提供更好的方法对抗温室效应、长期减少温室气体排放,并为下一代留下更清洁的环境和更美好的未来。

Manny Hicaro:机会只受到想象力的限制。

相关内容

要详细了解最新的可持续智慧城市相关实践,请收听边缘 AI 赋能可持续智慧城市,并查看我们的智慧城市页面。有关 Axiomtek 的最新创新,请在 Twitter/X @AxiomtekLinkedIn 上关注他们。

 

本文由文案编辑 Erin Noble 编辑