智能工厂的AI趋势：从工业终端设备智能化向工厂

边缘给工业带来的变化

边缘计算是更靠近物或数据源头的网络边缘，融合了网络、计算、存储以及应用处理能力的分布式平台，就近提供智能服务。边缘计算将云计算和数据存储能力下沉到边缘，更好地保障了应用服务的低延时、高可靠性以及数据安全。因此边缘云计算技术将成为人工智能、物联网等领域的关键组成部分，也将得到更大的发展，覆盖的潜在客户和场景将不断出现。

瑞萨电子 中国物联网及基础设施事业部 经理 杜灏

边缘计算的技术挑战

随着互联网时代的到来，技术的普及，越来越多的智能化设备走进了我们的生活。“设备端、云端、大数据、物联网”相辅相成，共同编织成了一个完善的智能化、数字化世界。目前绝大多数智能化设备的AI学习和推理都必须依靠强大的云端计算能力来进行数据分析与算法的运作。但是，如果设备过份依赖云端进行所有AI学习和推理, 确实还存在着上传云端过程中因网络带宽问题而产生的通信延迟等问题。诸如此类数据的处理挑战将会在未来几年内进一步加剧。

瑞萨的解决方案

面向的AI发展，我们认为会以从工业终端设备智能化逐渐向工厂整体智能化的形式前进。瑞萨e-AI致力于在工业终端设备系统所搭载的MCU/SoC上有广泛的应用。基于用户的既有制造设备，瑞萨首先会提供附加AI单元的解决方案，来拓展该市场，从而使e-AI的实用性得到市场广泛的理解，进而推进各工业终端设备的e-AI预安装解决方案的普及，最终使瑞萨的e-AI得到广泛的发展。

2017年7月，瑞萨电子首次推出e－AI方案，通过瑞萨电子提供的e－AI翻译器，把客户AI模型翻译到C语言，然后在瑞萨电子的MCU/SoC里进行AI的终端推理功能。

2018年10月，瑞萨电子推出第二代的e－AI解决方案，将瑞萨电子独有的DRP技术嵌入芯片，实现基于DRP的e－AI解决方案。DRP是执行e-AI以及优化最终产品整体性能的核心技术之一。我们有具体的对比表显示相较于竞争对手产品的优势。与FPGA相比，DRP具有更高的灵活性和节省成本，因为算法的种类和大小可以由同一个DRP硬件进行时间复用处理。DRP的灵活性非常适合于人工智能产业的DNN（深度神经网络）的快速演化。此外，由于DRP是一种低时钟速率的硬件加速器，因此其功率效率远优于竞争对手（如GPU）。即使是人工智能推理也不需要散热器。