一个能够通过端测AI检测设备异常振动的产品级开发项目

什么叫端测AI？

这个问题搞清楚之前，大家必须要去了解我们整个计算机行业的一个系统架构，它的发展方向是云·边·端协同，也就是未来各行各业，不管做啥的，与计算机行业相关的这种硬件和软件架构，它都会往这个方向去发展，所谓的云边端协同。

那么是怎么个云边端协同法呢？首先我们要知道这几个关键字的意思，云就是云计算，边就是边缘计算，端就是设备端。

设备端一般就是拿在用户手里的、放在用户桌子上的、装在用户家里面的、其实就是跟用户直接相关的这一端，我们叫端；边是边缘计算，那什么叫边缘计算，这个其实很好理解，譬如说装在你们小区里面的、装在你们公司那栋楼里面的，对于你来说，这就叫边缘计算；所以其实就是：云端指的是离你很远的设备，边缘端就是离你很近的云端，端呢就是你自己的设备，所以云边端加起来就构成了我们整个的计算机架构。

所以呢，在未来你开发硬件的时候，你开发的要么就是云端的硬件，要么就是边缘端的硬件，要么就是设备端，就所谓的端测的硬件。那么你开发软件也是一样，要么就是云端的软件，要么就是边缘端的软件，要么就是设备端的软件。那么AI也是一样，我们把AI这种技术应用在云端和边缘计算端和设备端，那么就构成了所谓的云端AI，边缘计算的AI以及设备端的AI，所以端测AI，其实指的就是设备端的AI。

那我们作为嵌入式工程师为什么需要关注端侧AI而不是云端的AI和边缘的端的AI呢？这个是有原因的，首先第一个云端的AI呢，就是类似于那种像这个“小度小度”这类东西？比如说像这个“小度”音箱，它的实现原理，其实就是你在这边说的话，它这个音箱其实是一个录音设备，把你说的话呢录下来，然后把你这段语音直接传到百度的服务器上去，所以音箱本身是不会做语音识别的，那百度的云服务器端有一个模型，就在那里做这个语言的一个处理和语言的识别，识别出来之后把结果再回传到音响，所以呢，像这种“小度”音箱的这种产品，它其实就是典型的云端智能，就是云端AI，那这种产品跟我们嵌入式有关系吗？其实关系并不大，因为一个普通的音箱跟一个“小度”音箱这种智能音箱几乎没有区别，你可以认为，因为它的AI并不在设备端，嵌入式端根本就不需要AI设备，所以说呢，云端AI跟嵌入式开发几乎没有关系，所以云端AI不该我们管。

那么边缘计算的AI跟我们有关系吗？有，因为边缘计算，还是有那么一点嵌入式开发在的，但是目前来说，边缘计算这个东西还是概念比较多，实际落地的非常少，而且边缘计算本身还在发展当中。根据目前边缘计算的最新技术发展方向，实际上将来是更像云端，而不太像设备端，也就是说边缘端其实就是一个简化的云端，你可以理解为就是一个简化的本地处理过的云端。所以呢，边缘计算一方面是当前用的很少，几乎没什么落地，另一方面来说呢，它跟云端更像，所以我们作为嵌入式工程师就没必要碰它。

那对于我们嵌入式开发者来说，AI跟我们关系最大的是什么？

那就是所谓的设备端的AI，也就是我们所谓的端测AI，那端侧AI的概念就是整个的AI的过程全部是发生在设备端的。举个例子，比如说我现在做一个人脸识别，我的设备端摄像头负责拍照，拍完照之后把图像传给我设备端的CPU，然后设备端这边的硬件和软件负责调用AI做数据处理，进而来做人脸识别，最后把结果在我的设备端展示出来，进行开锁、报警等动作执行。

整个AI的过程都在设备端，根本就不会去连接云，也不会去连接边缘，这样来做有两个最大的好处，第一个好处就是速度快，不用联网就不受网络的限制，所以速度快。第二个好处就是因为不用联网所以低功耗。第三个最重要的一点就是隐私问题，不会把照片等私密数据上传云端，现场拍现场用，用完之后销毁，这样是比较安全的。所以说基于这三个原因，当然还有别的一些原因，端测AI实际上在未来的应用是很广泛的，而且端测AI本身跟嵌入式开发的关系非常大，那咱们做嵌入式开发的，就需要去关心端测AI，去搞端侧AI，去掌握这方面的技术，成为一个可以结合AI人工智能技术的更有发展的一名嵌入式软件工程师。

再额外介绍一点，目前国内外，在端侧AI方向上有所建树的企业和芯片厂商有：ST（NanoEdgeAIStudio、CubeAI）、NXP（MCU：imxRT10xx、MPU+linux：imx8、imx9352）、聆思（科大讯飞的芯片公司），英伟达，谷歌以及我们熟悉的ARM，我们需要做的就是从最简单的端侧AI项目开始，尝试让自己去熟悉和去体会端侧AI相关的嵌入式项目开发，逐步寻找新技术形态和新技术方向上的更多机会，并寻求进一步发展。

所以今天给大家推荐一个端侧AI相关的性价比超高的企业级实战项目~

让大家用非常低的成本来接触AI人工智能开发，做自己第一个端侧AI项目。

项目名称：端侧AI异常振动检测

第一视角做项目

项目介绍

本项目使用STM32单片机和三轴加速度传感器，实现了一个异常振动检测功能，该产品可用于风扇、水泵、工业电机等产品的预测性维护场景，譬如将本项目实现的模块固定在工业风扇上，当风扇出现异常（如风叶变形、风路阻挡、形变导致的剐蹭等）时该模块可实时发现并报警。

适合人群

有一些单片机和C语言基础，对做实战项目感兴趣，对积累项目经验感兴趣，对嵌入式项目规划和管理感兴趣，想要学会如何实战做项目的人。