瑞萨正在倡导可以在MCU上完成的AI推理

每一家信仰“智能制造”的公司，都对人工智能抱有极大的希望。

这个未知的新世界，需要对高成本的人工智能系统进行大量的投资，同时需要建立“学习”平台和云服务提供商。这个宏伟的计划要从大数据收集开始，以便机器可以学习并找出未知的东西。

然而，这只是理论。

在现实世界中，许多公司发现AI难以实施。有人指责说，他们缺乏内部数据去证明人类可以充分利用人工智能。还有人抱怨，他们甚至无法建立一个AI系统的概念。制造商开始意识到，人工智能不是一个“你去制造，它们就会出现”的交易。

那么，瑞萨电子是怎么做的？

这家日本芯片公司在全球工厂自动化市场占据领先地位。它正在为运维技术（以下简称OT）提出“实时连续AI”。这种方法与“统计人工智能”形成鲜明对比，“统计人工智能”通常由大数据公司推动，以促进信息技术（IT）领域的自动化。

瑞萨工业解决方案业务部执行副总裁兼总经理Yoshikazu Yokota（横田良一）指出，嵌入式AI对于OT中的故障检测和预测性维护至关重要。当任何特定系统或过程中出现异常时，嵌入式AI可以“在本地实时做出决策”，他解释道。瑞萨三年前提出了“端点AI”的想法，并开始在自己的Naka半导体工厂中进行试验。

“我们的计划是在OT中实现实时推理，同时逐步增加端点的AI功能，”横田说。

瑞萨执行副总裁横田良一

通过将人工智能引入工厂车间，瑞萨希望帮助目前正在努力实现AI概念的客户，并让他们对AI的投资有所回报。

何时将人工智能应用于OT

Mitsuo Baba（三夫巴巴）是瑞萨工业解决方案业务部战略和规划部门的高级主管，他表示，当特定问题（例如生产线）已经确定时，就是AI可以应用于OT的最好时机。

例如，假设AI是一位经验丰富的运营经理，他的经验可以用来发现工厂中的某些异常现象，而不是让这位经理逐个检查制造过程的每个阶段，“我们可以使用人工智能绘制线 ，来检测在生产缺陷期间出现异常情况的时间和地点，”三夫说。AI可以持续监控生产线，以防止有缺陷的产品进入下一阶段的生产。

在这样的工厂自动化示例中，AI需要仅根据预先确定的问题进行一次培训。AI推理在端点设备上实时运行，无需返回云端。三夫表示，与统计AI同时进行学习和推理相比，30K字节的数据通常足以用于终点推理，这通常需要在云中处理大到300兆字节的数据。

简而言之，瑞萨正在倡导可以在MCU上完成的AI推理。

瑞萨推出的“AI单元解决方案”套件可以连接到现有的生产设备，而不是用全新的AI机器替换现有的生产线，而这些机器成本很高。

三夫表示，瑞萨没有计划挑战像Nvidia（英伟达）这样的AI芯片公司。“我们的目标是引领嵌入式AI的新市场领域，其中推理所需的数据非常小，甚至可以在现有的MCU / MPU上运行，”三夫说。