01

AIoT 與 Edge AI 現(xiàn)狀與趨勢(shì) 

——如何挖掘數(shù)據(jù)的價(jià)值？

在 AIoT 與 Edge AI 快速發(fā)展的當(dāng)下，數(shù)據(jù)價(jià)值挖掘面臨哪些核心挑戰(zhàn)？企業(yè)該如何突破數(shù)據(jù) “采集 - 處理 - 應(yīng)用” 的閉環(huán)瓶頸？

A:

1.現(xiàn)狀與挑戰(zhàn)

當(dāng)前 AIoT 場(chǎng)景中，數(shù)據(jù)呈現(xiàn)多源異構(gòu)（如傳感器、設(shè)備日志、視頻流）、實(shí)時(shí)性要求高（毫秒級(jí)響應(yīng)）、隱私合規(guī)壓力大（如 GDPR、《數(shù)據(jù)安全法》）等特征，傳統(tǒng)數(shù)據(jù)處理架構(gòu)難以平衡 “效率” 與 “成本”。

邊緣端算力碎片化（從微控制器到高性能 SoC）導(dǎo)致算法適配復(fù)雜，云端集中處理面臨時(shí)延瓶頸與帶寬成本問(wèn)題，數(shù)據(jù)價(jià)值在傳輸與存儲(chǔ)環(huán)節(jié)易流失。

2.破局路徑

分層架構(gòu)設(shè)計(jì)：通過(guò) “邊緣實(shí)時(shí)處理（本地決策）+ 云端深度分析（全局優(yōu)化）” 的混合架構(gòu)，在邊緣側(cè)完成數(shù)據(jù)清洗、特征提取（如異常檢測(cè)、預(yù)測(cè)性維護(hù)模型），僅向云端上傳高價(jià)值摘要數(shù)據(jù)，降低傳輸負(fù)載。

工具鏈整合：安富利提供從邊緣硬件（如 NXP i.MX、瑞薩 RZ/G 系列）到 AI 開(kāi)發(fā)平臺(tái)（如IoTConnect低代碼工具、TensorFlow Lite 邊緣推理框架）的端到端方案，幫助客戶快速實(shí)現(xiàn)數(shù)據(jù)標(biāo)注、模型訓(xùn)練到邊緣部署的閉環(huán)。

行業(yè)場(chǎng)景落地：以智能制造為例，通過(guò)邊緣 AI 實(shí)時(shí)分析設(shè)備振動(dòng)數(shù)據(jù)，毫秒級(jí)識(shí)別軸承故障并觸發(fā)本地控制，同時(shí)將趨勢(shì)數(shù)據(jù)同步云端優(yōu)化預(yù)測(cè)模型，使設(shè)備停機(jī)時(shí)間降低 30% 以上。

02

工業(yè)與專業(yè)消費(fèi)市場(chǎng)客戶面臨的困境是什么？

—— 算法、算力與數(shù)據(jù)

工業(yè)自動(dòng)化、智能終端等領(lǐng)域的客戶在 AI 落地時(shí)，常遇到算法適配難、算力資源錯(cuò)配、數(shù)據(jù)質(zhì)量差等問(wèn)題，這些困境的本質(zhì)是什么？安富利如何助力客戶跨越 “技術(shù) - 應(yīng)用” 鴻溝？

A:

1.核心困境解析

算法層面：傳統(tǒng)工業(yè)場(chǎng)景依賴專家經(jīng)驗(yàn)規(guī)則，AI 模型需從 “規(guī)則驅(qū)動(dòng)” 轉(zhuǎn)向 “數(shù)據(jù)驅(qū)動(dòng)”，但行業(yè) know-how 與算法工程化能力缺失，導(dǎo)致模型泛化性不足（如復(fù)雜工況下的視覺(jué)缺陷檢測(cè)準(zhǔn)確率波動(dòng)）。

算力層面：客戶常陷入 “算力過(guò)剩” 或 “算力不足” 的悖論 —— 高端設(shè)備堆砌高性能芯片造成成本浪費(fèi)，低端設(shè)備因算力受限無(wú)法運(yùn)行輕量化模型，缺乏 “算力 - 算法 - 成本” 的協(xié)同優(yōu)化。

數(shù)據(jù)層面：工業(yè)現(xiàn)場(chǎng)數(shù)據(jù)多為非結(jié)構(gòu)化（如點(diǎn)云、3D 圖像），且存在標(biāo)注成本高（人工標(biāo)注效率低）、樣本不平衡（故障數(shù)據(jù)稀缺）等問(wèn)題，導(dǎo)致模型訓(xùn)練 “輸入失真”。

2.安富利的解決方案

模塊化算力平臺(tái)：提供覆蓋邊緣端（如Tria邊緣計(jì)算平臺(tái)）、網(wǎng)關(guān)層（集成IoT合作伙伴的網(wǎng)關(guān)）到云端(IoTConnect云平臺(tái))的算力組合，支持客戶根據(jù)場(chǎng)景需求（如實(shí)時(shí)性、功耗、成本）靈活選擇硬件方案，例如為馬達(dá)等震動(dòng)監(jiān)測(cè)場(chǎng)景定制低功耗 MCU + 輕量級(jí)神經(jīng)網(wǎng)絡(luò)(如Qeexo)的組合，在 0.5W 功耗下實(shí)現(xiàn) 99% 的計(jì)量精度。

算法工程化賦能：聯(lián)合算法合作伙伴提供行業(yè)預(yù)訓(xùn)練模型（如視覺(jué)模塊內(nèi)置人臉檢測(cè)、物體追蹤算法），并通過(guò)安富利實(shí)驗(yàn)室提供數(shù)據(jù)標(biāo)注工具、模型壓縮優(yōu)化服務(wù)（如將 ResNet 模型參數(shù)壓縮 70% 仍保持精度），幫助客戶將算法落地周期從 6 個(gè)月縮短至 2 個(gè)月。

數(shù)據(jù)閉環(huán)構(gòu)建：在專業(yè)消費(fèi)市場(chǎng)（如智能醫(yī)療設(shè)備），通過(guò)安全數(shù)據(jù)管道（符合 ISO 13485 標(biāo)準(zhǔn)）實(shí)現(xiàn)設(shè)備數(shù)據(jù)采集、匿名化處理與合規(guī)上云，結(jié)合聯(lián)邦學(xué)習(xí)技術(shù)（多方數(shù)據(jù)協(xié)同訓(xùn)練不共享原始數(shù)據(jù)），解決隱私敏感場(chǎng)景下的數(shù)據(jù)質(zhì)量問(wèn)題。

03

如何實(shí)現(xiàn) AIoT？——AI 能力向前端及后端轉(zhuǎn)移

AI 能力從云端向邊緣端下沉、向行業(yè)后端場(chǎng)景滲透的過(guò)程中，技術(shù)架構(gòu)與產(chǎn)業(yè)生態(tài)需要哪些關(guān)鍵變革？安富利在生態(tài)協(xié)同中扮演什么角色？

A:

1.技術(shù)架構(gòu)變革方向

前端（邊緣端）：AI 能力下沉要求硬件設(shè)計(jì)從 “功能導(dǎo)向” 轉(zhuǎn)向 “AI 導(dǎo)向”，例如在攝像頭中集成 NPU（如ARM NPU，NXP eIQ）實(shí)現(xiàn)本地圖像識(shí)別，在 PLC 控制器中嵌入 AI 加速核實(shí)現(xiàn)實(shí)時(shí)控制策略優(yōu)化，需解決散熱、功耗、成本與算力的平衡問(wèn)題。

后端（云端 / 行業(yè)端）：AI 向行業(yè)后端滲透需構(gòu)建 “垂直領(lǐng)域數(shù)據(jù)中臺(tái)”，如電力行業(yè)的負(fù)荷預(yù)測(cè)中臺(tái)、零售行業(yè)的貨架分析中臺(tái)，整合行業(yè)知識(shí)庫(kù)（如電力設(shè)備老化模型、商品陳列規(guī)則）與 AI 算法，實(shí)現(xiàn)從 “數(shù)據(jù)可視化” 到 “決策自動(dòng)化” 的升級(jí)。

2.生態(tài)協(xié)同與安富利定位

硬件生態(tài)整合：作為全球電子元器件分銷商與方案提供商，安富利連接 1000 + 上游芯片廠商（如恩智浦、AMD賽靈思）與下游行業(yè)客戶，通過(guò) “硬件參考設(shè)計(jì) + 軟件適配包” 降低客戶研發(fā)門檻，例如基于 Trial SMARC模組 的邊緣計(jì)算產(chǎn)品已服務(wù)超 500 家中小企業(yè)。

軟件生態(tài)共建：聯(lián)合微軟 Azure IoT、AWS IoT等云服務(wù)商，將邊緣端數(shù)據(jù)無(wú)縫接入云端 AI 服務(wù)（如Machine Learning 模型自動(dòng)部署到邊緣節(jié)點(diǎn)），同時(shí)開(kāi)放安富利開(kāi)發(fā)者社區(qū)（超 20 萬(wàn)注冊(cè)用戶）共享行業(yè)最佳實(shí)踐，加速技術(shù)迭代。

行業(yè)場(chǎng)景孵化：例如在智慧城市領(lǐng)域，安富利聯(lián)合路燈廠商、交通管理部門構(gòu)建 “邊緣計(jì)算 + 視覺(jué) AI” 的智慧燈桿解決方案，前端實(shí)時(shí)識(shí)別車牌、人流量并調(diào)節(jié)照明策略，后端通過(guò)城市大腦實(shí)現(xiàn)全局能耗優(yōu)化，形成 “端 - 邊 - 云 – 管” 的完整閉環(huán)。

04

安富利如何幫助客戶解決問(wèn)題？

面對(duì)不同行業(yè)客戶的差異化需求，安富利的技術(shù)服務(wù)與解決方案有哪些獨(dú)特優(yōu)勢(shì)？能否舉例說(shuō)明從需求洞察到落地交付的全流程服務(wù)模式？

A:

1.全周期服務(wù)優(yōu)勢(shì)

需求診斷：通過(guò)行業(yè)專家團(tuán)隊(duì)（覆蓋工業(yè)、新能源、醫(yī)療等領(lǐng)域）深入調(diào)研客戶痛點(diǎn)，例如在半導(dǎo)體制造客戶現(xiàn)場(chǎng)發(fā)現(xiàn) “晶圓缺陷檢測(cè)依賴人工目檢，漏檢率達(dá) 0.8%” 的問(wèn)題，針對(duì)性提出 “機(jī)器視覺(jué) + 邊緣 AI” 方案。

方案定制：基于全球供應(yīng)鏈優(yōu)勢(shì)快速整合硬件（如 Teledyne FLIR 紅外相機(jī)、Xilinx FPGA 加速卡）與軟件（如 Halcon 視覺(jué)算法庫(kù)），提供 “硬件設(shè)計(jì) + PCB Layout + 嵌入式軟件開(kāi)發(fā)” 的交鑰匙工程，某物流客戶通過(guò)安富利定制的 AGV 邊緣計(jì)算控制器，使貨物分揀效率提升 40%。

量產(chǎn)支持：依托亞太區(qū)7個(gè)研發(fā)中心與制造基地，提供從小批量試產(chǎn)（10-1000 件）到大規(guī)模量產(chǎn)（百萬(wàn)級(jí)）的供應(yīng)鏈保障，同時(shí)通過(guò) ISO 9001/14001 認(rèn)證確保質(zhì)量一致性，例如為某工業(yè)客戶實(shí)現(xiàn)從原型設(shè)計(jì)到量產(chǎn)上市僅需 16 周。

2.行業(yè)案例：智慧工廠產(chǎn)線升級(jí)

客戶痛點(diǎn)：傳統(tǒng)產(chǎn)線人工巡檢效率低，產(chǎn)品瑕疵漏檢導(dǎo)致客訴率達(dá) 1.2%，且產(chǎn)線設(shè)備協(xié)議不統(tǒng)一（Modbus、Profinet、EtherCAT）造成數(shù)據(jù)孤島。

安富利方案：

邊緣層：部署基于 Nvidia Jetson AGX Orin 的視覺(jué)檢測(cè)單元，搭載缺陷檢測(cè)算法（精度 99.2%），實(shí)時(shí)分析產(chǎn)品表面缺陷并控制機(jī)械臂剔除不良品。

網(wǎng)絡(luò)層：通過(guò)研華 UNO-2483G 工業(yè)網(wǎng)關(guān)實(shí)現(xiàn)多協(xié)議轉(zhuǎn)換，將設(shè)備數(shù)據(jù)統(tǒng)一接入云端 MES 系統(tǒng)。

云端：利用 AWS IoT Analytics 進(jìn)行質(zhì)量趨勢(shì)分析，反向優(yōu)化產(chǎn)線工藝參數(shù)。

價(jià)值成果：漏檢率降至 0.1% 以下，產(chǎn)線人工成本減少 60%，設(shè)備 OEE（綜合效率）提升 15%。

05

安富利邊緣計(jì)算、算力與算法方案

邊緣計(jì)算領(lǐng)域，安富利如何平衡算力供給與能效優(yōu)化？針對(duì)不同算力需求（如低功耗 MCU、高性能 SoC）的客戶，是否有分層解決方案？

A:

安富利通過(guò)Tria模塊化計(jì)算架構(gòu) + 場(chǎng)景化適配”構(gòu)建分層方案，近期推出的Tria?邊緣計(jì)算模塊成為連接硬件與場(chǎng)景的核心載體。作為 2025 年全新整合的嵌入式計(jì)算品牌，Tria 依托安富利全球研發(fā)制造網(wǎng)絡(luò)，提供從標(biāo)準(zhǔn)化模塊到定制化系統(tǒng)的全鏈條服務(wù)，尤其在中高端邊緣算力場(chǎng)景中展現(xiàn)獨(dú)特優(yōu)勢(shì)。

1. Tria 模塊：軟硬協(xié)同的邊緣算力引擎

以基于恩智浦 i.MX芯片 的MSC SM2S-IMX95 模塊為例，其六核 Arm Cortex-A55（2.0GHz）+ 專用 Cortex-M33 實(shí)時(shí)處理器的異構(gòu)架構(gòu)，搭配集成的 Neutron NPU（支持 1.5 TOPS 算力），可同時(shí)處理兩路 1080P 視頻流的 AI 推理（如工業(yè)視覺(jué)檢測(cè)、醫(yī)療影像預(yù)處理）。模塊采用 SMARC 2.2 標(biāo)準(zhǔn)，支持 LPDDR5 內(nèi)存（帶 ECC 糾錯(cuò)）與 256GB eMMC，通過(guò) 10G 以太網(wǎng)、PCIe Gen3 等高速接口，實(shí)現(xiàn)邊緣端與云端的低延遲數(shù)據(jù)交互。

能效優(yōu)化方面，Tria 模塊內(nèi)置動(dòng)態(tài)電源管理單元，可根據(jù)負(fù)載自動(dòng)調(diào)節(jié) CPU/GPU 頻率（如從 2.0GHz 降至 0.8GHz），結(jié)合板級(jí)散熱設(shè)計(jì)（如超薄熱管 + 金屬屏蔽罩），在工業(yè)級(jí) - 40℃~+85℃環(huán)境中保持 15W 以下功耗。對(duì)比傳統(tǒng)通用板卡，其算力利用率提升 30%，適用于智能制造、智慧交通等高可靠場(chǎng)景。

2. 分層方案：從 μA 級(jí)到 275 TOPS 的全場(chǎng)景覆蓋

端側(cè)（低功耗）：針對(duì)智能傳感器、可穿戴設(shè)備，Tria 提供基于 Cortex-M85 的超低功耗模塊（如 Tria S1 系列），集成 TinyML 框架，在 1μA 待機(jī)下實(shí)現(xiàn)心率異常檢測(cè)等本地決策，典型案例為某醫(yī)療手環(huán)項(xiàng)目，續(xù)航延長(zhǎng)至 14 天。

邊緣側(cè)（中算力）：SM2S-IMX95 模塊定位工業(yè)級(jí)邊緣中樞，應(yīng)用于某新能源企也的電池管理系統(tǒng)，實(shí)時(shí)分析 200 + 電芯數(shù)據(jù)，結(jié)合板載 Edgelock 安全飛地，實(shí)現(xiàn)數(shù)據(jù)加密與故障預(yù)警（響應(yīng)時(shí)間 < 10ms），較傳統(tǒng)方案算力成本降低 40%。

邊緣云（高算力）：面向自動(dòng)駕駛路側(cè)單元、醫(yī)療影像處理，Tria 推出基于 Nvidia Jetson AGX Orin 的定制化系統(tǒng)，支持 275 TOPS 算力與容器化部署，在某智慧港口項(xiàng)目中，單節(jié)點(diǎn)同時(shí)處理 8 路 4K 攝像頭數(shù)據(jù)，完成車輛識(shí)別與路徑規(guī)劃，延遲 < 20ms。

3. 場(chǎng)景化定制：從原型到量產(chǎn)的加速路徑

Tria 模塊支持 “即插即用” 與深度定制雙模式。例如，為某 3C 制造客戶開(kāi)發(fā)的視覺(jué)檢測(cè)邊緣單元，基于 SM2S-IMX系列預(yù)集成 Halcon 視覺(jué)算法庫(kù)，客戶僅需通過(guò) SDK 調(diào)用接口，即可在 2 周內(nèi)完成缺陷檢測(cè)模型部署（傳統(tǒng)開(kāi)發(fā)需 8 周）。量產(chǎn)階段，安富利依托亞太區(qū)的制造基地，提供模塊級(jí)到整機(jī)的質(zhì)量管控，確保交付的一致性。

4. 生態(tài)協(xié)同：連接芯片、算法與行業(yè)

Tria 模塊深度適配恩智浦 i.MX 系列、瑞薩 RZ/G、Intel/AMD等主流平臺(tái)，并與微軟 Azure IoT、AWS Greengrass 預(yù)集成，實(shí)現(xiàn) “邊緣推理 - 云端優(yōu)化” 無(wú)縫協(xié)同。

總結(jié)：

Tria 的核心價(jià)值在于將安富利 30 年的嵌入式經(jīng)驗(yàn)轉(zhuǎn)化為標(biāo)準(zhǔn)化模塊，通過(guò) “算力分層 + 場(chǎng)景定義”，讓客戶既能享受即用型方案的便捷，又可保留定制化空間。正如安富利嵌入式總裁 Thomas Staudinger 所言：“Tria 不是賣硬件，而是賣‘從設(shè)計(jì)到量產(chǎn)的確定性’。” 這種軟硬一體化能力，正是安富利在邊緣計(jì)算賽道的差異化壁壘。

~END~