文 |魏啟揚
來源|智能相對論（aixdlun）
AI在哪里？
這個問題如果放在幾年以前，很多人會感覺高深莫測，但在如今，我們回答起來游刃有余：在客廳里，天天與我們對話的智能音箱；在手機中，隨手拍出的美顏照片；在電商平臺上，總被猜中心思的商品推薦……
讓AI無處不在，是正在進行中的第四次產業(yè)革命的目標，也是每一個參與其中的開發(fā)者、建設者們心中的夢想。
然而當AI逐漸進入到產業(yè)深處，深度參與工業(yè)領域的智能化轉型時，如何讓AI從無到有，從最開始的簡單應用或者單一場景出發(fā)，繼而完成對整個產業(yè)的覆蓋，成為實現(xiàn)智能制造的關鍵。
近日，凌華科技發(fā)布了一系列基于華為昇騰的AI邊緣計算產品，推進AI算力融合在工業(yè)智能領域，讓AI應用落地于更多工業(yè)制造場景。
就像涓流成河匯成海一般，華為昇騰攜手合作伙伴正在構建一幅讓AI無處不在的百業(yè)全景圖。
智能制造的AI算力需求，華為昇騰來滿足
一提到產業(yè)智能化轉型，很多人的第一反應就是“上云”，確實，在面對高并發(fā)、小吞吐、長時延的計算需求時，“上云”是最便捷的一條解決路徑，然而在工業(yè)領域，大量視頻、圖像、高頻傳感器構成的異構數(shù)據(jù)需要進行實時處理， 使得異構大計算的需求滿足也成了不容忽視的重點，特別是智能制造領域普遍采用的混合云+AI+5G等新技術的組合，更是帶來了更加復雜且多元的多樣計算需求。
另外一個維度，與我們經常遇到的消費生活場景有所不同，在工業(yè)領域，AI應用首先需要對應不同的行業(yè)，如電子、汽車、醫(yī)藥、冶金等，然后每個行業(yè)還會有無數(shù)的落地場景，如視覺質量檢測、設備預測維護、生產排產等，即便是同一類場景，不同企業(yè)在該場景下的分析對象也有區(qū)別，如果都用通用CPU計算來處理，需要匹配極為強大的處理能力和算力，這將與智能制造所指向的“降本增效”的目的相悖，因而針對不同的業(yè)務場景、不同的數(shù)據(jù)類型和實時性要求，匹配不同的算力部署方案，這樣的計算架構也就更加科學。
正是在這樣的背景之下，凌華科技推出了基于華為昇騰的四款AI邊緣計算產品：昇騰AI邊緣小站、昇騰邊緣AI工作站、增強型昇騰工作站以及昇騰AI工控機。
如果應付一些工業(yè)應用場景一般的基本算力需求，昇騰AI邊緣小站（DLAP-221）就能勝任了，這款產品尺寸體積小，可以靈活部署，由于集成了華為Atlas-200 AI加速模組，可以在非常緊湊的尺寸內具備較為強勁的AI算力，單機可實現(xiàn)20路高清視頻實時分析，同時還預裝了昇騰制造業(yè)mxManufacture SDK，可以說麻雀雖小五臟俱全。
如果某些工業(yè)應用場景對算力有一定的需求，那么搭載了華為Atlas 200/Atlas 300I推理卡的昇騰邊緣AI工作站（MVP614X）就比較適合了，這款產品使用了Intel第九代i3/i5/i7處理器，整機可實現(xiàn)無風扇運行，經過特殊優(yōu)化的散熱設計可確保多張Atlas 200或Atlas 300I推理卡同時工作。
如果有工業(yè)應用場景有非常高的算力需求，那么可以采用多華為Atlas 300I推理卡搭載平臺的增強型昇騰工作站（DLAP8000），DLAP8000可支持更高級的Intel Xeon處理器，經過優(yōu)化后的電源同時可確保4張Atlas 300I工作；考慮到用戶現(xiàn)場對于大容量數(shù)據(jù)的存儲要求，DLAP8000在有限的體積下安裝了4塊2.5”硬盤。
如果某個應用場景需要同時擴展圖像采集、現(xiàn)場IO、運動控制功能時，凌華科技用可以擴展多路華為Atlas 300I推理卡的昇騰AI工控機（RK608/M43AI）來進行匹配，該產品有額外的PCI/PCIe插槽，可以同時搭配凌華科技特有的現(xiàn)場采集卡和運動控制卡。
從以上產品的功能亮點我們可以看出，凌華科技充分利用了昇騰的AI多樣計算能力，根據(jù)不同場景的不同算力需求，開發(fā)了與之適配的產品，可以說智能制造需要怎樣的AI算力，凌華科技和昇騰就有相對應的算力產品或算力部署方案。
哪里需要AI，哪里就有昇騰
說了這么多，凌華科技的這些產品到底好不好用，基于昇騰的智能制造解決方案到底發(fā)揮作用了嗎？下面，我們一起來看看凌華科技與昇騰的幾個落地案例。
眾所周知，在工業(yè)質量檢測領域，目前還有很多企業(yè)依賴于人工檢測，但受專業(yè)技術能力和經驗傳承的影響，檢測結果和檢測效率受人的干擾因素較大，特別是當人長時間重復單一工作，容易疲勞，會更加加重上述問題的產生。
于是，有的企業(yè)開始采取用工業(yè)相機拍照，圖文圖片模板比對的視覺檢測方式，相比依靠人的傳統(tǒng)視覺檢測方式，效率會有所提升，但新的問題又產生了，由于產品自身質量波動，圖像取像的角度、亮度變化甚至環(huán)境因素的干擾，從而使得視覺檢測測試的準確率始終難以達到理想水平，特別是當產品換線從A產品切換到B產品時，期間要經歷一段很長的調試時間，對于企業(yè)而言是個不小的負擔。
時下最新的AI質量檢測方案，則是傳統(tǒng)視覺融合深度學習技術，自動圖像特征提取，基于大量的歷史缺陷圖片完成模型訓練，只要檢測物的相似度達到一定程度即完成檢測過程，這種方案柔性很強，準確度和效率也大大提升。
在電子組裝行業(yè)，凌華科技在華為南方工廠智能計算產品生產線智能質檢項目中，直接將裝載Atlas 300I推理卡的工控機部署到產線，搭載2000萬像素高清工業(yè)相機，對電子組裝產品的標簽銘牌、螺釘、涂膠等對象進行檢測，將誤報率降低到1%以下，檢出率提高到99.9%，從1個人管理一條產線到目前1個人管理3條產線，檢測效率直接提升了3倍。
相比電子組裝行業(yè)對標簽銘牌的檢測對算力要求不高，我們再來看看集成電路行業(yè)中對集成電路板的品控監(jiān)測，其中焊點異常的檢測最為重要，由于電路板上焊點數(shù)量極大，這就涉及到算力升級的問題。
凌華科技采取的解決方案是通過部署搭載Atlas 300I推理卡的工控設備至檢測設備上，同時配以AI深度學習算法，從而獲得了同等算力下較低成本的算力配置，工業(yè)生產場景下，直接提升了10%-50%AOI直通率。
如果上述兩個案例檢測項目比較單一，對于算法的要求不高，那么我們再來看看凌華科技的AI邊緣計算解決方案在醫(yī)藥生產行業(yè)中的落地。
一板藥物膠囊是否合格達到出廠條件，需要比對藥板批號是否清晰無誤、膠囊是否漏粉、是否有壓泡、空囊這樣的紕漏，因而除了算力的要求之外，還需要多算法的融合。
凌華科技在工控設備中配置Atlas 300I推理卡，再加上算法合作伙伴的AI深度學習算法，實現(xiàn)了極低的誤檢率，小于3%，正確率高于99.47%，減少了95%的人力依賴。與此同時，還能對產品缺陷進行可視化標記，實現(xiàn)缺陷快速精準定位，在空膠囊、漏粉、壞囊、編號打印錯誤等常規(guī)必檢項之外，還能檢測包括藥板毛邊、折痕、白邊等無規(guī)律缺陷。
以上只是昇騰在工業(yè)智能化轉型中使能百業(yè)中的一點點進展，管中窺豹，昇騰AI算力正在以各種形態(tài)和各種方式進入到工業(yè)領域的縱深，可以說，哪里需要AI，哪里就有昇騰。
智能制造新舊動能轉換趨勢之下的昇騰畫卷
其實，無論是新基建還是“十四五”規(guī)劃，在制造強國、質量強國、網絡強國、數(shù)字中國等一系列國家戰(zhàn)略之下，產業(yè)智能化與智能制造新舊動能轉換的時代趨勢已成，作為為各行各業(yè)解決AI算力需求的昇騰正處于巨大的歷史機遇之中。
需要確定的是，這個機遇并不僅僅只屬于昇騰，從上述案例可以看出，在昇騰的普惠AI戰(zhàn)略之下，通過硬件開放軟件開源的方式，昇騰構建了一個以自身AI算力和完善的AI軟硬件開發(fā)環(huán)境為基礎的昇騰生態(tài)，在這個生態(tài)中，通過強力專業(yè)的生態(tài)伙伴，完成了對足夠廣泛產業(yè)的覆蓋。
從凌華科技與昇騰的合作來看，雙方取長補短，不但實現(xiàn)了自身的商業(yè)價值，同時在產業(yè)智能化的時代趨勢之下獲得了共同成長。
在這里，我們也應該看到，產業(yè)智能化的道路才剛剛開始，有數(shù)據(jù)顯示，目前AI與行業(yè)的滲透率僅有4%，這也意味著為了完成AI無處不在的目標，昇騰還需要更多的同行者一起在這場時代洪流中去探索更多的可能。
*本文圖片均來源于網絡
此內容為【智能相對論】原創(chuàng)，
僅代表個人觀點，未經授權，任何人不得以任何方式使用，包括轉載、摘編、復制或建立鏡像。
部分圖片來自網絡，且未核實版權歸屬，不作為商業(yè)用途，如有侵犯，請作者與我們聯(lián)系。
智能相對論（微信ID:aixdlun）：
?AI產業(yè)新媒體;
?今日頭條青云計劃獲獎者TOP10;
?澎湃新聞科技榜單月度top5;
?文章長期“霸占”鈦媒體熱門文章排行榜TOP10;
?著有《人工智能 十萬個為什么》
?【重點關注領域】智能家電（含白電、黑電、智能手機、無人機等AIoT設備）、智能駕駛、AI+醫(yī)療、機器人、物聯(lián)網、AI+金融、AI+教育、AR/VR、云計算、開發(fā)者以及背后的芯片、算法等。
免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
