邊緣人工智能 (Edge AI) 不僅是我們的未來，更是我們的當(dāng)下。這項技術(shù)直接在電子設(shè)備上處理數(shù)據(jù)，而非依賴云端，從而確保真實場景的高效穩(wěn)定運轉(zhuǎn)。

“基于云端的 AI 存在諸多局限。例如若使用中央處理器來執(zhí)行簡單的接近感應(yīng)或關(guān)鍵詞識別，系統(tǒng)延遲和功耗都會大幅增加。在這些使用場景下，邊緣 AI 就能體現(xiàn)出顯著的優(yōu)勢。”——德州儀器 (TI) 樓宇自動化與家電總經(jīng)理 Patrick Zeng

邊緣 AI 已全面賦能 TI 的嵌入式產(chǎn)品，持續(xù)激發(fā)工程師的創(chuàng)新潛能。為深入理解邊緣 AI 的實際影響與價值，我們與多位TI 的 AI 專家一起，共同探討這些創(chuàng)新技術(shù)如何重塑醫(yī)療、可再生能源及樓宇自動化領(lǐng)域中電子設(shè)備的能力與潛力。

讓醫(yī)療更普惠，讓健康更可及

邊緣 AI 技術(shù)正在推動醫(yī)療保健從以醫(yī)院和?？圃\所為中心的模式，轉(zhuǎn)向一種更快速、便捷的，以患者為中心的模式。

TI 系統(tǒng)與應(yīng)用工程部總經(jīng)理 John Varela Munoz 表示：“如今，許多日常設(shè)備已經(jīng)能夠提供我們以往只有通過醫(yī)生問診才能獲得的健康洞察?！?/p>

可穿戴心臟監(jiān)測設(shè)備就是一個很好的例子。借助邊緣 AI，設(shè)備能夠在本地分析用戶心律、過濾噪聲并實時識別異常。通過在設(shè)備端運行 AI 模型。它還能學(xué)習(xí)用戶個人的生理基線并精準生成個性化提醒，從而提供更加穩(wěn)定、可靠的高質(zhì)量健康監(jiān)測服務(wù)。

當(dāng)前，我們正利用 AI 來提升一到兩種傳感器數(shù)據(jù)的精確度。然而，放眼未來五到十年，AI 模型將能夠整合來自溫度、壓力和電生理信號等多維傳感器信息，從而更全面地洞察患者的健康狀況。

“未來，AI 將有潛力更快地識別每個人的獨特特征，并據(jù)此調(diào)整算法，從而提供更加個性化的體驗?！?——TI 系統(tǒng)與應(yīng)用工程總經(jīng)理 John Varela Munoz

例如，臨床診斷往往基于這樣一個規(guī)律“90% 的相似癥狀患者通?；加型环N疾病”。但如果某患者恰好屬于剩下的10% ，AI 便可調(diào)取該患者更詳盡的病史與其他健康數(shù)據(jù)，提取個體化細微差異，為診斷提供更細致的參考信息。

讓助力可持續(xù)能源的普及與創(chuàng)新

隨著可持續(xù)能源在日常應(yīng)用中的日益普及，邊緣 AI 技術(shù)也在助力其進一步推廣。預(yù)計到 2030 年，可再生能源將成為全球最大的能源來源。TI 正在開發(fā)能夠支持系統(tǒng)運行并提升可靠性的邊緣 AI 方案。

以太陽能電池板為例，TI 通過預(yù)訓(xùn)練模型利用邊緣 AI 實現(xiàn)更高精度的電弧檢測，可提升近 20% 的電弧檢測準確率?；谶吘?AI 的電弧故障檢測技術(shù)，系統(tǒng)可靠性得以增強，同時也可減少因誤觸發(fā)導(dǎo)致的系統(tǒng)停機，避免終端用戶因判斷是否為電弧故障而產(chǎn)生的額外時間和成本。

在光伏逆變器和儲能系統(tǒng) (ESS) 的功率轉(zhuǎn)換架構(gòu)中，常采用“單級變換器”等復(fù)雜拓撲結(jié)構(gòu)。要在如此寬泛的輸入輸出范圍內(nèi)實現(xiàn)高效率，是極具挑戰(zhàn)性的。通過在搭載邊緣 AI 加速的微控制器上運行神經(jīng)網(wǎng)絡(luò)，不僅可以加速此類系統(tǒng)方案的實現(xiàn)，還能通過“軟開關(guān)”（在電流為零時關(guān)斷電路）技術(shù)來維持變換器性能，從而降低功率損耗并提升終端用戶系統(tǒng)的效率與可靠性。

此外，邊緣 AI 還能加速 ESS 中的電化學(xué)阻抗譜 (EIS) 算法運算，提供更加精確的電池荷電狀態(tài)與健康狀態(tài)估算，以延長電池壽命。EIS 也能實現(xiàn)更優(yōu)秀的熱失控預(yù)測，從而提升系統(tǒng)安全性。

“TI 是率先推出搭載 AI 加速器的微控制器的半導(dǎo)體企業(yè)之一。這些 AI 加速器能幫助客戶在過往難以實現(xiàn)的場景中應(yīng)用 AI?！?——TI 電網(wǎng)基礎(chǔ)設(shè)施部門總經(jīng)理Henrik Mannesson

這些微控制器中集成的神經(jīng)處理單元 (NPU)，能夠助力系統(tǒng)實現(xiàn)超過 99% 的故障檢測準確率。

Henrik 補充道：“我們將持續(xù)拓展在能源基礎(chǔ)設(shè)施領(lǐng)域的相關(guān)應(yīng)用場景。同時，我們也認識到構(gòu)建通用型開發(fā)工具的重要性。它能夠讓客戶借助邊緣 AI 進行進一步創(chuàng)新，探索更多我們未曾設(shè)想過的應(yīng)用場景。”

讓建筑更舒適、安全與節(jié)能

在樓宇自動化領(lǐng)域，一個普遍挑戰(zhàn)在于如何兼顧性能、隱私與功耗，在保證用戶的使用體驗與實現(xiàn)效能最大化之間取得最佳平衡。Patrick 表示：“邊緣 AI 能夠讓工程師直接在設(shè)備端實現(xiàn)這種平衡。”

以運動探測器為例，傳統(tǒng)的被動紅外傳感器可能會因暖通空調(diào) (HVAC) 通風(fēng)口的一陣風(fēng)或穿過房間的寵物而觸發(fā)誤報，這不僅浪費能源，也給使用者帶來困擾。將邊緣 AI 集成于紅外傳感器后，運動探測器便能精準識別人類活動、背景噪音或物體移動，使照明、安防及環(huán)境舒適控制系統(tǒng)更加精準可靠。

這一理念同樣適用于其他場景。在音頻事件檢測中，搭載邊緣 AI 的高性能嵌入式處理器能夠在安防攝像頭或玻璃破碎檢測器等設(shè)備上本地執(zhí)行語音識別，在確保精度的同時實現(xiàn)低功耗。邊緣 AI 還能賦能暖通空調(diào)系統(tǒng)學(xué)習(xí)人員活動模式，識別溫度與濕度等環(huán)境狀態(tài)，從而自動優(yōu)化調(diào)節(jié)，以提升舒適度并節(jié)能。

盡管應(yīng)用場景多種多樣，但它們都指向一個共同優(yōu)勢：預(yù)測能力。Patrick 表示：“工程師在采用 AI 時應(yīng)當(dāng)思考：我的設(shè)備應(yīng)該解決哪些預(yù)測性問題？”

其可能性無窮無盡。醫(yī)療、樓宇自動化和可再生能源領(lǐng)域僅僅是一個開端。

John 表示：“隨著我們與開發(fā)人員的持續(xù)合作，我們正在為他們更輕松地采用邊緣 AI 打下基礎(chǔ)，也為下一波邊緣 AI 的創(chuàng)新鋪路。如今，邊緣 AI 已讓設(shè)備變得更加便捷、易用且高效。那么，下一個變革會是什么，又將發(fā)生在何處？”