به محتوای اصلی بروید

هوش مصنوعی لبه‌ای رایانش صنعتی را از جمع‌آوری داده به تصمیم‌گیری بلادرنگ منتقل می‌کند

Edge AI Is Moving Industrial Computing From Data Collection to Real-Time Decision Making

هوش مصنوعی لبه‌ای به یک نیاز استاندارد در رایانش صنعتی تبدیل می‌شود

شرکت Neousys Technology شاهد تغییر آشکاری در نحوه ارزیابی پلتفرم‌های رایانشی از سوی مشتریان صنعتی است. هوش مصنوعی لبه‌ای دیگر به خودروهای خودران، سامانه‌های دفاعی یا سایر کاربردهای پردازشی سنگین محدود نیست. تولیدکنندگان بیش‌ازپیش می‌خواهند قابلیت‌های استنتاج هوش مصنوعی مستقیماً درون رایانه‌های صنعتی فشرده‌ای قرار گیرد که پیش‌تر برای جمع‌آوری داده، کنترل یا رابط‌های انسان و ماشین استفاده می‌شدند.

Neousys انتظار دارد درآمد مرتبط با هوش مصنوعی لبه‌ای این شرکت در سال ۲۰۲۶، سال‌به‌سال ۱۰ تا ۲۰ درصد افزایش یابد. رایانه‌های هوش مصنوعی لبه‌ای هم‌اکنون حدود ۴۰ درصد از ترکیب محصولات این شرکت را تشکیل می‌دهند که شامل رایانه‌های صنعتی بدون فن، سامانه‌های مبتنی بر GPU و رایانه‌های مأموریتی مقاوم است.

از دیدگاه اتوماسیون صنعتی، این تغییر اهمیت زیادی دارد، زیرا هوش مصنوعی را به سطح ماشین نزدیک‌تر می‌کند. به‌جای انتقال مداوم حجم زیادی از داده‌های خام به سرورهای متمرکز، سامانه‌های صنعتی می‌توانند اطلاعات منتخب را به‌صورت محلی پردازش کرده و در بازه‌های زمانی بسیار کوتاه‌تری واکنش نشان دهند.

ایمنی کارخانه، نقطه ورود عملی برای هوش مصنوعی صنعتی است

یکی از متقاعدکننده‌ترین کاربردها، پایش ایمنی کارخانه است. Neousys و شرکای آن اخیراً سامانه‌ای مبتنی بر هوش مصنوعی را به نمایش گذاشتند که با استفاده از فناوری NVIDIA Jetson، ورود کارکنان به مناطق خطرناک را شناسایی کرده و هشدارهای لحظه‌ای ایجاد می‌کند.

این کاربرد نشان می‌دهد که هوش مصنوعی لبه‌ای در چه شرایطی می‌تواند مزیتی عملی فراهم کند. یک سامانه ایمنی همیشه نمی‌تواند به اتصال ابری یا پردازش از راه دور متکی باشد. استنتاج محلی به دوربین‌ها و سخت‌افزار رایانشی اجازه می‌دهد رویدادها را در نزدیکی منبع شناسایی کنند؛ در نتیجه، نیازهای ارتباطی کاهش یافته و زمان واکنش بالقوه بهبود می‌یابد.

بااین‌حال، هوش مصنوعی نباید به‌طور خودکار جایگزین سامانه‌های ایمنی متداول شود. در کاربردهای مرتبط با حفاظت از کارکنان، تشخیص مبتنی بر هوش مصنوعی معمولاً باید در کنار مدارهای ایمنی تثبیت‌شده، اینترلاک‌ها، عملکردهای توقف اضطراری و معماری‌های کنترل ایمنی تأییدشده به کار رود، نه اینکه تنها لایه حفاظتی باشد.

تولید نیمه‌رسانا تقاضای قدرتمندی ایجاد می‌کند

تولید نیمه‌رسانا یکی دیگر از حوزه‌های مهم رشد است. Neousys اعلام کرده است محصولاتی که در تجهیزات ساخت ویفر استفاده می‌شوند، حدود ۱۰ درصد از کل درآمد آن را ایجاد می‌کنند و این شرکت به دو کارخانه بزرگ ریخته‌گری نیمه‌رسانا در جهان نیز تأمین محصول دارد.

این بازار به پلتفرم‌های رایانشی فشرده‌ای نیاز دارد که بتوانند بینایی ماشین، بازرسی، پردازش داده و کنترل تجهیزات را مدیریت کنند. استنتاج هوش مصنوعی زمانی اهمیت ویژه‌ای پیدا می‌کند که سامانه‌های بازرسی باید اطلاعات بصری پیچیده‌تری را تحلیل کنند، بدون آنکه هر تصویر را به زیرساخت متمرکز منتقل کنند.

روند گسترده‌تر، حرکت به‌سوی هوشمندی توزیع‌شده درون تجهیزات تولیدی است. بنابراین رایانه‌های صنعتی از پلتفرم‌های متداول کنترل و جمع‌آوری داده به گره‌های رایانشی تبدیل می‌شوند که قابلیت پشتیبانی از الگوریتم‌های بینایی، مدل‌های هوش مصنوعی و تحلیل‌های لحظه‌ای تجهیزات را دارند.

زیرساخت هوش مصنوعی نقش رایانه‌های صنعتی را گسترش می‌دهد

گسترش مراکز داده هوش مصنوعی، کاربردی غیرمنتظره برای رایانه‌های صنعتی فشرده ایجاد کرده است. گزارش شده که سامانه‌های سری Neousys POC-700 توسط تولیدکنندگان سرور، به‌عنوان کنترل‌کننده واحدهای توزیع خنک‌کننده استفاده می‌شوند.

این سامانه‌ها پارامترهایی مانند دما، فشار آب و جریان را در زیرساخت‌های خنک‌سازی درون رک و بین رک پایش می‌کنند. این کاربرد نشان می‌دهد که رایانش صنعتی تنها به کارخانه‌ها محدود نیست.

با افزایش بار حرارتی سرورهای هوش مصنوعی، زیرساخت خنک‌سازی بیش‌ازپیش به پایش و کنترل مداوم وابسته می‌شود. رایانه‌های صنعتی فشرده می‌توانند در این سامانه‌های توزیع‌شده، جمع‌آوری داده، ارتباطات و عملکردهای نظارتی محلی را فراهم کنند.

خودروهای خودران، اتوماسیون را به هوشمندی لبه‌ای پیوند می‌دهند

Neousys همچنین در حال گسترش فعالیت خود در حوزه ربات‌های متحرک خودران، خودروهای هدایت‌شونده خودکار و سایر کاربردهای خودروهای خودران است. پروژه‌های این شرکت در آسیا شامل کاربردهای تحویل در فضای باز می‌شود و کاربردهای دیگری نیز در کشاورزی، اجرای قانون و ردیابی مظنونان دارد.

ارتباط با اتوماسیون صنعتی روشن است. ماشین‌های خودران برای ادراک، ناوبری، همجوشی حسگرها، ارتباطات و تصمیم‌گیری به پردازش محلی نیاز دارند. انتقال این وظایف به نزدیکی خودرو، وابستگی به زیرساخت رایانشی متمرکز را کاهش می‌دهد.

تحولات مقرراتی نیز می‌تواند به رشد بیشتر این بازار کمک کند. با ایجاد چارچوب‌هایی برای خودروهای تحویل خودران در کشورهای مختلف، تقاضا برای پلتفرم‌های رایانشی صنعتی که قابلیت فعالیت خارج از محیط‌های کنترل‌شده کارخانه را دارند، ممکن است افزایش یابد.

دفاع به یکی از محرک‌های اصلی رشد تبدیل می‌شود

کاربردهای دفاعی در حال حاضر حدود ۲۰ درصد از درآمد Neousys را تشکیل می‌دهند و انتظار می‌رود این سهم تا پایان سال ۲۰۲۶ به حدود ۲۵ درصد برسد.

این شرکت پلتفرم‌های رایانشی را به تولیدکنندگان پهپاد و یکپارچه‌سازان سامانه‌هایی عرضه می‌کند که خودروهای زمینی بدون سرنشین را توسعه می‌دهند. این کاربردها معمولاً به رایانش مقاوم‌سازی‌شده، پردازش محلی، قابلیت‌های گسترده ورودی/خروجی و عملکرد در شرایط محیطی دشوار نیاز دارند.

از دیدگاه مهندسی، کاربردهای دفاعی اهمیت دوام سخت‌افزار و ثبات پلتفرم را نیز برجسته می‌کنند. رایانه‌های صنعتی مستقر در سامانه‌های میدانی معمولاً در مقایسه با پلتفرم‌های رایانشی تجاری متداول، به دسترس‌پذیری طولانی‌تر محصول و پیکربندی‌های سخت‌افزاری قابل پیش‌بینی نیاز دارند.

پلتفرم‌های نسل بعدی اینتل می‌توانند هوش مصنوعی را به سامانه‌های کوچک‌تر وارد کنند

Neousys در حال آماده‌سازی محصولاتی مبتنی بر پلتفرم نسل بعدی Nova Lake اینتل است و نخستین عرضه این محصولات احتمالاً در سه‌ماهه نخست سال ۲۰۲۷ انجام خواهد شد.

پیشرفت فنی مهم، قابلیت پردازش عصبی یکپارچه این پلتفرم است. منابع اختصاصی NPU می‌توانند اجرای محلی مدل‌های کوچک‌تر و ویژه هر وظیفه را ممکن کنند، بدون آنکه به همان سطح از سخت‌افزار GPU که معمولاً با بارهای کاری هوش مصنوعی مرتبط است نیاز باشد.

این موضوع می‌تواند تأثیر قابل‌توجهی بر اتوماسیون صنعتی داشته باشد. بسیاری از کاربردهای صنعتی به مدل‌های بزرگ هوش مصنوعی مولد نیاز ندارند؛ بلکه به مدل‌های استنتاج نسبتاً فشرده برای تشخیص اشیا، شناسایی ناهنجاری، طبقه‌بندی، بازرسی پیش‌بینانه یا پایش تجهیزات نیاز دارند.

بنابراین، نیازهای رایانشی کمتر می‌تواند هوش مصنوعی را در طیف بسیار گسترده‌تری از سامانه‌های مجاور PLC و مبتنی بر IPC عملی کند.

مراقبت‌های سلامت، فرصت گسترش بعدی را فراهم می‌کند

Neousys قصد دارد در سال ۲۰۲۷ وارد کاربردهای حوزه سلامت شود و بر تصویربرداری پزشکی مبتنی بر هوش مصنوعی، پایش بیماران و کاربردهای مرتبط با مراقبت تمرکز کند.

این شرکت قصد دارد فناوری‌های پردازش تصویر، رایانش هوش مصنوعی و رایانش لبه‌ای مقاوم را در این بازارها به کار گیرد. حوزه سلامت همچنین محیط تجاری متفاوتی دارد، زیرا تجهیزات آن معمولاً چرخه عمر محصول طولانی‌تری دارند و ممکن است نسبت به نوسانات کوتاه‌مدت اقتصادی حساسیت کمتری نشان دهند.

برای تولیدکنندگان رایانه‌های صنعتی، این تنوع‌بخشی از نظر راهبردی اهمیت دارد. همان فناوری‌های سخت‌افزاری که برای بینایی ماشین و پایش صنعتی استفاده می‌شوند، می‌توانند از محیط‌های دیگری نیز پشتیبانی کنند که به پردازش محلی مداوم و دسترس‌پذیری طولانی‌مدت سخت‌افزار نیاز دارند.

اتوماسیون صنعتی به‌سوی هوشمندی توزیع‌شده حرکت می‌کند

مهم‌ترین برداشت از گسترش فعالیت‌های Neousys صرفاً رشد رایانه‌های صنعتی مجهز به هوش مصنوعی نیست. تغییر عمیق‌تر، توزیع تدریجی هوشمندی رایانشی در سراسر سامانه‌های صنعتی است.

معماری‌های سنتی اتوماسیون اغلب کنترل، بصری‌سازی، جمع‌آوری داده و تحلیل‌های سطح بالا را در لایه‌هایی نسبتاً مجزا از یکدیگر قرار می‌دادند. هوش مصنوعی لبه‌ای این جداسازی را کمرنگ می‌کند. اکنون یک رایانه صنعتی می‌تواند پردازش تصویر، استنتاج هوش مصنوعی، ارتباط پروتکلی، جمع‌آوری داده و پشتیبانی از تصمیم‌گیری در سطح کاربرد را به‌طور هم‌زمان انجام دهد.

این به معنای ناپدید شدن سامانه‌های متمرکز نیست. در عوض، معماری‌های صنعتی احتمالاً توزیع‌شده‌تر می‌شوند و هر لایه رایانشی، بار کاری متناسب با ظرفیت پردازشی، الزامات تأخیر و محدودیت‌های قابلیت اطمینان خود را بر عهده می‌گیرد.

دیدگاه مهندسی: پذیرش هوش مصنوعی باید تابع کاربرد باشد

ارقام رشد چشمگیر هستند، اما پذیرش هوش مصنوعی صنعتی نباید صرفاً بر اساس تعداد رایانه‌های مجهز به هوش مصنوعی نصب‌شده سنجیده شود.

پرسش مهندسی مفیدتر این است که آیا هوش مصنوعی محلی یک مشکل عملیاتی مشخص را حل می‌کند یا خیر. کاربردهایی مانند تشخیص کارکنان، بازرسی نوری، ناوبری خودران و پایش تجهیزات، دلایل روشنی برای استفاده از استنتاج لبه‌ای دارند.

در مقابل، افزودن هوش مصنوعی به یک کنترل‌کننده صنعتی بدون تعریف بار کاری مشخص می‌تواند پیچیدگی سامانه را افزایش دهد، بدون آنکه مزایای عملیاتی قابل‌اندازه‌گیری ایجاد کند. بنابراین مهندسان باید پیش از انتخاب یک پلتفرم هوش مصنوعی لبه‌ای، نیازهای پردازشی، تأخیر، معماری شبکه، چرخه عمر مدل، طراحی حرارتی، امنیت سایبری، رویه‌های نگهداری و دسترس‌پذیری سخت‌افزار را ارزیابی کنند.

بااین‌حال، جهت‌گیری روشن است. رایانه‌های صنعتی از تجهیزات منفعل پردازش داده به پلتفرم‌های رایانشی توزیع‌شده‌ای تبدیل می‌شوند که می‌توانند اطلاعات را به‌صورت محلی تفسیر کرده و از تصمیم‌گیری سریع‌تر در سطح ماشین پشتیبانی کنند.

چشم‌انداز بازار

Neousys درآمد نیمه نخست سال ۲۰۲۶ را حدود ۱٫۱۴ میلیارد دلار تایوان اعلام کرده است که نشان‌دهنده رشد ۳۶ درصدی نسبت به سال گذشته است. این شرکت انتظار دارد درآمد کل سال، حدود ۴۰ درصد نسبت به درآمد ۱٫۶۴ میلیارد دلاری تایوان در سال ۲۰۲۵ افزایش یابد و برای سال ۲۰۲۷ نیز رشد دورقمی را هدف‌گذاری کرده است.

انتظار می‌رود هوش مصنوعی لبه‌ای، حوزه دفاع، تولید هوشمند و تقاضای بازار آمریکا همچنان از عوامل مهم رشد باشند.

برای بازار گسترده‌تر اتوماسیون صنعتی، اهمیت این روند فراتر از یک تولیدکننده است. با کارآمدتر شدن استنتاج هوش مصنوعی و توانمندتر شدن پلتفرم‌های رایانش صنعتی، قابلیت‌های هوش مصنوعی احتمالاً در ماشین‌ها و سامانه‌های کنترلی کوچک‌تر و کوچک‌تری ظاهر خواهند شد.

بنابراین، مرحله بعدی اتوماسیون صنعتی صرفاً به اتصال دستگاه‌های بیشتر محدود نخواهد بود؛ بلکه بیش‌ازپیش شامل دادن هوشمندی محلی کافی به ماشین‌های منفرد خواهد شد تا محیط خود را تفسیر کرده و در لحظه بر اساس اطلاعات مرتبط اقدام کنند.

هوش مصنوعی لبه‌ای، رایانش صنعتی را از جمع‌آوری داده به تصمیم‌گیری لحظه‌ای منتقل می‌کند