WWW.AIM-MAG.COM

公眾號 免費索閱

Nov/Dec 2023

ISSN：2958-2237

人工智能已經(jīng)學(xué)會了如何編碼，這對

技術(shù)工作來說是一件好事 7

邊緣計算機視覺可以實現(xiàn) AI Apps 4

將生成式 AI 用于代碼可能是一個很

大的風(fēng)險 9

C

M

Y

CM

MY

CY

CMY

K

2 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

11/12月 2023年 目錄 CONTENTS

應(yīng)用空間 APPLICATION AIDS

19 工業(yè) AI：甾族化合物的預(yù)測性維護

Industrial AI: Predictive Maintenance on Steroid

作者：Milton Lopez Sparkcognition首席設(shè)計師

來源：Embedded Computing Design

行業(yè)風(fēng)云 INDUSTRY INTERCHANGE

20 AMD Kira K24 SOM系統(tǒng)模塊讓電機運行更智能

AMD Kira K24 SOM System Module Makes Motor Operation More Intelligent

22 雙驅(qū)輪戰(zhàn)略助安森美創(chuàng)驕人成績

Double Wheel Drive Strategy Helps onsemi Achieve Remarkable Results

編者語 UP FRONT

3 穩(wěn)扎穩(wěn)打又一年

Steady and Steady For Another Year

24 市場動態(tài) NEWS

28 廣告索引 AD INDEX

專題/FEATURE 機器學(xué)習(xí)/MACHINE LEARNING

4 邊緣計算機視覺可以實現(xiàn) AI Apps

Computer Vision at the Edge Can Enable AI Apps

作者：Reese Grimsley 德州儀器系統(tǒng)應(yīng)用工程師

7 人工智能已經(jīng)學(xué)會了如何編碼，這對技術(shù)工作來說是一件好事

AI Has Learned How to Code, And That's a Good Thing for Tech Jobs

作者：Nick Greene Independent Contractor

來源：Embedded Computing Design

9 將生成式 AI 用于代碼可能是一個很大的風(fēng)險

Using Generative AI For Code Can Be a Big Risk

作者：Ken Briodagh 嵌入式計算高級技術(shù)編輯

來源：Embedded Computing Design

10 為邊緣高效打包神經(jīng)網(wǎng)絡(luò) AI 模型

Efficiently Packing Neural Network AI Model for the Edge

作者：Rami Drucker CEVA公司視覺業(yè)務(wù)部門 機器學(xué)習(xí)軟件架構(gòu)師

來源：Embedded Computing Design

12 人工智能（AI）利用深度學(xué)習(xí)技術(shù)增強ADAS

Artificial Intelligence (AI) Utilizing Deep Learning Techniques to Enhance ADAS

作者：Ambuj Nandanwar 軟航市場營銷專家

來源：Embedded Computing Design

技術(shù)薈萃 TECHNICAL CLUSTER

14 用 AMR 完成您的智能工廠

Complete Your Smart Factory With an AMR

作者：嵌入式計算編輯部

來源：Embedded Computing Design

特色產(chǎn)品 FEATURE PRODUCTS

16 安森美的成像技術(shù)助推視覺產(chǎn)品創(chuàng)新

ansem's Imaging Technology Boosts Visual Product Innovation

2023 版權(quán)所有 翻印必究

ISSN：2958-2237

中國香港特別行政區(qū)

China Hong Kong SAR

麥協(xié)林 Adonis Mak

adonism@actintl.com.hk

黃鶯 Katie Huang

katieh@actintl.com.hk

魏弘德 Chris Everett

chrise@actintl.com.hk

崔 斌 蔡振榮 戴高敏

丁險峰 范叢明 黃曉園

蘇銳丹 史 喆

許海燕 Helena Xu

helenax@actintl.com.hk

程麗娜 Lisa Cheng

lisac@actintl.com.hk

譚良輝 Ivy Tan

ivyt@actintl.com.hk

彭珊 Sophie Pang

SophieP@actintl.com.hk

楊柳 Genevieve Yang

genevievey@actintl.com.hk

Publishing House

ACT International

Kowloon,HongKong,

No.478 Castle Peak Road, Cheung Sha Wan,

Por Yen Building,

Unit B, 13/F.

852 2838 6298

852 2838 2766

出版總監(jiān)

電郵

主編

電郵

總編

電郵

編委會成員

(排名不分先后)

中國區(qū)銷售總監(jiān)

電郵

市場總監(jiān)

電郵

發(fā)行經(jīng)理

電郵

銷售服務(wù)經(jīng)理

廣告服務(wù)經(jīng)理

出版社

雅時國際商訊

香港九龍

長沙灣青山道478號

百欣大廈

13樓B室

電話

傳真

WWW.AIM-MAG.COM

《工業(yè)AI》雜志介紹國內(nèi)、國際工業(yè)AI領(lǐng)域的先進技

術(shù)及解決方案、系統(tǒng)及產(chǎn)品、開發(fā)工具、市場及應(yīng)

用、產(chǎn)業(yè)鏈等相關(guān)資訊，部份內(nèi)容來自美國Embedded

Computing Design媒體集團的獨家授權(quán)轉(zhuǎn)載，面向國內(nèi)

制造領(lǐng)域的工程技術(shù)、管理、市場、營銷等行業(yè)人士。

《工業(yè)AI》是國內(nèi)及國際企業(yè)與中國工業(yè)AI系統(tǒng)及產(chǎn)品

用戶之間高質(zhì)量的交流平臺。

編者語 UP FRONT

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 3

穩(wěn)扎穩(wěn)打又一年

Steady and Steady For Another Year

波瀾不驚的 2023 年即將過去。在過去的三季度，中國

工業(yè)和信息化發(fā)展“總體平穩(wěn)，產(chǎn)業(yè)結(jié)構(gòu)持續(xù)優(yōu)化，新動能

新優(yōu)勢不斷集聚增強，創(chuàng)新發(fā)展的活力動力持續(xù)釋放，高質(zhì)

量發(fā)展取得積極成效?！痹趪鴦?wù)院新聞辦公室于 10 月 20 日

舉行的新聞發(fā)布會上，工業(yè)和信息化部新聞發(fā)言人、總工程

師趙志國如是介紹了 2023 年前三季度中國工業(yè)和信息化的

總體發(fā)展狀況 ：

第一，工業(yè)經(jīng)濟恢復(fù)向好—工業(yè)生產(chǎn)穩(wěn)定增長。前三季

度規(guī)模以上工業(yè)增加值同比增長 4%，增速較今年上半年加

快 0.2%。制造業(yè)增加值占 GDP 比重基本保持穩(wěn)定，制造業(yè)

投資持續(xù)增長，7 月份以來增速逐漸加快。其中，8 月份規(guī)

模以上工業(yè)企業(yè)利潤同比增長 17.2%，營業(yè)收入、利潤均實

現(xiàn)由負轉(zhuǎn)正。

第二，制造業(yè)高質(zhì)量發(fā)展邁出堅實步伐—前三季度，高

技術(shù)制造業(yè)投資同比增長 11.3%，增速高于制造業(yè)投資 5.1%。

新能源汽車、光伏產(chǎn)品、航空航天器及設(shè)備實現(xiàn)高速增長，

造船業(yè)三大指標繼續(xù)全球領(lǐng)跑。加速數(shù)字化轉(zhuǎn)型進程，推動

智能工廠建設(shè)規(guī)模擴大和水平提升，已建設(shè)近萬家數(shù)字化車

間和智能工廠。

第三，信息通信業(yè)保持穩(wěn)步增長—截至 9 月底，累計建

成 5G 基站 318.9 萬個，千兆寬帶用戶達 1.45 億戶。5G 應(yīng)用

已融入 67 個國民經(jīng)濟大類，全國“5G+ 工業(yè)互聯(lián)網(wǎng)”項目

超過 7000 個，移動物聯(lián)網(wǎng)終端累計達 22.2 億戶。

第四，中小企業(yè)發(fā)展成效顯著—前三季度，中小企業(yè)經(jīng)

濟運行多項關(guān)鍵指標回升向好。累計培育 10.3 萬家專精特新

中小企業(yè)、1.2 萬家專精特新“小巨人”企業(yè)、200 個中小

企業(yè)特色產(chǎn)業(yè)集群，在強鏈補鏈中發(fā)揮重要作用。

其中對于人工智能的發(fā)展，發(fā)布會上，工業(yè)和信息化部

新聞發(fā)言人、運行監(jiān)測協(xié)調(diào)局局長陶青做了總體發(fā)展介紹 ：

我國人工智能核心產(chǎn)業(yè)規(guī)模不斷增長，企業(yè)數(shù)量超過

4400 家，智能芯片、開發(fā)框架、通用大模型等創(chuàng)新成果不斷

涌現(xiàn)。云算、智算、超算等協(xié)同發(fā)展，算力規(guī)模位居全球第二，

東數(shù)西算等重大工程加快推進。人工智能與制造業(yè)深度融合，

有力推動實體經(jīng)濟數(shù)字化、智能化、綠色化轉(zhuǎn)型，目前已建

設(shè)近萬家數(shù)字化車間和智能工廠。

對于下一步的發(fā)展，陶青表示 ：“主要從以下四個方面

著力。一是夯實人工智能技術(shù)底座。通過科技創(chuàng)新重大項目，

著力推動大模型算法、框架等基礎(chǔ)性原創(chuàng)性的技術(shù)突破，提

升智能芯片算力水平，釋放數(shù)據(jù)價值，強化“根”技術(shù)研發(fā)。

二是推動重點行業(yè)智能化升級。加快制造業(yè)全流程智能化。

深化人工智能技術(shù)在制造業(yè)全流程融合應(yīng)用，大幅提升研發(fā)、

中試、生產(chǎn)、服務(wù)、管理等環(huán)節(jié)智能化水平。推進人工智能

試點示范，拓展特色應(yīng)用場景，加快“智改數(shù)轉(zhuǎn)”，形成現(xiàn)實

生產(chǎn)力，提升制造業(yè)發(fā)展質(zhì)量和效益。三是推動智能產(chǎn)品和

裝備發(fā)展。發(fā)揮大模型強認知、強交互、強生成的特點，促

進高端裝備、關(guān)鍵軟件、智能終端的升級迭代，提升重點產(chǎn)

品和裝備智能化水平。四是加強支撐服務(wù)體系建設(shè)。加快培

育一批行業(yè)龍頭企業(yè)和專精特新中小企業(yè)，組建一批生態(tài)型

創(chuàng)新聯(lián)合體。深化技術(shù)研發(fā)、標準研制、倫理治理、人才培

養(yǎng)等國際交流合作，協(xié)同打造良好的人工智能產(chǎn)業(yè)生態(tài)?！?/p>

特別是，作為新型關(guān)鍵生產(chǎn)力的算力已成為影響國家數(shù)

字經(jīng)濟發(fā)展水平的重要因素。近期，工業(yè)和信息化部聯(lián)合有

關(guān)部門印發(fā)了《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動計劃》。對于此

《行動計劃》，趙志國介紹 ：

一是頂層政策設(shè)計持續(xù)加強。出臺《行動計劃》，結(jié)合

算力發(fā)展最新形勢，以提高資源利用率為方向引導(dǎo)全國算力

基礎(chǔ)設(shè)施合理布局，以智能算力為重點推動算力結(jié)構(gòu)優(yōu)化，

以融合發(fā)展為主線促進計算、網(wǎng)絡(luò)、存儲和應(yīng)用協(xié)同發(fā)展，

加強部門和行業(yè)協(xié)作，推動工業(yè)、金融、醫(yī)療、教育、能源

等重點領(lǐng)域打造一批算力新業(yè)務(wù)、新模式、新業(yè)態(tài)。

二是算力基礎(chǔ)設(shè)施水平持續(xù)提升。我國數(shù)據(jù)中心在用

標準機架數(shù)量超過 760 萬架，算力總規(guī)模達每秒 1.97 萬億

億次浮點運算。算力結(jié)構(gòu)不斷優(yōu)化，智能算力規(guī)模同比增長

45%。國家算力樞紐加快建設(shè)，圍繞數(shù)據(jù)中心集群布局新建

約 130 條干線光纜，高速長距傳輸技術(shù)有效提升跨區(qū)域數(shù)據(jù)

傳輸質(zhì)量。人工智能推理、訓(xùn)練芯片加速迭代優(yōu)化，性能持

續(xù)提升。

三是算力賦能作用持續(xù)深化。算力服務(wù)從互聯(lián)網(wǎng)領(lǐng)域

向裝備制造、交通出行等各行業(yè)領(lǐng)域拓展，逐步形成 ToC、

ToB 雙輪驅(qū)動態(tài)勢，也就是一個面對消費市場，一個面對企業(yè)。

2024 年即將到來，在中國政府的各項政策的指導(dǎo)扶持下，

在行業(yè)人士的共同努力奮斗下，中國工業(yè)及信息化、中國工

業(yè)人工智能行業(yè)一定能迎來嶄新的、蓬勃發(fā)展的春天！

《工業(yè) AI》編輯部

專題/機器學(xué)習(xí) FEATURE/MACHINE LEARNING

4 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

轉(zhuǎn)換、啟發(fā)式和閾值，從圖像或視頻中提取有意義的信息。

這些算法通常是特定于應(yīng)用程序的算法的前身，例如解碼

一維條形碼中的信息，其中一系列規(guī)則在檢測到單個條形

時對條形碼進行解碼。

傳統(tǒng)的計算機視覺在其簡單性和可解釋性方面是有

益的，這意味著開發(fā)人員可以在每一步分析算法并解釋算

法為什么會如此。這在軟件審核或安全關(guān)鍵型應(yīng)用程序中

非常有用。然而，傳統(tǒng)的計算機視覺往往需要更多的專業(yè)

知識才能正確實現(xiàn)。

算法通常具有一小組參數(shù)，需要調(diào)整這些參數(shù)才能在

不同環(huán)境中實現(xiàn)最佳性能。實施可能很困難，特別是對于

優(yōu)化的高通量應(yīng)用程序。某些規(guī)則、算法決策或參數(shù)值可

能會對不符合原始期望的圖像產(chǎn)生意想不到的影響，從而

有可能欺騙算法。如果不暴露新的邊緣情況或增加算法的

復(fù)雜性，此類漏洞和邊緣情況可能很難修復(fù)。

用于計算機視覺的經(jīng)典機器學(xué)習(xí)

機器學(xué)習(xí)是一類算法，它使用數(shù)據(jù)在算法中設(shè)置參

作者：Reese Grimsley 德州儀器系統(tǒng)應(yīng)用工程師

邊緣計算機視覺可以實現(xiàn) AI Apps

Computer Vision at the Edge Can Enable AI Apps

計算機視覺是指將人類視覺（一種

信息豐富且直觀的傳感器）引

入計算機的技術(shù)目標，使裝配線檢查、

安全系統(tǒng)、駕駛員輔助和機器人等應(yīng)

用成為可能。

不幸的是，計算機缺乏像人類那

樣直覺視覺和圖像的能力。相反，我

們必須為計算機提供算法來解決特定

領(lǐng)域的任務(wù)。

我們經(jīng)常認為我們的愿景是理所

當然的，以及這種生物能力如何解釋

我們的周圍環(huán)境，從看冰箱檢查食物

保質(zhì)期到專心觀察紅綠燈變綠。

計算機視覺可以追溯到 1960 年

代，最初用于從頁面讀取文本（光學(xué)字符識別）和識別圓

形或矩形等簡單形狀等任務(wù)。此后，計算機視覺已成為人

工智能（AI）的核心領(lǐng)域之一，它涵蓋了任何試圖從數(shù)據(jù)

中感知，合成或推斷更深層次含義的計算機系統(tǒng)。有三種

類型的計算機視覺 ：傳統(tǒng)或“基于規(guī)則”、經(jīng)典機器學(xué)習(xí)

和深度學(xué)習(xí)。

在本文中，我將從讓計算機使用視覺來更像人類一樣

感知世界的角度來考慮人工智能。我還將描述每種類型的

計算機視覺的權(quán)衡，特別是在本地收集、處理和處理數(shù)據(jù)

的嵌入式系統(tǒng)中，而不是依賴基于云的資源。

傳統(tǒng)計算機視覺

傳統(tǒng)的計算機視覺是指解決運動估計、全景圖像拼接

或線條檢測等任務(wù)的編程算法。

傳統(tǒng)的計算機視覺使用標準的信號處理和邏輯來解

決任務(wù)。Canny 邊緣檢測或光流等算法可以分別找到運

動的輪廓或矢量，這對于隔離圖像中的對象或后續(xù)圖像之

間的運動跟蹤非常有用。這些類型的算法依賴于過濾器、

使用邊緣 AI 處理解碼條形碼的條形碼掃描儀示例

專題/機器學(xué)習(xí) FEATURE/MACHINE LEARNING

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 5

數(shù)，而不是直接編程或校準。這些算法，如支持向量機、

多層感知器（人工神經(jīng)網(wǎng)絡(luò)的前身）和 k- 最近鄰，被用

于傳統(tǒng)計算機視覺難以解決的應(yīng)用。例如，在傳統(tǒng)的計算

機視覺算法上編程“識別狗”是一項艱巨的任務(wù)，尤其是

在存在復(fù)雜場景和物體的情況下。訓(xùn)練機器學(xué)習(xí)算法以從

100 秒或 1000 秒的樣本圖像中學(xué)習(xí)參數(shù)更容易處理。通

過使用包含這些邊緣情況示例的數(shù)據(jù)集來解決邊緣情況。

訓(xùn)練是計算密集型的，但在新數(shù)據(jù)上運行算法需要的

計算資源要少得多，因此可以實時運行。這些經(jīng)過訓(xùn)練的

模型通常具有較低的可解釋性，但對數(shù)據(jù)中的小計劃外變

化（例如對象的方向或背景噪音）更具彈性。可以通過使

用更多數(shù)據(jù)重新訓(xùn)練來修復(fù)無法很好地處理的變體。具有

更多參數(shù)的較大模型通常具有更高的精度，但具有更長的

訓(xùn)練時間以及運行時所需的更多計算，這在歷史上阻止了

非常大的模型在嵌入式處理器上的實時應(yīng)用程序中使用。

基于機器學(xué)習(xí)的經(jīng)典計算機視覺方法仍然需要專家

來“制作”訓(xùn)練機器學(xué)習(xí)模型的特征集。其中許多功能在

傳統(tǒng)的計算機視覺應(yīng)用程序中是通用的。并非所有功能都

有用，因此需要分析以修剪無信息功能。有效實現(xiàn)這些算

法需要圖像處理和機器學(xué)習(xí)方面的專業(yè)知識。

深度學(xué)習(xí)

深度學(xué)習(xí)是指在大部分未處理或“原始”數(shù)據(jù)上運行

的非常大的神經(jīng)網(wǎng)絡(luò)模型。深度學(xué)習(xí)通過將特征提取操作

拉入模型本身，對計算機視覺產(chǎn)生了巨大影響，從而使算

法根據(jù)需要學(xué)習(xí)信息量最大的特征。圖 1 顯示了每種計算

機視覺方法中的數(shù)據(jù)流。

深度學(xué)習(xí)在計算機視覺類型中具有最普遍性 ; 神經(jīng)網(wǎng)

絡(luò)是通用函數(shù)逼近器，這意味著它們能夠?qū)W習(xí)輸入和輸出

之間的任何關(guān)系（只要存在這種關(guān)系）。深度學(xué)習(xí)擅長在

數(shù)據(jù)中發(fā)現(xiàn)微妙和明顯的模式，并且對輸入變化最寬容。

物體識別、人體姿勢估計和像素級場景分割等應(yīng)用是常見

的用例。

深度學(xué)習(xí)需要最少的直接調(diào)諧和圖像處理專業(yè)知識。

這些算法依賴于大型和高質(zhì)量的數(shù)據(jù)集，通過逐步找到在

訓(xùn)練期間優(yōu)化損失或錯誤指標的參數(shù)來幫助通用算法學(xué)習(xí)

模式。新手開發(fā)人員可以有效地利用深度學(xué)習(xí)，因為重點

從算法的實現(xiàn)轉(zhuǎn)移到數(shù)據(jù)集管理。此外，許多深度學(xué)習(xí)模

型是公開可用的，因此可以針對特定用例對其進行重新訓(xùn)

練。使用這些公開可用的模型很簡單 ; 但是，開發(fā)完全自

定義的體系結(jié)構(gòu)確實需要更多的專業(yè)知識。

與傳統(tǒng)的計算機視覺和經(jīng)典機器學(xué)習(xí)相比，深度學(xué)習(xí)

具有更高的準確性，并且由于在研究（以及不斷增長的商

業(yè)）社區(qū)中的巨大普及而迅速提高。然而，深度學(xué)習(xí)通常

具有較差的可解釋性，因為算法非常大且復(fù)雜 ; 與訓(xùn)練數(shù)

據(jù)集完全不同的圖像可能會導(dǎo)致意外、不可預(yù)測的行為。

由于它們的大小，深度學(xué)習(xí)模型的計算量非常大，因此需

要特殊的硬件來加速它們的實時操作。在大型數(shù)據(jù)集上訓(xùn)

練大型模型的成本可能很高，并且管理大型數(shù)據(jù)集通常既

耗時又乏味。

然而，處理能力、速度、加速器（如神經(jīng)處理單元和

圖形處理單元）的改進，以及對矩陣和矢量運算的軟件支

持的改進，使得計算需求的增加變得不那么重要，即使在

嵌入式系統(tǒng)上也是如此。AM6xA 產(chǎn)品組合等嵌入式微處

圖1. 每種計算機視覺方法中的數(shù)據(jù)流。

專題/機器學(xué)習(xí) FEATURE/MACHINE LEARNING

6 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

理器利用硬件加速器以高幀速率運行深度學(xué)習(xí)算法。

比較不同類型的計算機視覺

那么哪種類型的計算機視覺最好呢？

這最終取決于其應(yīng)用，如圖 2 所示。

簡而言之，對于大多數(shù)屬性，具有經(jīng)典機器學(xué)習(xí)的計

算機視覺介于其他兩種方法之間 ; 與其他兩種方法相比，

受益的應(yīng)用程序集很小。傳統(tǒng)的計算機視覺在簡單、高通

量或安全關(guān)鍵型應(yīng)用中可以足夠準確和高效。深度學(xué)習(xí)是

最通用的，最容易開發(fā)的，并且在復(fù)雜的應(yīng)用和環(huán)境中具

有最高的精度，例如在高密度設(shè)計的 PCB 組裝驗證期間

識別微小的缺失組件。

一些應(yīng)用程序受益于串聯(lián)使用多種類型的計算機視

覺算法，以便它們覆蓋彼此的弱點。這種方法在處理高度

可變環(huán)境的安全關(guān)鍵應(yīng)用中很常見，例如駕駛員輔助系統(tǒng)。

例如，您可以使用傳統(tǒng)的計算機視覺方法和深度學(xué)習(xí)模型

來跟蹤附近的車輛，并使用算法融合結(jié)果以確定這兩種方

法是否相互一致。如果他們不這樣做，系統(tǒng)可以警告駕駛

員或開始優(yōu)雅的安全操作?；蛘?，可以按順序使用多種類

型的計算機視覺。條形碼閱讀器可以使用深度學(xué)習(xí)來定位

感興趣的區(qū)域，裁剪這些區(qū)域，然后使用傳統(tǒng)的 CV 計算

機視覺算法進行解碼。

計算機視覺實踐

計算機視覺的進入門檻正在逐步降低。OpenCV 等開

源庫提供了邊緣檢測和顏色轉(zhuǎn)換等常見功能的高效實現(xiàn)。

像 tensorflow-lite 和 ONNX 運行時這樣的深度學(xué)習(xí)運行

時使深度學(xué)習(xí)模型能夠在嵌入式處理器上高效運行。這些

運行時還提供了自定義硬件加速器可以實現(xiàn)的接口，以簡

化開發(fā)人員在準備將算法從 PC 或云上的訓(xùn)練環(huán)境移動到

嵌入式處理器上進行推理時的體驗。許多深度學(xué)習(xí)架構(gòu)也

是公開發(fā)布的，因此它們可以重用于各種任務(wù)。

德州儀器 （TI） AM6xA 產(chǎn)品組合中的處理器（如

AM62A7）包含深度學(xué)習(xí)加速硬件以及針對各種傳統(tǒng)和深

度學(xué)習(xí)計算機視覺任務(wù)的軟件支持。C66x 等數(shù)字信號處

理器內(nèi)核和用于光流和立體深度估計的硬件加速器也支持

高性能的傳統(tǒng)計算機視覺任務(wù)。

借助能夠同時進行傳統(tǒng)和深度學(xué)習(xí)計算機視覺的處

理器，可以構(gòu)建可與科幻夢想相媲美的工具。自動購物車

將簡化購物 ; 手術(shù)和醫(yī)療機器人將引導(dǎo)醫(yī)生發(fā)現(xiàn)疾病的早

期跡象 ; 移動機器人將修剪草坪并運送包裹。如果您可以

設(shè)想它，那么您將要構(gòu)建的應(yīng)用程序也可以。█

圖2.計算機視覺類型及其應(yīng)用。

專題/機器學(xué)習(xí) FEATURE/MACHINE LEARNING

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 7

可以在多種語言之間進行翻譯，包括文本到代碼，”辛普

森解釋說。“將這種強大的能力嵌入到開發(fā)人員可以使用

的工具中，已經(jīng)被證明是無價的，可以使開發(fā)人員更好地

完成工作，并為技術(shù)水平較低的人員解鎖軟件生產(chǎn)。

軟件太多，程序員不夠

現(xiàn)在是成為軟件開發(fā)人員的好時機，因為他們的技能

需求從未如此之高。

您可能已經(jīng)閱讀了至少一篇關(guān)于困擾 IT 行業(yè)十多

年的人才短缺的文章。根本沒有足夠的熟練專業(yè)人員來

填補所有不斷出現(xiàn)的新職位。SaaS 領(lǐng)域的爆炸性增長

以及全球?qū)?shù)字化轉(zhuǎn)型和分布式工作的推動只會加劇這

種情況。

換句話說，基于軟件的用例和業(yè)務(wù)應(yīng)用程序比以往任

何時候都多，但沒有足夠的人來實際構(gòu)建軟件。

“Code.org 在 2017 年進行的一項調(diào)查顯示，僅在美

國估計就有 500 萬個開放的編程職位，”辛普森指出?！安?/p>

幸的是，許多人空缺，特別是因為當年只有 43000 名畢

業(yè)生進入市場 ; 而且這個數(shù)字還在繼續(xù)減少。最重要的是，

作者：Nick Greene Independent Contractor

人工智能已經(jīng)學(xué)會了如何編碼，這對技術(shù)工

作來說是一件好事

AI Has Learned How to Code, And That's a Good Thing for Tech Jobs

雖然它絕不是先進到足以取代人類開發(fā)人員，但人工

智能已經(jīng)學(xué)會了如何編碼。這使它成為專業(yè)人士甚

至技術(shù)水平較低的用戶的完美配對程序員。

早 在 2011 年， 風(fēng) 險 投 資 家 馬 克· 安 德 森（Marc

Andreessen）就說過，軟件正在吞噬世界。1 快進到今天，

似乎他當年表達的觀點已經(jīng)像美酒一樣陳年了。不幸的是，

葡萄酒似乎還需要在酒窖里呆幾年才能成熟。

不可否認，社會的大部分地區(qū)已經(jīng)從基于硬件的經(jīng)

濟轉(zhuǎn)變?yōu)橐攒浖头?wù)為基礎(chǔ)的經(jīng)濟?，F(xiàn)在，普通的西方

家庭都可以獲得技術(shù)和便利，即使在十五年前，它們似乎

也像是從科幻小說中走出來的。分布式工作和軟件即服務(wù)

（SaaS）等新興趨勢顛覆了多個行業(yè)。

我們還沒有達到這種轉(zhuǎn)變的頂峰。仍然有一個巨大的

障礙需要克服：根本沒有足夠的軟件開發(fā)人員。有趣的是，

軟件本身可能是這個問題的解決方案。

“需要軟件開發(fā)人員的工作數(shù)量正在以遠遠超過進入

市場填補這些職位的熟練專業(yè)人員的數(shù)量，”AlleyCorp

機器學(xué)習(xí)負責(zé)人 Becks Simpson 解釋說。“即使對于那些

已經(jīng)擔任程序員角色的人來說，他們的大部分時間也不一

定花在編寫新功能上，而是編寫測試、修補安全問題、審

查代碼和修復(fù)錯誤。這兩個因素使得提高勞動力生產(chǎn)力變

得更加重要，人工智能驅(qū)動的自然語言處理（NLP）模型

的最新改進正在使之成為現(xiàn)實。

當然，辛普森指的是這些 NLP 模型的最新版本，統(tǒng)

稱為生成預(yù)訓(xùn)練轉(zhuǎn)換器（GPT）。你可能已經(jīng)熟悉至少一

個這樣的工具，OpenAI 的 ChatGPT。除了能夠以驚人

的準確性響應(yīng)人類對話之外，這些新的 NLP 模型還可以

在多種語言之間進行翻譯，而不僅僅是人類語言。

“憑借其規(guī)模、底層架構(gòu)以及訓(xùn)練數(shù)據(jù)和制度，GPT

專題/機器學(xué)習(xí) FEATURE/MACHINE LEARNING

8 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

開發(fā)人員需要足夠熟練來填補大多數(shù)開發(fā)工作所需的時間

從 3 到 5 年不等”。

“根據(jù)美國勞工統(tǒng)計局的數(shù)據(jù)，當程序員準備進入更

高級的角色時，可用角色的數(shù)量將增加 28%，”她繼續(xù)說道。

“即使公司內(nèi)部建立了開發(fā)團隊，挑戰(zhàn)也不會停止。構(gòu)建

軟件的要求，特別是在質(zhì)量、安全性和交付速度方面，變

得越來越復(fù)雜”。

由于這種復(fù)雜性的增加，開發(fā)人員必須逐漸減少在

實際開發(fā)上花費的時間，而將更多的時間用于解決安全

問題、測試已經(jīng)編寫的代碼和修復(fù)錯誤。高級開發(fā)人員

在此之上還有更多的責(zé)任，因為他們必須花時間指導(dǎo)他

們的初級人員并執(zhí)行代碼審查。所有這一切的結(jié)果是，

大多數(shù)開發(fā)人員只花費大約 30-40% 的時間開發(fā)新功能

或優(yōu)化現(xiàn)有代碼。2

這是個壞消息。好消息是，人工智能（AI）可能有

解決方案。人工智能幾乎完美地適合大部分額外的工作，

通過將人工智能與人類開發(fā)人員配對，我們最終可以幫助

軟件克服消化不良的麻煩。

為什么開發(fā)人員和機器是天作之合

雖然我們離有感知的機器人還有很長的路要走，但基

于深度學(xué)習(xí)的 NLP 在過去幾年中取得了顯著的進步。舊

形式的 NLP 是高度專業(yè)化的，必須針對單一的特定目的

進行訓(xùn)練，例如語言翻譯或情感分析。另一方面，基于

GPT 的模型是通過大量數(shù)據(jù)進行預(yù)訓(xùn)練的，使他們能夠

發(fā)展一般的語言處理能力，然后可以根據(jù)特定目的進行

微調(diào)。

除此之外，這導(dǎo)致了幾種人工智能驅(qū)動工具的出現(xiàn)，

旨在幫助開發(fā)人員提高生產(chǎn)力和代碼質(zhì)量。

“這些工具使用的模型可以解析代碼以識別錯誤和

缺陷，有效地執(zhí)行代碼審查中一些更繁瑣的部分，”辛普

森說?！案鶕?jù) AI-News，最近發(fā)布的一些此類工具，如

CodeGuru 和 DeepCode，能夠找到人類難以識別的漏洞，

并發(fā)現(xiàn) 50% 的拉取請求存在問題。3 此外，現(xiàn)代 NLP 技

術(shù)通過幫助自動完成代碼部分，監(jiān)控代碼輸出的錯誤，甚

至自動生成單元測試，提高了開發(fā)人員的代碼質(zhì)量并加快

了開發(fā)速度?！?/p>

這個領(lǐng)域的領(lǐng)先品牌之一是 OpenAI，ChatGPT 的

開發(fā)者。他們的 Codex 算法可以以驚人的準確性解析代

碼。它甚至能夠根據(jù)人類用戶的提示生成代碼。

“Codex 的能力來自它所訓(xùn)練的數(shù)據(jù)，包括自然語言

片段和大量代碼，”辛普森繼續(xù)說道。GitHub 對其性能進

行的一項初步研究表明，對于像編寫 HTTP 服務(wù)器這樣

的普通任務(wù)，與開發(fā)人員一起利用 AI 將完成時間縮短了

一半。事實上，支撐這個工具的模型可以從一個注釋中自

動完成整個代碼部分，這也使得初學(xué)者和不太熟練的人更

容易理解編碼。

這降低了軟件開發(fā)的障礙，人工智能翻譯功能使

新手用戶能夠?qū)⑷祟愓Z言提示轉(zhuǎn)換為幾乎任何編程語

言， 從 Python，JavaScript 和 C++ 到 SQL，NoSQL 或

PostgreSQL。

當然，整個過程仍然存在一些重大限制，例如，語言

模型不能使任何事情變得太復(fù)雜。雖然靜態(tài)網(wǎng)站、簡單的

函數(shù)和基本的代碼翻譯都在可能的范圍內(nèi)，但目前任何更

復(fù)雜的東西都太復(fù)雜了，無法通過人工智能生成。

這些模型也并不總是100%準確。

“通常，Codex 等工具生成的代碼大多是正確的，但

仍需要經(jīng)驗豐富的開發(fā)人員進行一些干預(yù)，”Simpson 說。

“從這個意義上說，這些模型可以提高人類編碼導(dǎo)師的生

產(chǎn)力，因為當人工智能遇到問題時，人類可以接管。這還

可以大大提高初級開發(fā)人員的生產(chǎn)力，同時減少他們需要

的監(jiān)督和高級投入?！?/p>

彌合人與機器之間的鴻溝

這些創(chuàng)新的軟件開發(fā)工具均由 OpenAI 的 GPT 架構(gòu)

提供支持。GPT 接受過從互聯(lián)網(wǎng)上獲取的文本的培訓(xùn)，

從開源存儲庫和社交媒體上的評論到博客文章和電子書，

最初旨在支持更準確、更逼真的語言生成。然而，培訓(xùn)有

一個意想不到的、相當迷人的副作用 ：GPT 也能夠生成

代碼，這一認識導(dǎo)致了 Codex 的開發(fā)。

但這究竟是如何發(fā)生的呢？是什么讓 GPT 如此通

用？根據(jù)辛普森的說法，有幾件事 ：

● 用于訓(xùn)練的數(shù)據(jù)量。

● 事實上，這些模型是在多任務(wù)設(shè)置和自我監(jiān)督方

式下訓(xùn)練的——這與大多數(shù)神經(jīng)網(wǎng)絡(luò)所經(jīng)歷的監(jiān)督、單任

務(wù)訓(xùn)練有很大不同。

● 更多的參數(shù)，使他們能夠?qū)W習(xí)更細微的模式并理

解數(shù)據(jù)中更復(fù)雜的關(guān)系。

● 他們最先進的底層架構(gòu)。

（下轉(zhuǎn)第 15 頁）

專題/機器學(xué)習(xí) FEATURE/MACHINE LEARNING

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 9

代碼都是不受版權(quán)保護的，因此使用該代碼的產(chǎn)品可能在

任何方面都有可能是專有的。但是，通常情況下，當自動

編碼器運行時，工程師或開發(fā)人員會在代碼進入最終部署

之前對其進行更改、編輯和調(diào)整。

那段代碼呢？它受到保護嗎？嗯，這取決于—

許多可用的自動編碼工具，包括 GitHub Copilot，

都是在公共存儲庫中的代碼數(shù)據(jù)集上進行訓(xùn)練的，在

CoPilot 的情況下，是 Open AI 模型 Codex。如果該代碼

中的任何一個以任何有限的方式獲得許可，則使用該代碼

的任何產(chǎn)品都可能對專利性產(chǎn)生影響。

在 2023 年 3 月為彭博法律撰寫的一篇關(guān)于人工智

能知識產(chǎn)權(quán)問題的文章中，作者寫道 ：“如果生成的代碼

包括 copyleft 許可證下公開可用的開源代碼，例如 GPL

v3，那么它可能會導(dǎo)致整個生成的代碼繼承相同的開源許

可證，這可能會”污染“開發(fā)人員的整個源代碼，包括專

有代碼。也就是說，如果開發(fā)人員在開發(fā)的代碼中包含開

源許可代碼，則開發(fā)的代碼可能被視為使用開源代碼，并

且開源代碼的許可證可以應(yīng)用于開發(fā)的代碼。

這可能意味著商業(yè)產(chǎn)品必須公開其源代碼，或者可能

只是意味著該產(chǎn)品不可申請專利。這些風(fēng)險仍然不確定，

作者：Ken Briodagh 嵌入式設(shè)計高級技術(shù)編輯

將生成式 AI 用于代碼可能是一個很大的風(fēng)險

Using Generative AI For Code Can Be a Big Risk

（下轉(zhuǎn)第 11 頁）

如果你一直注意的話，你就會知道生成式

人工智能工具正被用于創(chuàng)建各個領(lǐng)域的

內(nèi)容，從視覺藝術(shù)到電視和電影劇本和新聞文

章，以及嵌入式領(lǐng)域的許多公司代碼。

倡導(dǎo)者將談?wù)摵喕鞒毯蜕鲜袝r間以及

節(jié)省成本，但也存在許多擔憂。美國作家協(xié)

會（Writers Guild of America）最近贏得了

AMPTP 的新合同，這要歸功于一場曠日持久

的罷工，這在很大程度上是由于對生成人工智

能工具侵犯作家權(quán)利的擔憂。該合同包括工作

室在如何使用人工智能制作故事方面的讓步，

最值得注意的是，人工智能生成的書面材料不

被視為文學(xué)材料、源材料或指定材料。

這與工程師和開發(fā)人員有關(guān)，因為根據(jù)現(xiàn)行法律，計

算機代碼作為創(chuàng)造性作品受版權(quán)保護，但前提是它是由人

類編碼人員大量創(chuàng)建的。在美國哥倫比亞特區(qū)地方法院 8

月的一項裁決中，法官 Beryl A. Howell 裁定，根據(jù)美國

法律，人工智能生成的藝術(shù)不能受版權(quán)保護。豪厄爾說，

在判決中，“本案只提出了一個問題，即由計算機系統(tǒng)自

主生成的作品是否有資格獲得版權(quán)。在沒有任何人為參與

作品創(chuàng)作的情況下，登記冊給出的答案是 ：不?！?/p>

劉宇昆是一位科幻小說作家，畢業(yè)于哈佛法學(xué)院，在

轉(zhuǎn)向全職寫作之前，曾擔任公司律師和高科技訴訟顧問。

他的作品包括《折紙動物園》和《國王的恩典》，這是蒲

公英王朝四部曲的第一卷。

當談到人工智能生成的代碼時，劉宇昆說他看到了許

多問題，首先是不清楚它是否可以像其他代碼一樣受到版

權(quán)保護。“如果你使用來自生成代碼的軟件，你就是在冒

險，”他說 ：“其中許多工具都是在開放數(shù)據(jù)集上訓(xùn)練的?！?/p>

那么，這對編碼人員意味著什么，更重要的是，對他

們正在構(gòu)建的產(chǎn)品意味著什么？

在基本層面上，這意味著任何完全由人工智能生成的

專題/機器學(xué)習(xí) FEATURE/MACHINE LEARNING

10 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

典型的是，簡單的圖形如圖 1 所示。

我們的目標是讓編譯器優(yōu)化總緩沖區(qū)內(nèi)存需求?？紤]

一個簡單的神經(jīng)網(wǎng)絡(luò) AI 圖中的一個可能的分配序列（圖

2 中的左側(cè)圖）。首先要了解圖形中的不同操作需要不同

的緩沖區(qū)大小，并且在下一波處理之前不再需要已完成操

作的輸入緩沖區(qū)。讀取緩沖區(qū) A 后（此處分配了 800K

字節(jié)），它可以重用于后續(xù)操作，緩沖區(qū) B 也是如此，依

此類推。在圖形分支中，左側(cè)圖形中的 A 和 B 首先分配

給右側(cè)分支，因此必須為左側(cè)分支分配新的緩沖區(qū) C。

在 這 個 例 子 中 很 容 易 看 出， 最 好 一 開 始 將 B 的

大小擴大到 1000K，然后重用左分支中 B 的全部容

量，只需要右分支中 C 的額外 10K 緩沖區(qū)，如右圖

所 示。 左 / 右 內(nèi) 存 需 求 差 異 很 大。 左 圖 需 要 2.5MB

（800K+700K+1000K）， 而 右 圖 的 修 改 后 順 序 只 需 要

1.81MB （800K+1000K+10K）。

在通用神經(jīng)網(wǎng)絡(luò) AI 圖中找出最優(yōu)排序是眾所周知的

0-1 背包問題的一個例子。我們已經(jīng)進行了初步測試，以

研究優(yōu)化如何改善固定大小的 L2 存儲器的封裝。即使在

這個初步階段，結(jié)果也相當令人印象深刻。我們測試了幾

種常見的網(wǎng)絡(luò)，以適應(yīng)大小為 2MB 和 2MB 的 L4 內(nèi)存。

在優(yōu)化之前，只有 13% 的模型適合 2MB，只有 38% 適

合 4MB。優(yōu)化后，66% 的模型適合 2MB，83% 的模型適

作者: Rami Drucker CEVA公司視覺業(yè)務(wù)部門 機器學(xué)習(xí)軟件架構(gòu)師

為邊緣高效打包神經(jīng)網(wǎng)絡(luò) AI 模型

Efficiently Packing Neural Network AI Model for the Edge

將應(yīng)用打包到受限的片上存儲器中是嵌入式設(shè)計中常

見的問題，現(xiàn)在在將神經(jīng)網(wǎng)絡(luò) AI 模型壓縮到受限

存儲中同樣重要。

在某些方面，這個問題甚至比傳統(tǒng)軟件更具挑戰(zhàn)性，

因為基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)的工作內(nèi)存都是“內(nèi)部循環(huán)”，

其中向外翻頁到 DDR 內(nèi)存的需求可能會降低性能。推理

期間同樣糟糕的重復(fù) DDR 訪問將破壞邊緣設(shè)備的典型低

功耗預(yù)算。更大的片上存儲器是解決問題的一種方法，但

這會增加產(chǎn)品成本。在可能的情況下，最好的選擇是盡可

能高效地將模型打包到可用內(nèi)存中。

在編譯神經(jīng)網(wǎng)絡(luò) AI 模型以在邊緣設(shè)備上運行時，有

一些眾所周知的量化技術(shù)可以減小大小 ：將浮點數(shù)據(jù)和權(quán)

重值轉(zhuǎn)換為定點，然后進一步縮小到 INT8 或更小的值。

想象一下，如果你能走得更遠。在本文中，我想介紹幾種

圖形優(yōu)化技術(shù)，這些技術(shù)將允許您擬合更廣泛的量化模型，

例如 2MB L2 內(nèi)存，而這些內(nèi)存在單獨量化后無法適應(yīng)。

優(yōu)化神經(jīng)網(wǎng)絡(luò) AI 圖中的緩沖區(qū)分配

神經(jīng)網(wǎng)絡(luò) AI 模型以圖形的形式表示和管理，其中操

作是通過緩沖區(qū)互連的節(jié)點。這些緩沖區(qū)是內(nèi)存中的固定

分配，它們的大小在圖形編譯時確定，以保存中間計算結(jié)

果或圖形的輸入和輸出。最基本的圖形類型是管道，但更

圖1. 一個示例計算圖：正方形表示張量數(shù)據(jù)（E：外部，C：常數(shù)，V：變量，T：正則張量），橢圓表示運算。

專題/機器學(xué)習(xí) FEATURE/MACHINE LEARNING

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 11

合 4MB。僅此一項優(yōu)化就非常值得努力，以確保更多模

型可以完全在片上存儲器中運行。

通過緩沖區(qū)合并優(yōu)化神經(jīng)網(wǎng)絡(luò) AI 模型

在卷積神經(jīng)網(wǎng)絡(luò) AI 模型中，緩沖區(qū)大小通常在前幾

層之后縮小。這表明，一開始分配的大型緩沖區(qū)可以通過

與以后較小的緩沖區(qū)要求共享空間來更有效地使用。圖 3

說明了這種可能性。

我們進行了試驗優(yōu)化，以了解這種合并會對總內(nèi)存需

求產(chǎn)生什么影響。在一系列非常熟悉的網(wǎng)絡(luò)中，我們看到

總規(guī)模從 15% 減少到 35%。同樣，這些都是非常有吸引

力的改進。

外包

通過這些優(yōu)化，我們已經(jīng)運行了各種流行的卷積神經(jīng)

網(wǎng)絡(luò) AI 模型，從檢測到分類再到分割，以及 RNN 模型。

幾乎所有車型都顯示出有意義的打包改進，在許多情況下

將模型完全移動到 4MB L2 中，或者在某些情況下將大

部分模型移動到 L2 中，只在 DDR 內(nèi)存中留下一部分。

如果您的神經(jīng)網(wǎng)絡(luò) AI 模型不適合您的片上存儲器，

那么一切都不會丟失。在 AI 編譯器階段可以進行緩沖區(qū)

優(yōu)化，這可以顯著壓縮總模型大小。█

（上接第 9 頁）

圖2.說明緩沖區(qū)分配的簡單圖表。左側(cè)的分配分配通過切換 B 和 C 并超大 B 在右側(cè)得到改進。

因為我們處于這些人工智能工具開發(fā)的早期階段，而且它

們還沒有受到法律挑戰(zhàn)。但這是一個問題。事實上，即使

使用生成式 AI 編寫的代碼，也可能使您面臨版權(quán)侵權(quán)訴

訟，具體取決于模型經(jīng)過訓(xùn)練的代碼集。

然而，這并不是一個失敗的事業(yè)。劉宇昆說，盡管

版權(quán)保護絕對需要人為干預(yù)，但“人類的創(chuàng)造力有可能

是最小的。以某種新順序重新排列數(shù)據(jù)或代碼可能是可

以保護的。”

IAC 和 Expedia 主席 Barry Diller 呼吁制定標準和

裁決，以定義有關(guān) AI 生成內(nèi)容的法律，因為這些問題。

他在最近接受CNBC采訪時表示，合理使用原則需要更新，

以反映生成 AI 的使用?！拔覀円龅木褪谴_定人工智能沒

有合理使用這樣的事情，這給了我們地位，”迪勒說。

這一點讓人擔心，任何由生成式 AI 構(gòu)建的產(chǎn)品都可

能被裁定為衍生作品，這意味著代碼或數(shù)據(jù)集的創(chuàng)建者可

能擁有代碼的權(quán)利。法律尚未確定這一先例如何影響這些

問題。

“目前尚不清楚足夠長的代碼字符串是否可能是抄

襲，”劉宇昆說。“我們還沒有看到任何訴訟?！?/p>

版權(quán)和代碼問題必須得到解決，然后任何人都應(yīng)該有

信心在下一個產(chǎn)品或解決方案中使用生成式 AI 代碼。風(fēng)險

太大了，即使你認為自己不會被注意到、抓住或起訴。█

圖3.一個不同的簡單圖，其中緩沖區(qū) A 的初始分配稍后可以在

左右分支之間共享：此處 C 緩沖區(qū)位于初始 A 緩沖區(qū)內(nèi)。

專題/機器學(xué)習(xí) FEATURE/MACHINE LEARNING

12 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

便進行有效的分析和決策。它涉及諸如清理數(shù)據(jù)以消除錯

誤和不一致、通過插值或外推處理缺失值、尋址異常值以

及歸一化要素等任務(wù)。對于圖像數(shù)據(jù)，調(diào)整大小可確保一

致性，而規(guī)范化方法可標準化像素值。傳感器數(shù)據(jù)（如

LiDAR 或雷達讀數(shù)）可能會經(jīng)過噪聲消除或異常值檢測

等濾波技術(shù)以提高質(zhì)量。

通過執(zhí)行這些預(yù)處理步驟，ADAS 系統(tǒng)可以使用可靠

和標準化的數(shù)據(jù)，從而提高預(yù)測的準確性和整體系統(tǒng)性能。

網(wǎng)絡(luò)架構(gòu)選擇

網(wǎng)絡(luò)架構(gòu)選擇是 ADAS 中的另一個重要過程，因為

它優(yōu)化性能，確保計算效率，平衡模型復(fù)雜性和可解釋性，

支持泛化到各種場景，并適應(yīng)硬件約束。

通過選擇合適的架構(gòu)，例如用于視覺任務(wù)的卷積

神經(jīng)網(wǎng)絡(luò) （CNN） 和用于順序數(shù)據(jù)分析的遞歸神經(jīng)網(wǎng)絡(luò)

（RNN） 或長短期記憶網(wǎng)絡(luò) （LSTM），ADAS 系統(tǒng)可以提

高精度、實現(xiàn)實時處理、解釋模型決策，并在資源限制內(nèi)

運行的同時有效處理各種駕駛條件。

CNN 利用卷積和池化層來處理圖像并捕獲空間特

征，而 RNN 和 LSTM 捕獲時

間依賴性并保留內(nèi)存以執(zhí)行預(yù)測

駕駛員行為或檢測睡意等任務(wù)。

訓(xùn)練數(shù)據(jù)準備

ADAS 中的訓(xùn)練數(shù)據(jù)準備

有助于數(shù)據(jù)拆分、數(shù)據(jù)增強和其

他必要步驟，以確保有效的模型

學(xué)習(xí)和性能。數(shù)據(jù)拆分涉及將收

集的數(shù)據(jù)集劃分為訓(xùn)練集、驗證

集和測試集，從而能夠訓(xùn)練深度

學(xué)習(xí)網(wǎng)絡(luò)，使用驗證集調(diào)整超參

數(shù)，并使用測試集評估最終模型

的性能。

數(shù)據(jù)增強技術(shù)（例如翻轉(zhuǎn)、

作者： Ambuj Nandanwar 軟航市場營銷專家

人工智能(AI)利用深度學(xué)習(xí)技術(shù)增強 ADAS

Artificial Intelligence (AI) Utilizing Deep Learning Techniques to Enhance ADAS

人工智能和機器學(xué)習(xí)通過利用深度學(xué)習(xí)技術(shù)的優(yōu)勢，

極大地徹底改變了高級駕駛輔助系統(tǒng)（ADAS）。

ADAS 在很大程度上依賴于深度學(xué)習(xí)來分析和解釋從各種

傳感器獲得的大量數(shù)據(jù)。攝像頭、LiDAR（光探測和測距）、

雷達和超聲波傳感器就是這些傳感器的例子。從車輛周圍

環(huán)境實時收集的數(shù)據(jù)包括圖像、視頻和傳感器讀數(shù)。

通過將機器學(xué)習(xí)開發(fā)技術(shù)有效地整合到深度學(xué)習(xí)模

型的訓(xùn)練中，ADAS 系統(tǒng)可以實時分析傳感器數(shù)據(jù)并做出

明智的決策，以提高駕駛員的安全性并協(xié)助駕駛?cè)蝿?wù)，使

其為未來的自動駕駛做好準備。

它們還可以估計周圍物體的距離、速度和軌跡，使

ADAS 系統(tǒng)能夠預(yù)測潛在的碰撞，并提供及時的警告或采

取預(yù)防措施。讓我們深入了解 ADAS 中深度學(xué)習(xí)技術(shù)的

關(guān)鍵步驟以及 ADAS 系統(tǒng)開發(fā)和部署中常用的工具。

開發(fā)和部署ADAS深度學(xué)習(xí)模型的關(guān)鍵步驟

數(shù)據(jù)預(yù)處理

ADAS 中的數(shù)據(jù)預(yù)處理側(cè)重于準備收集的數(shù)據(jù)，以

專題/機器學(xué)習(xí) FEATURE/MACHINE LEARNING

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 13

旋轉(zhuǎn)或向圖像添加噪聲）用于增強訓(xùn)練

數(shù)據(jù)的多樣性和大小，從而降低過度擬

合的風(fēng)險。這些步驟共同提高了訓(xùn)練數(shù)

據(jù)的質(zhì)量、多樣性和可靠性，使 ADAS

系統(tǒng)能夠做出準確而穩(wěn)健的決策。

培訓(xùn)過程

ADAS 系 統(tǒng) 中 的 訓(xùn) 練 過 程 涉 及 使

用優(yōu)化算法和損失函數(shù)訓(xùn)練深度學(xué)習(xí)模

型。這些方法用于優(yōu)化模型的性能，最

大限度地減少誤差，并在實際駕駛場景

中實現(xiàn)準確的預(yù)測。通過在優(yōu)化過程中

調(diào)整模型的參數(shù)，模型從數(shù)據(jù)中學(xué)習(xí)并

提高其做出明智決策的能力，從而提高

ADAS 系統(tǒng)的整體有效性。

物體檢測和跟蹤

物體檢測和跟蹤也是 ADAS 中的關(guān)鍵步驟，因為它

使系統(tǒng)能夠檢測行車道或?qū)嵤┬腥藱z測以提高道路安全

性。在ADAS中執(zhí)行目標檢測有幾種技術(shù)，一些流行的基于

深度學(xué)習(xí)的技術(shù)是基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)（R-CNN），

單次多盒檢測器（SSD）和你只看一次（YOLO）。

部署

在 ADAS 中部署深度學(xué)習(xí)模型可確保經(jīng)過訓(xùn)練的深

度學(xué)習(xí)模型與車輛的硬件組件兼容，例如車載計算機或?qū)?/p>

用處理器。必須對模型進行調(diào)整，以便它可以在已經(jīng)存在

的硬件架構(gòu)中無縫運行。

這些模型需要集成到車輛的軟件堆棧中，允許它們與

其他軟件模塊和傳感器進行通信。它們處理來自各種來源

的實時傳感器數(shù)據(jù)，例如攝像頭、激光雷達、雷達和超聲

波傳感器。這些部署的模型分析傳入的數(shù)據(jù)流，檢測對象，

識別車道標記，并根據(jù)其解釋做出與駕駛相關(guān)的決策。這

種實時處理對于提供及時警告和在危急情況下協(xié)助駕駛員

至關(guān)重要。

持續(xù)學(xué)習(xí)和更新

● 在線學(xué)習(xí) ： ADAS 系統(tǒng)可以設(shè)計為基于新數(shù)據(jù)和

經(jīng)驗不斷學(xué)習(xí)和更新深度學(xué)習(xí)模型。這涉及整合機制，使

模型適應(yīng)不斷變化的駕駛條件、新場景和不斷變化的安全

要求。

● 數(shù)據(jù)收集和注釋 ：持續(xù)學(xué)習(xí)需要收集新數(shù)據(jù)和注

釋來訓(xùn)練更新的模型。這可能涉及從各種傳感器獲取數(shù)據(jù)，

手動注釋或標記收集的數(shù)據(jù)，并相應(yīng)地更新訓(xùn)練管道。

● 模型重新訓(xùn)練和微調(diào) ： 收集新數(shù)據(jù)后，可以使用

新數(shù)據(jù)重新訓(xùn)練或微調(diào)現(xiàn)有的深度學(xué)習(xí)模型，以適應(yīng)駕駛

環(huán)境中的新興模式或變化。

ADAS開發(fā)中常用的工具、框架和庫

● TensorFlow ：谷歌開發(fā)的開源深度學(xué)習(xí)框架。它

為構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)提供了一個全面的生態(tài)系統(tǒng)，包括

用于數(shù)據(jù)預(yù)處理、網(wǎng)絡(luò)構(gòu)建和模型部署的工具。

● PyTorch ：另一個廣泛使用的開源深度學(xué)習(xí)框架，

提供動態(tài)計算圖，使其適用于研究和原型設(shè)計。它提供了

一系列用于構(gòu)建和訓(xùn)練深度學(xué)習(xí)模型的工具和實用程序。

● 克拉斯 ：一個運行在 TensorFlow 之上的高級深

度學(xué)習(xí)庫。它提供了一個用戶友好的界面，用于構(gòu)建和訓(xùn)

練神經(jīng)網(wǎng)絡(luò)，使初學(xué)者和快速原型都可以訪問。

● 咖啡 ：專為速度和效率而設(shè)計的深度學(xué)習(xí)框架，

通常用于 ADAS 中的實時應(yīng)用。它為模型部署提供了一

組豐富的預(yù)訓(xùn)練模型和工具。

● 公開簡歷 ：一個流行的計算機視覺庫，提供廣泛

的圖像和視頻處理功能。它經(jīng)常用于預(yù)處理傳感器數(shù)據(jù)、

執(zhí)行圖像轉(zhuǎn)換以及在 ADAS 應(yīng)用中實現(xiàn)計算機視覺算法。

將深度學(xué)習(xí)技術(shù)集成到 ADAS 系統(tǒng)中，使他們能夠

分析和解釋來自各種傳感器的實時數(shù)據(jù)，從而實現(xiàn)準確的

物體檢測、碰撞預(yù)測和主動決策。這最終有助于實現(xiàn)更安

全、更先進的駕駛輔助功能。█

Sensors

? Cameras

? LIDAR

? Radar

Network Architectures

? CNNs

? RNNs

? LSTM

? R.

CNN

Autonomous features

? Adaptlve cruise control

? Front/Rear collision warning

? Lane keep assist

ADAS中的網(wǎng)絡(luò)架構(gòu)和自主功能 ? Blind spot detection

技術(shù)薈萃 TECHNICAL CLUSTER

14 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

用 AMR 完成您的智能工廠

Complete Your Smart Factory With an AMR

智能工廠是相當新的概念，但在過去十年中比前 50

年發(fā)展得更多。首先，智能工廠是一種先進的制造

設(shè)施，采用物聯(lián)網(wǎng)、人工智能和自動化等尖端技術(shù)來優(yōu)化

整個生產(chǎn)過程。

它將機器、設(shè)備和系統(tǒng)無縫連接到集中式網(wǎng)絡(luò)，實現(xiàn)

實時數(shù)據(jù)交換和分析。這些不同的連接提高了運營效率、

質(zhì)量控制和響應(yīng)能力。

為了獲得情報，傳感器收集有關(guān)設(shè)備性能、生產(chǎn)指標

和環(huán)境條件的數(shù)據(jù)，促進預(yù)測性維護并減少停機時間。人

工智能算法解釋這些數(shù)據(jù)，以優(yōu)化生產(chǎn)調(diào)度、資源分配和

流程調(diào)整，從而提高整體生產(chǎn)力。

在過去幾年中，智能工廠在自主移動機器人（AMR）、

新視覺技術(shù)和人工智能的推動下經(jīng)歷了顯著的發(fā)展。物聯(lián)

網(wǎng)允許這些機器以前所未有的速度實時收集數(shù)據(jù)。人工智

能與機器學(xué)習(xí)相結(jié)合，可實現(xiàn)復(fù)雜的預(yù)測性和規(guī)范性分析，

優(yōu)化生產(chǎn)流程并最大限度地減少中斷。

邊緣計算越來越突出，使數(shù)據(jù)處理更接近源頭，從而

更快地做出決策。此外，5G 技術(shù)已經(jīng)開始徹底改變智能

工廠內(nèi)的通信，促進超低延遲和高帶寬連接。

由機器人和智能系統(tǒng)驅(qū)動的自動化可以精確快速地

處理重復(fù)性任務(wù)。這些系統(tǒng)被稱為協(xié)作機器人或協(xié)作機器

人，正變得越來越普遍，增強了生產(chǎn)線中的人機交互和靈

活性。

讓抗微生物藥物耐藥性接管

AMR 可以在不需要持續(xù)人工干預(yù)的情況下導(dǎo)航和執(zhí)

行任務(wù)。它們集成了各種技術(shù)，例如傳感器、攝像頭、激

光雷達和高級算法，以感知和解釋周圍環(huán)境。這些機器人

可以自主規(guī)劃路徑，避開障礙物并做出實時決策，使其能

夠在動態(tài)環(huán)境中有效地執(zhí)行任務(wù)。

AMR 正用于制造、倉儲、物流和醫(yī)療保健等各個行

業(yè)，以運輸貨物、執(zhí)行檢查和協(xié)助各種操作。與人類工人

作者：嵌入式設(shè)計編輯部

不同，AMR 不介意重復(fù)性工作，他們不抱怨，他們不需

要假期或病假，盡管他們確實需要定期維護。

AMR 通常由幾個關(guān)鍵組件組成，使其能夠獨立導(dǎo)航

和執(zhí)行任務(wù)。傳感器（包括攝像頭、激光雷達、超聲波和

慣性傳感器）為感知和障礙物檢測提供環(huán)境數(shù)據(jù)。這些傳

感器將信息饋送到負責(zé)實時數(shù)據(jù)處理和決策的板載處理器

（功能強大的 CPU 和 GPU）。機器人的控制系統(tǒng)集成了運

動規(guī)劃算法，可在避開障礙物的同時生成可行的路徑。

為了執(zhí)行物理任務(wù)，自主移動機器人利用輪子、軌道

或腿等執(zhí)行器進行運動和操縱。這些組件由電機控制器驅(qū)

動。Wi-Fi 或 5G 等通信模塊有助于與中央系統(tǒng)或其他機

器人的連接，以進行協(xié)調(diào)和數(shù)據(jù)交換。此外，機器人的軟

件堆棧包括導(dǎo)航軟件、定位算法和用于高級決策和學(xué)習(xí)的

人工智能組件。

通常，您可以期望看到在設(shè)施內(nèi)移動庫存、協(xié)助揀選

過程并提供靈活分揀解決方案的 AMR。具體而言，這些

應(yīng)用程序包括 ：

● 自動箱子和托盤處理

● 自動檢測

技術(shù)薈萃 TECHNICAL CLUSTER

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 15

● 自動存儲和檢索

● 條形碼 / 二維碼讀取

● 揀選系統(tǒng)

● 機器人引導(dǎo)

● 分揀系統(tǒng)

● 倉庫自動化

嵌入式系統(tǒng)勝任任務(wù)

像神通 MP1-11TGS 這樣的平臺非常適合在智能工

廠中驅(qū)動 AMR。基于英特爾 Tiger Lake-UP3 酷睿 i7/

i5/i3/ 賽揚 ULV 系列處理器和集成英特爾銳炬 Xe 顯卡，

展現(xiàn)出出色的圖形計算能力。通過 HDMI 和 DisplayPort

支持四重顯示器?？梢允褂酶哌_ 32 GB 的 DDR4 內(nèi)存，

以及通過熱插拔插槽的 SSD/HDD。I/O 由 8 個 USB 端

口和 24 個 COM 接口處理。輸入電壓范圍為 8~24 V。

MiTAC MP1-11TGS-D 提供類似的特性，但它的

包裝略大。因此，它將 SSD/HDD 支持增加了一倍，并允

許從 12 到 36 V 的更寬輸入電壓。此外，該平臺在前后

提供 I/O 模塊擴展，以及用于攝像機連接的 PoE 端口。

這兩個系統(tǒng)都旨在最大限度地提高電源效率。此外，

每個都可以容納一個擴展模塊，通過 LAN，PoE，COM，

CAN 和其他端口大大增加 I / O 支持。

智能工廠正在成為許多制造和自動化設(shè)施的最佳選

擇。如果您已經(jīng)決定轉(zhuǎn)向智能工廠，請仔細查看 MiTAC

產(chǎn)品，這些產(chǎn)品非常強大。這里描述的平臺可以處理必要

水平的沖擊和振動，并且無需風(fēng)扇即可運行。█

無風(fēng)扇MP1-11TGS嵌入式系統(tǒng)是AMR的完美候選者。它由Intel Tiger LakeUP3微處理器驅(qū)動。

“大多數(shù)神經(jīng)網(wǎng)絡(luò)都是為了執(zhí)行一項任務(wù)而設(shè)計的，

因此，需要專門標記的數(shù)據(jù)來學(xué)習(xí)如何完成這項任務(wù)，”

辛普森解釋說。“相比之下，GPT-3 被訓(xùn)練來預(yù)測序列中

的下一個單詞，因此數(shù)據(jù)不需要標記。這是翻譯、文本生

成和問答等許多任務(wù)的支柱?！?/p>

很大程度上由于它們越來越復(fù)雜，GPT-3 和 GPT-4

等變壓器模型在幾個關(guān)鍵方面優(yōu)于舊的 NLP 基準。他們

不是逐字處理語言，而是一次處理整個句子，然后使用注

意力函數(shù)來幫助他們解析這些句子。結(jié)果是一個更大的模

型，不僅可以學(xué)習(xí)更多，而且不再忘記單詞之間的關(guān)系或

與遞歸或并行化的斗爭。

“由于 GPT-3 和 GPT-4 可通過 OpenAI 提供的應(yīng)

用程序編程接口獲得，因此它們可以合并到其他 AI 中用

于編碼產(chǎn)品，從而進一步使編碼訪問民主化，”辛普森補

充道。

結(jié)論

對軟件開發(fā)人員的需求大大超過供應(yīng)，并且在可預(yù)見

的未來可能會繼續(xù)如此。

但這不再是開發(fā)和分發(fā)新軟件的瓶頸。通過人工智

能，開發(fā)人員可以大大提高他們的輸出和代碼質(zhì)量。我認

為，這正是人工智能一直以來的目的——不是作為人類的

替代品，而是作為人類的合作伙伴。

“隨著最近基于人工智能的 NLP 模型的巨大改進，為

人類開發(fā)人員提供人工智能驅(qū)動的配對程序員的夢想正在

成為現(xiàn)實，”辛普森總結(jié)道。“通過將此類模型嵌入到他們

的日常工具中，程序員將獲得很多收益，而即使是初級開

發(fā)人員和技術(shù)人員也可以從現(xiàn)在可用的文本到代碼功能中

受益。軟件可能無法獨自吞噬世界，但人工智能肯定可以

提供幫助。”█

參考文獻 ：

1. 馬克 · 安德森。 “為什么軟件正在吞噬世界。 《華爾街日

報》， 2011 年 8 月 22 日

2. 克里斯·格拉姆斯。“開發(fā)人員實際花多少時間編寫代碼？”

新堆棧， 2021 年 10 月 28 日

3. 瑞安 · 道斯。 “DeepCode 為超過 21 萬開發(fā)人員提供了 AI

代碼審查。 人工智能新聞， 2020 年 7 月 21 日。

（上接第 8 頁）

特色產(chǎn)品 FEATURED PRODUCTS

16 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

安森美的成像技術(shù)助推視覺產(chǎn)品創(chuàng)新

在機器視覺普及的時代，圖像傳感器作為其“眼睛”有

著越來越多的各樣的應(yīng)用。安森美 (onsemi) 的圖像

傳感技術(shù)通過不斷地技術(shù)創(chuàng)新，力求滿足越來越廣泛的市

場領(lǐng)域需要。如今，越來越多的家庭和企業(yè)安裝攝像頭做

監(jiān)控，據(jù) Yole 統(tǒng)計，預(yù)計到 2030 年底，此市場將增長兩

倍。因此，消費者需要有更優(yōu)秀的圖像質(zhì)量、更可靠和更

長電池壽命的設(shè)備，來提升整體使用體驗。由于這些相機

通常會被放置在難以更換電池或充電的位置，因此低功耗

成為一個關(guān)鍵需求。對此，安森美推出了一些低功耗的高

質(zhì)量圖像傳感技術(shù)，場景覆蓋智能門禁、安防攝像頭、增

強現(xiàn)實（AR）/ 虛擬現(xiàn)實（VR）/ 擴展現(xiàn)實（XR）頭戴裝置、

機器視覺和視頻會議等。比如其中的智能運動偵測喚醒技

術(shù)（smart Wake on Motion），非常適用于對運動偵測有需

求的低功耗物聯(lián)網(wǎng)設(shè)備，例如安防領(lǐng)域的智能門鈴門鎖等。

安森美的 Hyperlux LP 系列圖像傳感器即具備上述的

Wake on Motion 低功耗技術(shù)。在增強了設(shè)備的偵測能力

的同時，有效地降低功耗。Hyperlux LP 系列同時具有高

分辨率的非常優(yōu)秀的圖像解析力，客戶可以根據(jù)使用情況，

選用 500 萬分辨率的 AR0544、800 萬分辨率的 AR0830

或 2000 萬分辨率的 AR2020。另外此產(chǎn)品系列還采用堆

疊式架構(gòu)設(shè)計，能最大限度地減少產(chǎn)品體積，最小型號小

如一粒米，成為受尺寸限制困擾的緊湊型設(shè)備的理想選

擇，大大適應(yīng)了相關(guān)領(lǐng)域產(chǎn)品的發(fā)展需求。下面，將針對

Wake on Motion 低功耗技術(shù)做一些較為詳盡的介紹。

Wake on Motion技術(shù)介紹

顧名思義，wake on motion 即為運動偵測喚醒，即

當傳感設(shè)備檢測到前方某距離內(nèi)有移動物體時，則退出休

眠狀態(tài)，進入工作狀態(tài)，這樣降低了功耗，保證了設(shè)備在

需要工作的狀態(tài)才工作，其他時候可以通過休眠節(jié)電。

傳統(tǒng)的 wake on motion 實現(xiàn)一般基于被動紅外傳感

器（PIR）。這種傳感器應(yīng)用廣泛，但存在誤觸發(fā)率高的

問題，導(dǎo)致系統(tǒng)功耗優(yōu)化有限，產(chǎn)生 50% 左右的功耗額

外消耗。

ansemi's Imaging Technology Boosts Visual Product Innovation

安森美公司供稿

智能運動偵測喚醒技術(shù)

針對 PIR 的誤觸發(fā)問題，安森美推出智能運動偵測喚

醒技術(shù)，其方案是采用圖像傳感器融合 PIR 進行運動偵測

喚醒。核心關(guān)鍵在于在很低的功耗下賦予圖像傳感器運動

偵測能力。該方案采用了獨有的 Motion-DCT 算法，結(jié)

合圖像傳感器的 scale 或 binning 技術(shù)在獲取的較低分辨

率圖像上快速實時準確地做出運動偵測。該方案的特點為：

● 準確性高

● 速度快

● 功耗低

● 實時性強

方案示例如下圖。從圖中可見，左側(cè)采用了 PIR 和

圖像傳感器兩方進行運動偵測并反饋到 CPU 處理器。該

方案有兩種使用策略 ：Cascade 級聯(lián)和 Parallel 并行。具

體含義為 ：

● Cascade ：首先 PIR+MCU 檢測到物體移動，然

后再采用圖像傳感器的檢測結(jié)果做為確認 ；

● Parallel ：PIR 和圖像傳感器的檢測結(jié)果同時傳送

到 CPU 作為運動偵測結(jié)果的判斷依據(jù)。

此方案適用的參數(shù)范圍為 ：

● 10lux ~ 10000lux 亮度范圍 ；

● 圖像傳感器一次檢測耗時在 100ms 內(nèi) ；

● 視場角在 100 度時，檢測距離在 7-8 米內(nèi) ；

● 物體尺寸在 4K 分辨率下不能小于 32x32 像素大??；

● 物體最小移動速度不能低于每幀 4 個像素距離。

特色產(chǎn)品 FEATURED PRODUCTS

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 17

感興趣區(qū)域（Zones）選擇功能

AR0830 運動偵測技術(shù)支持感興趣區(qū)域選擇功能，以

進一步降低系統(tǒng)功耗。即 ：將整幅圖像分成若干區(qū)域，供

用戶選擇是否使用該區(qū)域圖像做運動偵測，以避免無效區(qū)

域，從而降低算法的計算量，提升檢測速度及降低功耗。

如下圖展示的一個區(qū)域選擇示例。圖中，將整幅圖

像分成了 5X5 的區(qū)域塊，選取了 A,B,C 三個方塊區(qū)域

作為 MASK 區(qū)域，即不感興趣區(qū)域，不參與運動偵測計

算，其他方塊區(qū)域作為感興趣區(qū)域參與運動偵測計算。除

ABC 區(qū)域外的任何區(qū)域中

檢測到運動物體，則該區(qū)

域?qū)⒌玫揭粋€運動標記。

以上區(qū)域劃分和設(shè)定均可

以由圖像傳感器的寄存器

操作完成。

下圖是在實際應(yīng)用場景中的示例 ：

可以看到，在該圖中，只有中間區(qū)域被選作了感興趣

區(qū)域。而我們對畫面進行運動捕捉 block 分區(qū)，只需關(guān)注開

啟區(qū)域的運動檢測，像上圖中典型的可視門鈴場景內(nèi)存在樹

木花草，一旦有什么“風(fēng)吹草動”或者小動物經(jīng)過，很可能

系統(tǒng)就開啟誤報，而可編程的運動捕捉區(qū)域，可以很好的降

低這種誤報。配合 PIR，通過 sensor 自帶的運動捕捉和超

級低功耗模式，可以讓整機系統(tǒng)電池使用時間延長 40%。

工作原理

安森美圖像傳感器 AR0830 采用的 Motion-DCT 運

動偵測算法基本原理是計算每幀 Gr 像素的 DCT 和，并

比較兩個連續(xù)幀之間 DCT 和的差異。如果差值等于或大

于預(yù)定義閾值，則檢測到物體運動發(fā)生。

如前所述，安森美的智能運動偵測喚醒技術(shù)采用圖像

傳感器融合 PIR 進行運動偵測喚醒，且該方案有兩種使

用策略模式 ：Cascade 和 Parallel。下面詳細介紹一下。

● Cascade 級聯(lián)模式 ：當廉價的 PIR 運動檢測傳感

器檢測到有運動時，它會發(fā)送觸發(fā)信號，將圖像傳感器從

硬件 / 軟件待機狀態(tài)喚醒。圖像傳感器啟動 Motion-DCT

計算。如果確認了運動，圖像傳感器會向主機發(fā)送中斷信

號。在某些幀之后，圖像傳感器將返回軟待機狀態(tài)，并等

待 PIR 的下一個觸發(fā)（主機可能會將傳感器置于硬待機

狀態(tài)）。在此模式下，Motion-DCT 偵測使能選項處于啟

用狀態(tài)，但圖像數(shù)據(jù)流保持關(guān)閉狀態(tài)。

● Parallel 并行模式 ：圖像傳感器與 PIR 運動檢測

傳感器并行工作（如果有）。當 PIR 傳感器或圖像傳感器

檢測到運動時，來自相應(yīng)傳感器的中斷信號被發(fā)送到主機。

圖像傳感器將持續(xù)檢查成對活動幀內(nèi)的運動，并在每個編

程時隙強制傳感器軟待機一次，以節(jié)省電源。當檢測到運

動時，主機可以切換到流模式并再次進入并行模式。

需要注意的是，Cascade 和 Parallel 兩種模式互斥，

同時只能選其一。

在實際產(chǎn)品應(yīng)用的時候二者特點或區(qū)別在于 ：

并行模式 ：

● 可在低功耗模式下編程，即圖像傳感器在僅 t1

模式下輸出 1 個 t1 幀，或在基于幀的 HDR 模式下輸出

一對 t1/t1 幀，進入待機狀態(tài)，達到 md 待機計數(shù)后喚醒。

無論是否檢測到運動，序列都會重復(fù)。

● 當主機清除 md_par_en 時，圖像傳感器退出并

行模式并進入正常流。

● 如 果 stream_mode（ 設(shè) 置 了 md_par_en） 或

md_par_n（設(shè)置了 stream_mode），md 操作將重新啟動。

級聯(lián)模式 ：

特色產(chǎn)品 FEATURED PRODUCTS

18 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

● 傳 感 器 需 要 設(shè) 置 Md_cas_en 才 能 監(jiān) 聽 Md_

trigger 引腳（通過 GPI）。

● 在級聯(lián)模式下，用戶的 MCU 為傳感器提供有效

的觸發(fā)脈沖。

● 當應(yīng)用 md_hd_en 選項時，傳感器將檢測到較小

的運動，并檢查額外的一組幀以確認運動。

性能介紹

下圖是當人在垂直于光軸方向水平走過攝像頭時候

的運動偵測準確率情況 ：

下圖是當人沿光軸方向徑直走向攝像頭時候的運動

偵測準確率情況 ：

可以看到 ：

● 在八米范圍都能檢測有效檢測到移動物體 ；

● 在較近距離（1 米，2 米）相對于較遠距離（4 米，

8 米）有更靈敏的檢測 ；

● 更高的環(huán)境亮度能帶來更靈敏的檢測能力。

另外，此方案的功耗性能為 ：

Host CPU wake up + image sensor – 800~1200mw

Host CPU wake up + image sensor +Wifi module – 1.2~1.8W

總體而言，在前述的適用參數(shù)范圍內(nèi)，該方案具備良

好的適用性和準確性能以及低功耗的顯著特點。█

評獎

“CIIF 大獎”是中國工博會評獎體系下的最高獎項，

授予代表全球工業(yè)和信息化融合的前沿水平，在技術(shù)創(chuàng)新

和模式創(chuàng)新上取得重大突破，實現(xiàn)示范應(yīng)用或規(guī)?；逃?，

并對行業(yè)、地區(qū)發(fā)展起到引領(lǐng)和帶動作用的世界工業(yè)產(chǎn)品。

“CIIF 專項獎”授予在工業(yè)制造專業(yè)領(lǐng)域?qū)崿F(xiàn)關(guān)鍵突破，

引領(lǐng)產(chǎn)業(yè)發(fā)展，具有突出效益的優(yōu)秀產(chǎn)品和技術(shù)。

第 23 屆中國工博會共受理了 559 項參評展品，評選

出 1 項“CIIF 特別大獎”、8 項“CIIF 大獎”，以及六個

專項獎，即“CIIF 機器人獎”、“CIIF 新材料獎”、“CIIF

智能制造獎”、“CIIF 信息技術(shù)獎”、“CIIF 創(chuàng)新引領(lǐng)獎”

和“CIIF 高新技術(shù)工程獎”。

滬東中華造船(集團)有限公司

17.4萬立方米LNG浮式儲存再氣華裝置

中國科學(xué)院近代物理研究所

蘭州科近泰基新技術(shù)有限責(zé)任公司

醫(yī)用重離子加速器

中建材玻璃新材料研究集團有限公司

蚌埠中光電科技有限公司

凱盛科技集團有限公司

中國建材國際工程集團有限公司

8.5代TFT-LCD玻璃基板

上海振華重工(集團)股份有限公司

振華重工天鯤號-天津航道局6600KW

自航絞吸式挖泥船

復(fù)旦大學(xué)附屬中山醫(yī)院

山東華安生物科技有限公司

Xinsorb生物可吸收冠脈雷帕霉素

洗脫支架系統(tǒng)

南京翼輝信息技術(shù)有限公司

自主內(nèi)核大型嵌入式實時操作系統(tǒng)SylixOS

西門子(中國)有限公司

SiePA: 西門子預(yù)測性分析系統(tǒng)

中國石化上海石油化工股份有限公司

核工業(yè)第八研究所

東華大學(xué)

云路復(fù)合材料(上海)有限公司

庫貝化學(xué)(上海)有限公司

碳纖維冬奧炎炬首創(chuàng)應(yīng)用及集成技術(shù)

上第衛(wèi)星工程研究所

“天門一號”火星環(huán)繞器

CIIF

特別大獎

CIIF

大獎

（上接第 27 頁）

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 19

應(yīng)用空間 APPLICATION AIDS

工業(yè) AI ：甾族化合物的預(yù)測性維護

Industrial AI: Predictive Maintenance on Steroid

自工業(yè)革命以來，資產(chǎn)密集型組織采用系統(tǒng)的“紙筆”

方法來檢查、評估和診斷設(shè)備、機械和基礎(chǔ)設(shè)施，

以識別潛在問題、評估嚴重性并建議適當?shù)男袆印?/p>

2006 年，智能制造一詞被創(chuàng)造出來，代表利用大規(guī)

模優(yōu)化、傳感器網(wǎng)絡(luò)、數(shù)據(jù)互操作性和需求驅(qū)動的安全性

的技術(shù)驅(qū)動方法。物聯(lián)網(wǎng) （IoT） 的結(jié)合推動了互聯(lián)設(shè)備、

傳感器和軟件網(wǎng)絡(luò)的轉(zhuǎn)型，這些網(wǎng)絡(luò)監(jiān)控和優(yōu)化了生產(chǎn)過

程。智能資產(chǎn)演變?yōu)槭占凸蚕頂?shù)據(jù)，同時與其他互聯(lián)資

產(chǎn)匯總，提供有關(guān)該資產(chǎn)的經(jīng)濟、環(huán)境、健康和安全績效

的主動反饋。

物聯(lián)網(wǎng)的出現(xiàn)創(chuàng)造了歷史上前所未有的信息爆炸式

增長。根據(jù)國際數(shù)據(jù)公司的一份報告，預(yù)計到 2025 年將

生成 175 ZB 的數(shù)據(jù)。其中，大約 80 ZB 的數(shù)據(jù)可歸因于

物聯(lián)網(wǎng)設(shè)備。

資產(chǎn)密集型公司現(xiàn)在正在轉(zhuǎn)向人工智能（AI）來利

用數(shù)據(jù)的力量。人工智能有助于提高設(shè)備的可靠性和可用

性，同時控制維護成本。通過將物聯(lián)網(wǎng)與高級分析功能以

及傳統(tǒng)的精益工具和技術(shù)相結(jié)合，可以預(yù)測和預(yù)防設(shè)備故

障，同時使不需要維護的資產(chǎn)繼續(xù)平穩(wěn)運行。

預(yù)測性維護

預(yù)測性維護使用機器學(xué)習(xí)算法從傳感器和維護日志中

引入歷史數(shù)據(jù)，以識別數(shù)據(jù)中的模式。當提供足夠的信息時，

收集的數(shù)據(jù)可用于構(gòu)建概述正常操作的模型。然后，正常

行為模型可以實時分析設(shè)施數(shù)據(jù)，并識別和標記任何偏離

既定規(guī)范的值。當發(fā)現(xiàn)正常操作之外的事情時，模型可以

精確地確定故障何時以及如何發(fā)生 - 一種主動的資產(chǎn)維護

和管理方法。就像那位擁有數(shù)十年經(jīng)驗的專家一樣，該模

型可以調(diào)用存儲在數(shù)十年維護日志中的數(shù)千年綜合經(jīng)驗。

機器學(xué)習(xí)還會隨著時間的推移維護模型。對于不使用

AI 的傳統(tǒng)預(yù)測模型，即使是單個變量（例如更換的零件）

的更改也需要重新設(shè)計整個模型。這也適用于資產(chǎn)在其生

作者：Milton Lopez Sparkcognition首席設(shè)計師

命周期內(nèi)經(jīng)歷的正常變化，即長時間使用的組件的性能與

全新組件不同。機器學(xué)習(xí) （ML） 模型通過適應(yīng)任何組件或

資產(chǎn)并適應(yīng)變化來動態(tài)學(xué)習(xí)和維護自身。這意味著，隨著

模型在資產(chǎn)性能中面臨更大的可變性，它對資產(chǎn)使用的自

然變化更具彈性。

當系統(tǒng)或子系統(tǒng)無法提供預(yù)測性維護所需的數(shù)據(jù)類

型或數(shù)量時，SparkCognition 的 Deep ML 驅(qū)動的自然語

言處理（NLP）技術(shù)可以破譯和使用非結(jié)構(gòu)化數(shù)據(jù)，包括

PDF、書籍、期刊、音頻、視頻、圖像、筆記、模擬數(shù)據(jù)

和一系列其他來源。借助 NLP，預(yù)測性維護模型可以使

用傳感器以外的數(shù)據(jù)源，包括所有與資產(chǎn)相關(guān)的數(shù)據(jù)，例

如維護記錄。通過從資產(chǎn)的維護歷史中提取事實、數(shù)字、

實體和上下文數(shù)據(jù)，配備 NLP 的預(yù)測性維護解決方案可

以找到指示潛在故障的因果模式，即使在缺乏傳感器的所

謂暗子系統(tǒng)中也是如此。

NLP 技術(shù)通過攝取歷史記錄、服務(wù)手冊和主題專家

過去的行動方案，使資產(chǎn)管理更進一步，通過列出可能的

后續(xù)步驟并提出糾正措施來加快維護過程。

結(jié)果，人工智能 （AI） 通過解釋條件和做出決策，無

需直接人工干預(yù)，從而將資產(chǎn)和連接設(shè)備的優(yōu)勢疊加在一

起。人性化的意識和決策提高了效率并改進了流程。這是

對甾族化合物的預(yù)測性維護。█

行業(yè)風(fēng)云 INDUSTRY INTERCHANGE

20 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

9 月 中 旬，AMD 正 式 推 出 了 Kira K24 系 統(tǒng) 模 塊

(SOM)、KD240 驅(qū)動器入門套件，尺寸極小，能效極高，

非常適合對成本非常敏感的工業(yè)和商業(yè)邊緣應(yīng)用。AMD

核心垂直市場副總裁 Hanneke Krekels 表示 ：“AMD Kria

K24 SOM 和 KD240 開發(fā)平臺建立在 Kria SOM 產(chǎn)品組合

帶來的突破性設(shè)計體驗之上，為機器人、控制、視覺 AI

和 DSP 應(yīng)用提供了解決方案。系統(tǒng)架構(gòu)師必須滿足日益

增長的性能和能效需求，同時還要降低成本。K24 SOM

能以小尺寸提供高每瓦性能，并將嵌入式處理系統(tǒng)的核心

組件安裝在單塊量產(chǎn)就緒型板卡上，以加速上市進程。”

AMD Kira 系列產(chǎn)品歷史悠久、型號豐富、功能強大，

有著豐富的應(yīng)用，比如為視覺處理、AI 與機器學(xué)習(xí)、驅(qū)

動與達控制、嵌入式計算、工業(yè)物聯(lián)網(wǎng)系統(tǒng)集成等等，在

中國市場也有廣泛的生態(tài)系統(tǒng)，得到了大量中國企業(yè)的采

納，包括 AI 邊緣器件。

“我們在工業(yè)互聯(lián)網(wǎng)時代，經(jīng)常有多任務(wù)需要同時

進行，而電機控制系統(tǒng)需要處理很多軸。Kria 產(chǎn)品在

這方面擁有優(yōu)勢，它能夠集成很多軸，以此控制成本。”

Krekels 介紹。

作為 Kria SOM 系列的最新成員，Kria K24 SOM 更

注重尺寸、功耗、成本等方面的設(shè)計，并采用了先進的

InFO( 集成扇出 ) 封裝，尺寸相比 Kira K26 大大縮小，

只有銀行卡的一般。其功耗也只有 2.5 瓦，相當于 Kira

K260 的大約一半，是基于 DSP 應(yīng)用的最佳解決方案之一。

產(chǎn)品優(yōu)勢

Hanneke Krekels 表示 ：“電機無處不在，從公共交

通到其它發(fā)電系統(tǒng)，從工廠自動化到倉儲所使用的機器人

到醫(yī)療設(shè)備，甚至農(nóng)業(yè)的空中系統(tǒng)。數(shù)據(jù)顯示，這些電機

消耗了全球工業(yè)能源總用量的 70%。而且現(xiàn)在的電機也

變得更加精密復(fù)雜，提供各種速度能力，并且越來越多采

用新材料設(shè)計，包括碳化硅和氮化鎵來提升效率與性能，

同時還能夠降低能耗。這些新的現(xiàn)代電機確實令人印象

非常深刻，但是它們也需要電機驅(qū)

動系統(tǒng)來控制這些電機，這樣才能

使其扭矩、速度以及應(yīng)變速達到最

大，同時還能使能耗降到最低。電

機驅(qū)動系統(tǒng)主要是有三個要素，第

一是驅(qū)動器，第二是供電部分，第

三是電機本身?！币虼?Hanneke 也

表示 ：“提高電機的效率將對全球

用電量產(chǎn)生顯著的積極影響。提高

這些應(yīng)用的效率夠使能耗降低 15% 到 40%。所以，如果

能夠提升這些復(fù)雜電機的控制系統(tǒng)以及控制這些電機的電

度的話，對于全球用電量會產(chǎn)生非常大的影響。全球工業(yè)

總用電量中的約 70％與電機和電機驅(qū)動系統(tǒng)相關(guān)。因此，

即使驅(qū)動系統(tǒng)效率提升 1％，也能顯著降低運營成本、節(jié)

省能耗、保護環(huán)境?！?/p>

據(jù)介紹，K24 SOM 內(nèi)含定制打造的 ZynqUltraScale+

MPSoC 器件，配套的 KD240 入門套件是一款價格低于

400 美元的、基于 FPGA 的電機控制套件。與其它基于處

理器的控制套件相比，KD240 支持開發(fā)人員在設(shè)計周期

中更為成熟的節(jié)點入手，使入門級開發(fā)人員能夠輕松使用。

K24 SOM 滿 足 用 于 工 業(yè) 環(huán) 境 應(yīng) 用， 其 所 支 持

的 設(shè) 計 環(huán) 境 比 此 前 任 何 一 代 產(chǎn) 品 都 要 多。 其 中 包 括

MatlabSimulink 等常見的設(shè)計工具與 Python 等語言，以

及其對 PYNQ 框架廣泛的生態(tài)系統(tǒng)支持。此外，它還支持

Ubuntu 和 Docker。軟件開發(fā)人員也可在使用 AMDVitis

電機控制庫的同時，保持對傳統(tǒng)開發(fā)流程的支持。

Kria K24 SOM 采用 Zynq UltraScale+MPSoC 架構(gòu)，

帶來高水平確定性、可靠性和安全性，多種電機連接和驅(qū)

動級技術(shù)，構(gòu)建低功耗數(shù)字信號處理 (DSP) 解決方案，實

現(xiàn)高能效計算。

據(jù) Krekels 介 紹 ：“Zynq UltraScale+ 自 適 應(yīng) SoC

能夠?qū)崿F(xiàn)混合關(guān)鍵性，通過該功能，K24 SOM 可非常簡

單地控制不同任務(wù)之間的優(yōu)先級，并通過使用 MPSoC 來

AMD 核心垂直市場副總裁

Hanneke Krekels

AMD Kira K24 SOM系統(tǒng)模塊讓

電機運行更智能

AMD Kira K24 SOM System Module Makes Motor Operation More Intelligent

行業(yè)風(fēng)云 INDUSTRY INTERCHANGE

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 21

確保功能安全性，甚至還有一個內(nèi)置 HMI?？删幊痰?I/O

結(jié)構(gòu)可以與任何傳感器進行連接，包括環(huán)境、方向、視覺

和其它傳感器?！?/p>

此外，Kria SOM 使開發(fā)人員能夠跳過圍繞所選芯片

器件的大量設(shè)計工作，而專注于提供差異化增值功能。

結(jié)合 KD240 驅(qū)動器入門套件

這款開箱即用的、基于電機控制的

開發(fā)平臺使用時，產(chǎn)品便可提供利

用 K24 SOM 進行量產(chǎn)部署的無縫

路徑。用戶可以快速啟動并運行，

從而加快電機控制和 DSP 應(yīng)用上

市進程，而無需具備 FPGA 編程專

業(yè)知識。

連接器兼容性支持在 K24 和

K26 SOM 之間輕松遷移，無需更換板卡，令系統(tǒng)架構(gòu)師

能夠平衡高能效系統(tǒng)的功耗、性能、尺寸和成本。

K24 SOM 提供商業(yè)和工業(yè)兩種版本。除了支持擴展

的溫度范圍，工業(yè)級 SOM 還包括用于高可靠性系統(tǒng)的具

有 ECC 保護的 LPDDR4 內(nèi)存。

K24 SOM與K26 SOM 的同與不同

Krekels 特別介紹了 K24 SOM 與 K26 SOM 的同與

不同。相同點是 ：“K24 SOM 是 K26 SOM 的補充和延伸

是，它們基于同樣的 Zynq UltraScale+ MPSoC 架構(gòu)，這

兩者都是 A53 四核以及雙 R5F 處理器，都擁有非常出色

的外設(shè)?！?/p>

“ 不 同 之 處 在 于， 首 先，K24 SOM 可 以 說 是 K26

SOM 的可擴展版，特別對于關(guān)注尺寸、功耗、成本等方

面，K24 SOM 具有更為出色的設(shè)計。K24 SOM 支持最

新版本 22.04 Ubuntu OS，I/O 數(shù)量要比 K26 SOM 少，

LPDDR 的數(shù)量是 K26 SOM 的一半。工業(yè)級的 K24 SOM

的 2GB 的 LPDDR4 由 ECC 支持。其次，對于熱門的人

工智能（AI）應(yīng)用，K24 SOM 可以發(fā)揮非常重要的作用。

K24 SOM 能夠支持人工智能推理深度神經(jīng)網(wǎng)絡(luò)處理單元。

K24 SOM 可以在電路板上做很多人工智能方面的操作，

可應(yīng)用于很多場景，創(chuàng)造更多的數(shù)據(jù)集，無論是在本地還

是云端。最后，在工業(yè)物聯(lián)網(wǎng)的工業(yè) 4.0 時代，電機控制

系統(tǒng)的職能不僅是控制電機這么簡單，K24 SOM 可支持

工業(yè)物聯(lián)網(wǎng)很多功能應(yīng)用?！?/p>

Krekels 表示 ：“Kria SOM 真正的目標是希望能夠

吸引新的用戶來使用自適應(yīng)計算?！碧貏e是在機器人行業(yè)。

他表示 ：“AMD 在每一個機器人發(fā)展層面都與各界有非常

密切的接觸。從 STEM 教育開始，到大學(xué)、初創(chuàng)企業(yè)和

大型的跨國企業(yè)?！?/p>

“早期推出的 KV260 是視覺 AI 可以用于攝像頭與

系統(tǒng)中的視覺來輔助導(dǎo)航，用于機

器人的行動和傳動 ；今天推出的

KD240 驅(qū)動器入門套件，就像是

機器人的肌肉一樣，可控制機器人

的行動和傳動。在制作原型之后，

就可以把這些設(shè)計進行生產(chǎn)，使用

混合 K26 和 K24 的 SOM，在分布

式和嵌入式的系統(tǒng)當中做為非常有

用的工具?！?/p>

對于工業(yè)應(yīng)用中的預(yù)測性的維護，Krekels 表示：“預(yù)

測性維護可以說是在電機控制系統(tǒng)當中最受歡迎的人工智

能的應(yīng)用。通過 K24 SOM 來可以很簡單的、多種方式來

實現(xiàn)。”他介紹 ：“在 K24 SOM 的人工智能應(yīng)用當中，有

一些應(yīng)用是需要比如說深度學(xué)習(xí)，還有深度神經(jīng)網(wǎng)絡(luò)的，

但是有很多其它的應(yīng)用只要經(jīng)典的機器學(xué)習(xí)或者是人工智

能就可以了，不需要用到深度神經(jīng)網(wǎng)絡(luò)?！?/p>

綜上所述，借助在尺寸、功耗、成本等方面進行的大

量優(yōu)化設(shè)計，K24 SOM 在多方面應(yīng)用更為出色 ：

一是支持最新版本 22.04 Ubuntu OS，I/O 數(shù)為 132

個，比 K26 SOM 少，LPDDR 數(shù)量是 K26 SOM 的一半。

工業(yè)級的 K24 SOM 的 2GB LPDDR4 由 ECC 支持，安全

方面，以硬件信任根及 TPM 2.03 提供支持。

二是支持人工智能（AI）推理深度神經(jīng)網(wǎng)絡(luò)處理單元，

從而在本地或云端應(yīng)用于豐富的場景，并創(chuàng)造更多的數(shù)據(jù)

集。

三是支持大量工業(yè)物聯(lián)網(wǎng)應(yīng)用。K24 SOM 是一個

基于 ARM 處理系統(tǒng)的可編程邏輯器件，能夠支持在業(yè)

界 40 多種常用的工業(yè)互聯(lián)網(wǎng)標準，支持工業(yè)互聯(lián)網(wǎng)從

EtherCAT 到 TSN。連接器兼容性實現(xiàn) Kria SOM 之間

無縫遷移，這可能是客戶最喜歡的一個功能。這個概念客

戶支持從低端到高端產(chǎn)品相互之間無縫遷移可擴展性，更

好地滿足客戶需求。

最后，對于今年 ChatGPT 帶火生成式 AI 模型在工

業(yè)方面的應(yīng)用，Krekels 表示 ：“現(xiàn)在生成 AI 模型還沒有

在工業(yè)場景下運用，隨著時間的推移今后可能會有?！报€

行業(yè)風(fēng)云 INDUSTRY INTERCHANGE

22 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

2023 年，安森美入選“納斯達克 100 指數(shù)”以及

《巴倫周刊》的“最具可持續(xù)發(fā)展力的 100 家公司”榜單，

同時上榜標普 500。在 11 月初北京的安森美媒體溝通會

上，安森美總裁兼首席執(zhí)行官 Hassane El-Khoury 非常

驕傲公司取得的如此成績 ：“這是對我們強大的團隊出色

工作成果的一個證明。更重要的是，這來自于我們所有優(yōu)

質(zhì)客戶的精誠合作與不懈支持，才使我們有機會能夠證明

自己?！?/p>

他特別強調(diào) ：“這些成果最關(guān)鍵的驅(qū)動力之一，是來

自于中國本土團隊與合作伙伴和廣大客戶的緊密合作。我

們一起進行了廣泛深入的創(chuàng)新，包括和客戶一起建立聯(lián)合

技術(shù)應(yīng)用實驗室，幫助他們解決復(fù)雜難題，包括在電動車、

可再生能源以及能源基礎(chǔ)設(shè)施方面。我們向客戶做出的承

諾不僅僅是交付可靠的解決方案，同時也有長期的供貨保

證。”“過往，行業(yè)內(nèi)供應(yīng)鏈端很多出現(xiàn)過中斷情況，安森

美通過跟每家客戶簽訂長期供應(yīng)協(xié)議，以保證客戶在所需

時候得到所需東西?！?/p>

汽車和工業(yè)兩大核心市場

Hassane El-Khoury 表示 ：“面臨現(xiàn)今日益復(fù)雜的商

業(yè)世界，安森美更專注關(guān)乎人類未來發(fā)展的領(lǐng)域，包括出

行，也包括可再生能源?！?/p>

具體來說，就是汽車和工業(yè)是公司戰(zhàn)略發(fā)展的兩大核

心市場?！霸谄囀袌龇矫?，現(xiàn)在電動車是最大增長趨勢，

包括自動駕駛輔助系統(tǒng) ADAS 以及汽車安全領(lǐng)域 ；在工

業(yè)市場方面，我們主要看重能源基礎(chǔ)設(shè)施，尤其是充電站

和充電基礎(chǔ)設(shè)施領(lǐng)域，把它看作是能源捕捉、存儲以及能

源分配?！?/p>

同時，客戶也看到了可持續(xù)生態(tài)方面的機遇，“所以，

我們和本地市場的客戶和合作伙伴一起實現(xiàn)這種創(chuàng)新轉(zhuǎn)

型?！?Hassane El-Khoury 介紹了安森美的制勝之道——

面對復(fù)雜問題，首先要做的是簡單化。

具體來說，有四個步驟 ：

1、要在競爭當中獲勝，就要對重要領(lǐng)域進行投入 ；

2、要實施結(jié)構(gòu)性的變化，使得客戶能夠長期留在我

們身邊 ；

3、我們能獲取價值，有更加充分的資本去研發(fā)和創(chuàng)

新 ；

4、強大的執(zhí)行力。

“連接這兩個領(lǐng)域的是數(shù)據(jù)，只有通過數(shù)據(jù)才能夠獲

得智能的洞察，才能在廣泛的范圍內(nèi)實現(xiàn)更高效率。這就

是我們所定義的可持續(xù)的生態(tài)系統(tǒng)。我們了解這些因素都

是相互依賴的。連接這一切的技術(shù)對于安森美來說就是智

能感知和智能電源技術(shù)?！?/p>

智能感知和智能電源兩大推動力

而兩個推動力是安森美的核心制勝的因素 ：在智能感

知方面是圖像傳感器技術(shù) ；在智能電源方面，是碳化硅和

硅的電源技術(shù) ；

在智能感知方面，安森美的圖像傳感器在汽車和工業(yè)

市場的全球市場排名第一，而這兩個都是安森美的核心市

場。根據(jù) 2022 年的數(shù)據(jù)，安森美在汽車領(lǐng)域的市場份額

是 46%，特別是在 ADAS 市場上占 68% 的份額。“這也

雙驅(qū)輪戰(zhàn)略助安森美創(chuàng)驕人成績

Double Wheel Drive Strategy Helps onsemi Achieve Remarkable Results

安森美總裁兼首席執(zhí)行官Hassane El-Khoury先生

行業(yè)風(fēng)云 INDUSTRY INTERCHANGE

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 23

意味著我們將進行雙倍的投入，繼續(xù)在這一領(lǐng)域構(gòu)建更多

解決方案?！?Hassane El-Khoury 說。

據(jù)他介紹，安森美在智能感知方面的優(yōu)勢首先是技術(shù)

卓越，這些技術(shù)適用于所有用戶場景 ；同時，安森美非常

專注和聚焦汽車和工業(yè)領(lǐng)域兩大核心市場。針對汽車和工

業(yè)市場，安森美提供非常具體的解決方案。

他特別強調(diào) ：“與底層技術(shù)同樣至關(guān)重要的是解決方

案。所有的一切都要轉(zhuǎn)化成解決方案。解決方案如果比較

復(fù)雜，要促進客戶的采用程度和采用率，就需要提供完整

的軟件堆棧，進行很好的集成 ；同時，基于公司數(shù)十年的

創(chuàng)新沉淀，我們所有提供的解決方案都是易用的。”

而在智能電源、碳化硅電源和硅電源技術(shù)方面，安森

美的市場地位以及增長速度同樣非?？捎^?！皩τ陔娫捶?/p>

面的終端應(yīng)用，無論是電動車還是能源基礎(chǔ)設(shè)施方面，控

制層面都非常重要，只有把控制做好了，才能在系統(tǒng)級別

實現(xiàn)最佳效率和技術(shù)，進而提升整個系統(tǒng)的效率、可靠性、

設(shè)計的便捷性以及降低系統(tǒng)成本，推進整體方案的采用。”

安 森 美 電 源 方 案 部 執(zhí) 行 副 總 裁 兼 總 經(jīng) 理 Simon

Keeton 介紹了公司在智能電源方面的發(fā)展狀況。

他首先介紹了客戶、合作伙伴選擇安森美主要是因為

四個主要原因—四個 S，即 EliteSiC 碳化硅成功之道的四

個 S。

第一個 S 是供應(yīng) Supply，安森美擁有垂直整合方面

的歷史經(jīng)驗，同時也是唯一一家既有硅也有碳化硅方面的

晶錠生長的供應(yīng)商。晶錠生長對于公司來說是非常根本的

優(yōu)勢，它可以保證產(chǎn)品質(zhì)量和充足的供應(yīng)能力。實現(xiàn)在晶

錠、器件和封裝層面的全面發(fā)力，可以讓公司最終確保為

終端用戶提供充足產(chǎn)品供應(yīng)。

第二個 S 代表規(guī)模 Scale，安森美預(yù)見的是一個跨越

幾代的對于碳化硅的高增長需求。碳化硅在汽車電動化和

能源基礎(chǔ)設(shè)施方面的大規(guī)模應(yīng)用驅(qū)動了它的需求增長。作

為碳化硅的供應(yīng)商，安森美將會和終端市場一起成長，按

照市場增長趨勢實現(xiàn)公司戰(zhàn)略?；诠驹谄嚭凸I(yè)市

場深耕幾十年的結(jié)果，可以保證安森美在超高增長的市場

中快速滿足客戶期望。

第三個 S 是應(yīng)用范圍 Scope，除了最主要的汽車電動

化和能源基礎(chǔ)設(shè)施應(yīng)用外，公司還提供成千上萬在終端用

戶的應(yīng)用層面的全套解決方案，不僅有碳化硅也在硅基解

決方案。

第四個 S 就代表卓越技術(shù) Superior Technology，安

森美把在硅基材料方面幾十年的裸片設(shè)計經(jīng)驗沿用到碳化

硅方面，同時也把硅材料的模塊設(shè)計制造經(jīng)驗沿用到碳化

硅材料上，保證為客戶提供最優(yōu)的解決方案。

此外，安森美還在中國本土市場和超過 15 家中國客

戶建立了聯(lián)合技術(shù)應(yīng)用實驗室，包括與匯川聯(lián)合動力、上

能電氣等中國客戶，同時與他們簽訂了長期的供應(yīng)協(xié)議。

除了與本土汽車品牌客戶建立聯(lián)合應(yīng)用實驗室外，在

基于 EliteSiC 產(chǎn)品方面，安森美與蔚來簽訂了戰(zhàn)略合作

協(xié)議，同時也和極氪有戰(zhàn)略的長期供應(yīng)協(xié)議?！拔覀円恢?/p>

在聚焦和加大在中國汽車、電動車市場的投入，以推動本

土市場電氣化變革，助力中國保持在電動汽車行業(yè)的領(lǐng)先

地位?！?Hassane El-Khoury 說。

最后，Hassane El-Khoury 表示：“環(huán)境一直在變化，

但通過我們給客戶做出的長期承諾，我們一定能夠幫助客

戶實現(xiàn)光明未來。我們將會以更快、更廣的力度滲透到市

場中，進行更大投入以支持所有客戶，實現(xiàn)他們在電動車

以及能源基礎(chǔ)設(shè)施方面的目標，服務(wù)好他們的客戶?！?/p>

安森美通過創(chuàng)新為客戶創(chuàng)造更多價值，實現(xiàn)差異化，

使得客戶能在相應(yīng)的賽道當中取得成功。這其中，垂直

整合的能力非常關(guān)鍵。在當前變化、不確定和中斷的環(huán)

境下，它能夠使得公司幫助客戶實現(xiàn)其目標增長。“作

為一家企業(yè)，除了業(yè)務(wù)方面的責(zé)任，我們也承擔相應(yīng)社

會責(zé)任。我們和合作伙伴一起都將為中國環(huán)境目標的

實現(xiàn)做出積極貢獻，包括 2030 年“碳達峰”和 2060

年“碳中和”，我們將在 2040 年實現(xiàn)近零的環(huán)保貢獻?！?/p>

Hassane El-Khoury 說。█

安森美電源方案部執(zhí)行副總裁兼總經(jīng)理Simon Keeton先生

市場動態(tài) NEWS

24 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

2023 年 9 月 26 日，第 11 屆 EEVIA 年度中國硬科

技媒體論壇暨產(chǎn)業(yè)鏈研創(chuàng)趨勢展望研討會在深圳正式召

開。行業(yè)優(yōu)秀的半導(dǎo)體企業(yè)資深人員齊聚一堂，共同探討

了行業(yè)前沿趨勢，帶來了精彩的內(nèi)容分享。英飛凌電源

與傳感系統(tǒng)事業(yè)部應(yīng)用管理高級經(jīng)理徐斌，ADI 公司亞

太區(qū)電源市場經(jīng)理黃慶義，艾

邁斯歐司朗大中華區(qū)及亞太區(qū)

汽車應(yīng)用技術(shù)總監(jiān)白燕恭，合

見工軟副總裁孫曉陽，兆易創(chuàng)

新 Flash 事業(yè)部產(chǎn)品經(jīng)理張靜，

Bosch Sensortec GmbH 的高級

現(xiàn)場應(yīng)用工程師皇甫杰帶來了

精彩技術(shù)分享，他們就傳感器、

存儲、電源管理、EDA 軟件等

技術(shù)與解決方案跟與會行業(yè)人

士做了深入交流與溝通。

英飛凌電源與傳感系統(tǒng)事業(yè)部應(yīng)用管理高級經(jīng)理徐

斌的演講主題為“一站式系統(tǒng)解決方案，助力戶用儲能爆

發(fā)式發(fā)展”，他認為，氣侯變化是我們所處這個時代最大

的挑戰(zhàn)。過去一百年的時間，二氧化碳的排放量呈指數(shù)級

遞增，最大的排放量 40% 來自于發(fā)電，第二部分是工業(yè)

應(yīng)用占 25%，加強新能源包括風(fēng)能、光伏發(fā)電，代替?zhèn)?/p>

統(tǒng)通過煤、油、氣來發(fā)電，以減少二氧化碳排放量。

徐斌表示，從硅的 MOS 和 IGBT 到碳化硅 650V 到

1200V 的 MOS、包括 GaN 的產(chǎn)品，英飛凌是目前全球

少數(shù)幾家能同時做到以上三種半導(dǎo)體的公司之一。此外，

英 飛 凌 可 以 提 供 MCU、 安 全

保護芯片、電流傳感器等方案。

所以，在整個戶用儲能里面，

英飛凌可以提供一站式的解決

方案，幫大家做最快最易用的

設(shè)計。

艾邁斯歐司朗大中華區(qū)及

亞太區(qū)汽車應(yīng)用技術(shù)總監(jiān)白燕

恭做了題為“創(chuàng)新性光學(xué)和傳

感技術(shù)如何提升未來汽車價值”

的演講。他介紹到，該公司可以提供完整的光學(xué)所有關(guān)鍵

環(huán)節(jié)器件，目前產(chǎn)品也被應(yīng)用在汽車領(lǐng)域，比如車的前、

后靜態(tài)信號燈，環(huán)境光、雨量傳感器等光傳感器，車里面

所有的內(nèi)飾功能照明等等。

該公司全新推出的產(chǎn)品—OSIRE? E3731i。通過 OSP

總線連接多達 1000 個燈串，并且通過驅(qū)動芯片實現(xiàn)燈的

色點校準、亮度調(diào)節(jié)等問題。OSP Converter，可以將

I

2

C 協(xié)議數(shù)據(jù)轉(zhuǎn)換為 OSP 協(xié)議，實現(xiàn)傳感器的接入。他強

調(diào)，這種 OSP 總線的應(yīng)用不僅限于智能表面，還可以在

車內(nèi)外的各種場景中實現(xiàn)傳感和照明的結(jié)合，為整個產(chǎn)業(yè)

帶來潛力。

ADI 公司亞太區(qū)電源市場

經(jīng)理黃慶義的演講主題為“泛

在的高性能電源技術(shù)和解決方

案正在如何演進” ，他分享了

他對電源的看法以及未來發(fā)展。

他認為電源是多學(xué)科交叉的領(lǐng)

域。

ADI 衍生出了在業(yè)界比較

領(lǐng)先、比較有特點的一些方向

和技術(shù)。目前已經(jīng)到了 Silent

Switcher 3，它在普通的 DC/DC 性能之上，增加了低噪

聲功能，使得它輸出的噪聲非常接近 LDO 的水平，適合

很大電流的應(yīng)用。它的封裝也很多的優(yōu)化，超低的低頻噪

聲、超快的瞬態(tài)響應(yīng)，使得 Silent Switcher 3 能夠很好

地解決效率、面積、電子輻射帶來的問題。

ADI 有很多這種類型的模塊，比如超低噪聲的、超

薄的、帶監(jiān)控的，也有一些電流特別大的，多路輸出可以

并聯(lián)的，這些電源可以提供多樣選擇。

來自 Bosch Sensortec GmbH 的高級現(xiàn)場應(yīng)用工程

師皇甫杰先生的演講主題為“嵌入式 AI 與 MEMS 傳感器

塑造未來 開啟全新視野”，據(jù)他介紹，Bosch 集團涉及到

四大業(yè)務(wù)領(lǐng)域 ：主要的領(lǐng)域是汽車和智能交通領(lǐng)域 ；第二

塊是工業(yè)技術(shù) ；第三塊是能源與建筑技術(shù) ；最后一塊是消

費品。Bosch 不造車，但汽車里面的零部件涉及到 Bosch

各種各樣的模塊或者傳感器，或者底盤系統(tǒng)等，都涉及到

第11屆EEVIA年度中國硬科技媒體論壇暨

產(chǎn)業(yè)鏈研創(chuàng)趨勢展望研討會召開

英飛凌電源與傳感系統(tǒng)事業(yè)部應(yīng)

用管理高級經(jīng)理徐斌

艾邁斯歐司朗大中華區(qū)及亞太區(qū)

汽車應(yīng)用技術(shù)總監(jiān)白燕恭

ADI公司亞太區(qū)電源市場經(jīng)理黃

慶義

市場動態(tài) NEWS

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 25

Bosch 的零部件工藝。

Bosch 半 導(dǎo) 體 是 隸 屬 于

Bosch 汽車的市場領(lǐng)域，主要涉

及到四大產(chǎn)品模塊 ：一是功率

器件，主要是車規(guī)的功率器件，

包括碳化硅芯片 ；二是 ASICs

芯片，也是屬于車規(guī)產(chǎn)品 ；三

是車規(guī)半導(dǎo)體、車規(guī) MEMS 傳

感器，涉及到加速器、陀螺儀、

其他傳感器等 ；四是消費類的

MEMS，主要的成品是聚焦在

消費類的電子產(chǎn)品，包括手機、穿戴、IoT 等設(shè)備里面。

Bosch 的 MEMS 傳感器發(fā)展從汽車拓展到消費領(lǐng)域，

目前 Bosch Sensortec 新推出的傳感器型號為 BHI380，

B 代表 Bosch，H 代表 hub，I 代表 ACC 和陀螺儀二合一

的傳感器。它的尺寸非常小，所以這個傳感器可以應(yīng)用在

所有的電子產(chǎn)品，手機、手表、TWS 耳機。

它的優(yōu)勢在于 ：一，緊湊的尺寸可以方便集成到各種

各樣的消費類電子產(chǎn)品里面 ；二，功耗非常低，同時內(nèi)置

了一個處理器，在出廠時集成了一些基本的功能或 AI 的

算法。用戶也可以做自己的二次開發(fā)，具備更高的擴展性。

Bosch Sensortec 還推出了一款四合一的環(huán)境類傳感

器——BME 688，這也是目前世界上最小的一顆四合一

傳感器，它里面集成了溫度、氣壓、濕度、氣體傳感功能。

基于這個環(huán)境類傳感器，可以給用戶提供一個微環(huán)境的監(jiān)

測，甚至可以做一些微環(huán)境的天氣預(yù)報預(yù)估，以及配合智

能家居的聯(lián)動等。

此外，Bosch Sensortec 還最新推出了氣壓傳感器

BMP581，具備精準的數(shù)據(jù)識別能力，可以識別每一個檢

測的氣壓數(shù)據(jù)變化。氣壓計在耳戴產(chǎn)品或者穿戴產(chǎn)品里面

也有一些典型的場景，比如說用戶在佩戴智能耳機，氣壓

計在做俯臥撐的時候，可以檢測用戶貼到地面或者撐起來

的時候高度的變化，來識別用戶做了多少次俯臥撐。

皇甫杰透露，目前 Bosch Sensortec 的傳感器主要是

運動、環(huán)境相關(guān)的，主要聚焦在這兩個領(lǐng)域。未來 Bosch

Sensortec 也會拓展到一些光學(xué)類的傳感器，比如 AR 眼

鏡，還有 PM2.5 傳感器等等。

合見工軟副總裁孫曉陽在其題為“支撐芯片發(fā)展新態(tài)

勢，助力國產(chǎn) EDA 新生態(tài)”的演講中， 從高端芯片面對

的發(fā)展挑戰(zhàn)和機遇出發(fā)，重點談了 EDA 驗證環(huán)節(jié)對芯片

開發(fā)的重要性，并介紹了合見

工軟的最新驗證解決方案。合

見工軟秉承以 EDA 為核心的工

業(yè)軟件戰(zhàn)略，布局從芯片級的

設(shè)計驗證、系統(tǒng)級的封裝設(shè)計

一直到應(yīng)用級，可以支撐超算、

大數(shù)據(jù)、AI 等方面的應(yīng)用。而

其中最重要的著力點就是驗證

領(lǐng)域，這是因為驗證貫穿整個

芯片設(shè)計流程，是花費時間、

資源最多的步驟。

作為一家以 Nor Flash 聞名的公司，兆易創(chuàng)新 Flash

事業(yè)部產(chǎn)品經(jīng)理張靜在其題為“持續(xù)開拓，兆易新一代

存儲產(chǎn)品助力行業(yè)創(chuàng)新”的演講中表示 ：在物聯(lián)網(wǎng)、手

機 OLED 屏幕、5G 基站和汽車電子等新興領(lǐng)域的推動

下，NOR Flash 又迎來了新機遇。為了滿足不同的應(yīng)用

對 Flash 的需求，兆易創(chuàng)新已將其產(chǎn)品線拓展得非常豐

富——不止有 NOR Flash，NAND 類型也拓展得更豐富，

還支持四種類型，容量拓展到 8GB。根據(jù)不同應(yīng)用，兆

易創(chuàng)新還推出了非常豐富的產(chǎn)品系列，也開發(fā)出較多的新

型封裝。在溫度等級方面，兆易創(chuàng)新不但拓展了工規(guī)的

85 度，對車規(guī) 125 度也可以支持。

演講環(huán)節(jié)結(jié)束后，EEVIA 公司旗下 E 維智庫團隊還

舉辦了“2023 年度硬科技產(chǎn)業(yè)縱橫獎”頒獎儀式，這是

首次為持續(xù)開拓、不斷創(chuàng)新的硬核科技企業(yè) / 產(chǎn)品頒發(fā)系

列“年度產(chǎn)業(yè)縱橫”獎項，以表彰他們的產(chǎn)業(yè)貢獻和卓越

成就。

Bosch Sensortec GmbH高級現(xiàn)場

應(yīng)用工程師皇甫杰

合見工軟副總裁孫曉陽

兆易創(chuàng)新Flash事業(yè)部產(chǎn)品經(jīng)理張靜

市場動態(tài) NEWS

26 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

第23屆中國工博會《展后報告》正式出爐！

第 23 屆中國國際工業(yè)博覽會于 2023 年 9 月 19 日 -23

日在國家會展中心（上海）成功舉辦。

本屆中國工博會以“碳循新工業(yè)、數(shù)聚新經(jīng)濟”為全

新主題，展覽總面積達 303,224 平方米，吸引了來自全

球 32 個國家和地區(qū)的 2,978 家參展商，其中境外及外商

投資企業(yè)參展商數(shù)為 438 家，近 300 場論壇及現(xiàn)場活動

同期舉行。來自境外 42 個國家和地區(qū)和中國境內(nèi) 31 個

省區(qū)市的專業(yè)觀眾參觀達 205,278 人次，較上屆增長了

7.03%。

參展商分析

第 23 屆中國工博會參展商總數(shù)為 2,978 家，展覽凈

面積 137,611 平方米，其中境外及外商投資企業(yè)參展商

438 家，境內(nèi)上海以外地區(qū)參展商 1,819 家，上海市內(nèi)參

展商 721 家。境內(nèi)展商來自 28 個省市自治區(qū)，境外和外

商投資參展商來自 31 個國家和地區(qū)。

第 23 屆中國工博會吸引了來自境外 31 個國家和

地區(qū)的 438 家境外及外商投資企業(yè)參展商，參展凈面積

37,059 平方米，來自比利時、丹麥、德國、俄羅斯、法國、

韓國、荷蘭、美國、日本、意大利、中國臺灣等國家和地區(qū)。

中國工博會近5屆規(guī)模

第23屆中國工博會九大專業(yè)展概況

各專業(yè)展參展商分析

參展商地域分析

近5屆境外參展商數(shù)統(tǒng)計

市場動態(tài) NEWS

工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 27

觀眾分析

第 23 屆中國工博會共到場專業(yè)觀眾 205,278 人次，

分別來自境外 42 個國家和地區(qū)以及中國境內(nèi) 31 個省、自

治區(qū)和直轄市。

論壇活動

第 23 屆中國工博會同期舉辦了近 300 場同期論壇及

現(xiàn)場活動，緊扣“碳循新工業(yè)、數(shù)聚新經(jīng)濟”全新主題，

分設(shè)部市論壇、發(fā)展論壇、科技論壇、行業(yè)與企業(yè)論壇四

大系列版塊，緊緊圍繞我國工業(yè)轉(zhuǎn)型升級發(fā)展的新要求、

新挑戰(zhàn)、新理念，以及綠色低碳、數(shù)字化轉(zhuǎn)型、數(shù)字經(jīng)濟、

科技創(chuàng)新、智能制造等熱點議題展開，聚焦數(shù)字化技術(shù)賦

能產(chǎn)業(yè)轉(zhuǎn)型發(fā)展、雙碳目標與綠色發(fā)展深度融合、經(jīng)濟數(shù)

字化新機遇，同步放大“數(shù)字工博”云功能，開辟線上論

壇新路徑，為線下展覽賦能、賦值、賦智，深化實現(xiàn)“以

會促展、以展會促產(chǎn)業(yè)”的增值效應(yīng)。

境外參展商國家和地區(qū)分析

近5屆專業(yè)觀眾人次統(tǒng)計

觀眾對各專業(yè)展感興趣比例

觀眾參觀展會目的分析

觀眾的采購角色分析

（下轉(zhuǎn)第 18 頁）

28 11/ 12月 2023 工 業(yè) AI AI IN MANUFACTURING WWW.AIM-MAG.COM

廣告索引 Advertisers Index

行政及銷售人員 Administration & Sales Offices

行政人員 Administration

HK Office (香港辦公室)

ACT International (雅時國際商訊)

Unit B, 13/F, Por Yen Building,

No. 478 Castle Peak Road,

Cheung Sha Wan, Kowloon,

Hong Kong

Tel: 852 2838 6298

Publishing Director (出版總監(jiān)及全球銷售總監(jiān))

Adonis Mak (麥協(xié)林)

adonism@actintl.com.hk

Editor (主編)

Katie Huang (黃鶯 )

katieh@actintl.com.hk

Editor-in-Chief (總編輯)

Chris Everett (魏弘德)

chrise@actintl.com.hk

銷售人員 Sales Offices

Hong Kong (香港特區(qū))

Floyd Chun (秦澤峰)

floydc@actintl.com.hk

Tel: 852 2838 6298

Shanghai (上海)

Sales Director-China (中國區(qū)銷售總監(jiān))

Helena Xu（許海燕）

helenax@actintl.com.hk

Hatter Yao (姚麗瑩)

hattery@actintl.com.hk

Amber Li (李歆)

amberl@actintl.com.hk

Tel: 86 21 6251 1200

Shenzhen (深圳)

Yoyo Deng (鄧丹）

yoyod@actintl.com.hk

Tel: 86 755 2598 8573

Beijing (北京)

Cecily Bian (邊團芳)

cecilyb@actintl.com.hk

Tel: 86 135 5262 1310

Wuhan (武漢)

Grace Zhu ( 朱婉婷)

gracez@actintl.com.hk

Tel: 86 159 1532 6267

Advertiser 廣告商名稱 網(wǎng)址 頁碼

CDIIF 2024 成都國際工業(yè)博覽會 www.cdiif.com 1

SPS–Smart Production Solutions Guangzhou 廣州國際智能制造技術(shù)與裝備展覽會 www.spsinchina.cn IBC

投 稿 指 南

我們誠摯地邀請您提供技術(shù)類文章，即那些涵蓋影響制造業(yè)技術(shù)趨勢的議題，以及工程師如何應(yīng)對制造問題的文章。

《工業(yè)AI》雜志的存在是為了提供一個專家與生產(chǎn)/制造工程師交流的平臺—這些工程師正在尋找通過AI來改進他們的制造工藝方法。

我們非常歡迎收到與編輯計劃主題契合的技術(shù)文章、應(yīng)用案例和教程文章。一般來說，您提供文章的目標是一個普遍的、為制造問

題提供一個特定設(shè)計或技術(shù)選項。文章應(yīng)該避免宣傳公司或產(chǎn)品。

技術(shù)文章

1. 技術(shù)文章應(yīng)在1500~4500中文字，并附英文題目。雜志保留文章發(fā)表前的編輯權(quán)。

2. 以Word文檔提交內(nèi)容和圖表，圖片分辨率>300 dpi。

3.《工業(yè)AI》雜志中的技術(shù)文章需獨家提供。

4. 除作者姓名外，還請?zhí)峤还炯奥毼弧?/p>

產(chǎn)品特寫/技術(shù)簡報

1. 產(chǎn)品特寫和新產(chǎn)品集中于特定產(chǎn)品(或產(chǎn)品系列)，大約300~800中文字。 2.產(chǎn)品應(yīng)該是新推出的，并可在中國購買。

3. 內(nèi)容應(yīng)確定產(chǎn)品主要特點和優(yōu)勢、具體應(yīng)用領(lǐng)域。 4. 請?zhí)峁┊a(chǎn)品圖片，分辨率>300 dpi。

5. 內(nèi)容以Word格式提交。 6. 請?zhí)峁┞?lián)系信息，包括電話號碼、郵箱和公司網(wǎng)址。

欲知更多詳情，請聯(lián)系我們：

中文：Katie Huang（katieh@actintl.com.hk）

英文：Chris Everett （chrise@actintl.com.hk）

www.aim-mag.com

微信公眾號 免費索閱

今天的中國制造業(yè)正在向數(shù)字化轉(zhuǎn)型。幫助實現(xiàn)這一目標的關(guān)鍵技術(shù)之一是在制造系統(tǒng)和制造過程中

加入人工智能（AI）。

《工業(yè) AI》雜志由雅時國際商訊出版，2019 年 11 月開始發(fā)行，是聚焦 AI 在工業(yè)領(lǐng)域的技術(shù)應(yīng)用的專

業(yè)雜志，目的是讓中國的工藝和制造工程師、經(jīng)理和制造企業(yè)高管了解有關(guān)將人工智能納入制造領(lǐng)域的最

新新聞及技術(shù)信息。編輯團隊分布在北京、上海、深圳、香港。雙月刊雜志以簡體中文出版。印刷版免費

贈閱予 10,000 名讀者，同時在全國各地與制造業(yè)有關(guān)的主要展會和會議上分發(fā)，電子版雜志送達

20,000 名讀者。

《工業(yè) AI》亦致力于打造業(yè)內(nèi)領(lǐng)先的綜合傳媒及價值平臺，擁有各類主流線上載體?！肮I(yè) AI 研討會”

充分利用 ACT 二十多年來在制造業(yè)的深度參與經(jīng)驗，為 AI 在工業(yè)領(lǐng)域的落地應(yīng)用提供切實交流平臺。自

2019 年開始，《工業(yè) AI》舉辦了 20 多場線上以及線下研討會均獲業(yè)界廣泛好評。未來《工業(yè) AI》還將繼

續(xù)舉辦多場線上線下專題研討會助力行業(yè)發(fā)展。