作为一个专注于机器人应用的创造者，如果你问我人形机器人首先会在哪个领域落地，我的选择是工业领域。至于更具想象力的体现智能机器人，我仍然认为它会首先在工业领域得到广泛应用。
原因在于工业场景以生产力为第一，是很多先进技术落地的首选。同时，工业场景相对封闭，由以机器人为代表的各类智能AI终端，以及终端与工业专网的结合组成。提供了一个天然的试验场。
目前被提及较多的一个概念是工业4.0，旨在将智能数字技术融入整个工业流程，建立智能工厂，提高生产力、效率和灵活性，同时实现更智能的制造和供应链运营。决策和定制。
过去，制造业注重在固定流程下准确、及时地生产，强调降低成本、减少浪费。此后，得益于工业物联网、云计算、自动化等技术的应用，通过信息互联、数据计算和自动控制，工业制造开始具备快速响应和初步智能决策的特点。
如今，AI大模型和端侧智能化的应用，已经开始让中国制造业进入更加智慧的阶段。 AI技术和终端逐渐融入生产线和设备，工厂更加无人化、智能化，有望催生真正的无线产品。人类工厂和超级工厂。
人工智能技术的出现开始重塑工业生产和智能制造生态，人工智能技术正在向端侧下沉，进一步开始催生新的工业商业形态和产业协作模式，从质量控制到预测性维护，从机器人协作数字化 工业场景应用结合孪生等人工智能技术，成为工业制造迈向智能制造的关键。
未来，以功能安全、超低功耗、高性能处理和强实时性为技术支点的基础硬件将与AI能力深度绑定。端侧的快速响应和决策能力正在改变工业制造的价值链，推动产业生态系统向智能互联、协同创新深度演进，进一步提升制造业的整体竞争力和附加值。制造业。
端侧AI解放高效工业生产力
随着边缘计算和AI模式的不断发展和成熟，计算需求从智能计算基础设施向终端设备扩展的趋势将在2025年日益明显。工业制造已经开始在许多流程和应用中应用端侧AI技术。首先，由于端侧或边缘AI可以与特定应用或业务紧密结合，因此可以大大提高工业流程决策的效率；其次，端侧或边缘设备的AI功能减少了对带宽的依赖，智能模型可以用于越来越多的应用。运行在端侧设备上，实时采集和智能分析能力进一步提升。
工业端侧模型
在国内，不少科技巨头和企业都发布了自己的工业大模型产品，如智能工业大模型、华为盘古大模型、卡奥斯COSMO-GPT等。然而，在从云端AI向端侧AI转型时，更多需要考虑成本、实时性、安全性等因素。
人工智能模型已经走到了末端，精简高效的小模型（SLM）成为了主角。小型号专为边缘硬件终端设计，如工业计算机、服务器、机器人等，可以在性能和资源效率之间实现微妙的平衡。卸载处理工作负载进一步降低了基础设施和运营成本。微软近期通过与拜耳、罗克韦尔自动化、西门子等公司合作，推出了适合工业领域的全新AI小模型。
小模型可结合终端硬件进行定制化训练。例如，在设备维护和预测方面，小模型可以在硬件上训练设备故障模型，分析潜在的故障点，并与先进的传感器和硬件设备结合，实现更智能、更高效的自主决策。
“工业基础大模型+细分应用小模型”的模式可以进一步释放工业端人工智能的潜力。
预测性维护和故障检测
上面已经提到了小模型在预测性维护和故障检测中的应用。事实上，在引入端侧小模型预测之前，很多工业场景也可以通过部署在设备侧的智能传感器和边缘计算设备来实时采集机器运行情况。数据并进行数据分析。
这些智能传感器和边缘计算设备通过在主控芯片或主处理芯片上构建TinyML来分析数据，以预测可能的设备故障和性能下降。该应用是工业领域典型的边缘AI应用。它不需要高频和高计算能力资源。它通过硬件集成TinyML等精简的AI内核来完成智能功能。在语音识别、传感器数据分析等领域已经比较成熟。随着终端侧AI技术的进步，本地算力与专用AI核心的融合，终端的智能功能将变得更加丰富。
工业机器视觉
工业领域通过视觉检测进行质量控制也是非常常见和经典的应用案例。端侧AI技术的引入给工业机器视觉带来了诸多变革。实时性能的提升是显而易见的。过去，视觉算法在收集真实数据后在云端不断优化。云计算的缺点是无法满足高效实时性能的需求。节拍不同步造成的延误不可避免地影响生产效率。
同时，考虑到工业现场存在大量异构总线连接，设备间通信标准不统一，将计算资源部署在工业边缘侧和终端侧更适合场景需求。
优化终端侧的AI算法并匹配相应的计算硬件解决方案，可以更好地解决工业场景的视觉计算能力和实时性要求。同时，基于获得的点云/图像信息，设备可以直接实现具有一定计算量的AI功能，例如姿势识别、手势识别、人脸识别等，扩展更多视觉相关功能。
端侧AI小模型与机器视觉相结合驱动的智能视觉检测技术在工业领域展现出强大的应用潜力。以移远通信“匠心”视觉检测解决方案为例，AI算法模型直接集成数据上传、数据标注、模型训练、模型测试、模型转换等全流程功能，解决视觉质量参差不齐的问题原始数据、标注繁琐以及训练优化困难、兼容性差等应用问题。端侧智能视觉检测结合了端侧计算灵活性、数据安全性高、实时性等优势，易于部署、高效、准确、经济。
再比如广和通的机器视觉和听觉解决方案，可以实现物体识别、分割、拼接分类、畸变校正、跟踪计数、人脸识别等功能。在图像处理方面，该方案集成了先进的GPU/NPU加速技术和高分辨率能力，支持复杂的图像识别和编解码、目标检测和实时数据分析。该方案还支持ChatGPT、同易前文、LIama、文心易言等大型语言模型，提高信息处理效率。
在智能制造背景下，端侧AI技术带来更多本地化、实时性的智能功能，并通过端侧小模型的配合，提高生产效率，优化整个生产流程，在基础上增加更多功能。自动化控制。多元智能控制释放高效工业生产力，推动制造业智能化升级。
为工业端AI提供硬件支撑
降低对云依赖的端侧AI的实现，离不开端侧基础硬件的支持。传感、处理、连接、存储、驱动、专用AI加速器等基础硬件组件协同工作，保证端侧AI功能的高效运行。实施。例如，嵌入式处理器负责整体系统控制和任务调度，而AI加速器则专注于提供强大的计算能力来加速复杂的模型推理。高效的存储组件保证数据的快速读写，而传输组件则保证数据在设备与云端或其他设备之间的顺畅流动。
在传感器芯片侧，越来越多地引入AI功能和信号处理功能，增强数据采集后的直接处理能力，分担主控信号处理负载。目前，应用最广泛的端侧AI传感设备包括视觉、麦克风、温度传感器、运动传感器和位置传感器。这种端侧传感器架构在AI核心的帮助下简化了传感器数据处理过程。在本地处理后，仅将最相关的数据发送到边缘主处理器或云端进行进一步分析。
作为工业控制领域的常客，不少MCU、MPU厂商也开始推出集成先进AI核心的控制/处理产品，如NXP集成AI核心的MCX系列MCU家族、集成Neutron NPU的i.MX 9系列MPU等；意法半导体知名工控微控制器STM32 MCU也开始集成NPU——ST Neural-ART加速器； TI知名的C2000系列也开始集成边缘AI硬件加速器； ADI、英飞凌、瑞萨等主要MCU厂商也在AI+MCU方面取得相关进展。
对于高效的计算硬件，专用AI ASIC、GPU、FPGA和NPU发挥着重要作用。这里的主要焦点是 NPU。除了一些芯片厂商自研NPU IP核外，还有很多第三方NPU IP产品，比如Arm的Ethos NPU、ARM科技周易NPU、芯原NPU、Synopsys ARC NPX6 NPU等。 NPU已经成为端侧AI芯片的标配。
端侧AI的兴起，无论是细化到个体软硬件与AI功能的结合，还是从模块、PLC到智能优化，都为工业领域的痛点——碎片化场景、多样化需求提供了更多解决方案。整个工控平台有了不同于以往的定制化实施路径。
端侧AI深入探索行业应用
端侧人工智能推动工业制造向智能制造转型超越目前的可能性。端侧AI带来的实时同步、本地安全和灵活性，对于许多制造场景的流程创新具有巨大潜力。同时，针对不同细分应用的小型工业端侧模型的不断开发，也是未来的强大助力。
例如，在工业设计领域，未来的工业端模型可以通过优化设计流程来提高研发效率，并与智能眼镜等智能终端结合，可以重塑现有的工业设计格局；个性化、定制化的工业生产需求，在端侧智能化软硬件的高度灵活性下，无需大费周章地改造生产线。借助学习模型，生产线上的机器人可以快速、准确地调整到相应的生产要求，并实时监控生产线的各个环节。通过学习，我们可以快速识别生产过程中的异常情况，有效降低生产停滞的风险。
此外，结合工业智能的通信技术，设备之间端到端的无缝通信和数据共享可以进一步优化生产流程，提高整体生产效率。 2024年底全国工业和信息化工作会议上，会议在2025年重点任务部署中提出“推进工业5G独立专网建设”，并将工业5G独立专网建设作为重点部署新一年任务。 。这意味着大型工业企业自建5G专网的相关政策尤其是频率政策即将出台，为5G+工业互联带来新机遇。
端侧人工智能凭借其独特的优势，正逐步渗透到工业制造的各个角落，探索更深层次的工业应用，带动整个行业向更加智能、高效的方向发展。
当然，智能化的蓝图需要慢慢打磨，端侧AI面临的诸多挑战也需要时间来克服。从工业端模型来看，工业领域覆盖业务广泛，数据结构多样，数据质量参差不齐。如何构建高质量的模型，充分捕捉某个领域的特征来理解场景，还存在很多问题。
端/边缘设备和应用的多样性也对硬件设计提出了更高的要求，不仅要适应当前流行的机型和特定类型的应用，还要支持下一代机型和快速变化的应用需求。这就需要软硬件结合，构建能够适应未来发展的全栈软硬件，避免针对特定模型或应用开发的硬件限制。这对于产品快速迭代的设备端计算市场尤为重要。
写在最后
在生产力为重、注重效率、稳定、安全的工业领域，端侧智能带来的节拍协同、高灵活性、生产材料的高效利用、质量控制和预测性维护等能力已经成为人们关注的焦点。成为工业制造转型的主要动力。 。 2025年设备端AI会给工业领域带来哪些变化，我们拭目以待。
本文来自微信公众号，作者：李宁远，36氪经授权发布。
