文字| 魏启扬
来源|智能相对论
AI在哪里？
如果这个问题放在几年前，很多人会觉得不可思议，但现在，我们可以轻松回答了：客厅里，每天和我们说话的智能音箱；手机里，手边拍的美女照片；在电商平台上，总是被猜中的产品被推荐.
让AI无处不在是正在进行的第四次工业革命的目标，也是每一个参与其中的开发者和建设者的梦想。
然而，当AI逐渐进入行业深处，深度参与工业领域的智能化转型时，如何让AI从零开始，从最初的简单应用或单一场景开始，进而完成对整个行业的覆盖，成为实现智能制造的关键。
近日，凌华科技发布了一系列基于华为瑞星的AI边缘计算产品，进行推广
人工智能计算能力
工业智能领域的融合，让AI应用登陆更多工业制造场景。
就像涓涓细流汇成大海一样，华为圣腾与合作伙伴正在打造让AI无处不在的所有行业全景。
华为的崛起满足了智能制造对人工智能计算能力的需求
说到工业智能化转型，很多人的第一反应就是“去云”。的确，面对高并发、小吞吐量、长时延的计算需求，“上云”是最便捷的解决路径。然而在工业领域，大量由视频、图像和高频传感器组成的异构数据需要实时处理，这使得对异构大规模计算的需求成为不可忽视的关键点，尤其是智能制造领域广泛应用的混合云AI。
另一个维度不同于我们经常遇到的消费生活场景。在工业领域，AI应用需要对应不同的行业，如电子、汽车、医药、冶金等。然后每个行业都会有无数的落地场景，比如视觉质检、设备预测与维护、生产调度等。即使在同一个场景中，不同的企业在这个场景中有不同的分析对象。如果都是用一般的CpU计算来处理，就需要匹配极其强大的处理能力和计算能力，这将与智能制造所指向的“降本增效”的目的背道而驰。因此，将根据不同的业务场景、不同的数据类型和实时性要求，匹配不同的计算能力部署方案，使计算架构更加科学。
正是在这样的背景下，凌华科技推出了四款基于华为升天的AI边缘计算产品：升天AI边缘站、升天AI工作站、增强升天工作站、升天AI工控机。
如果你满足一些工业应用场景的一般基础计算能力要求，上升AI边缘站(DLAp-221)就可以胜任。该产品体积小，部署灵活。由于集成了华为Atlas-200 AI加速模块，可以在非常紧凑的尺寸下拥有相对强大的AI计算能力。单台机器可实现20个高清视频的实时分析。同时，它还预装了瑞星制造MX制造SDK。可以说麻雀小，五脏俱全。
如果某些工业应用场景需要计算能力，配备华为atlass 200/atlas 300 I推理卡的上升沿AI工作站(MVp614X)更适合。该产品采用英特尔第九代i3/i5/i7处理器，整机无需风扇即可运行。特别优化的散热设计，可以保证多个Atlas 200或Atlas 300I推理卡同时工作。
如果工业应用场景对计算能力要求非常高，可以使用配备multi-华为atlas 300 I推理卡平台的增强型升降工作站(DLAp8000)。DLAp8000可以支持更先进的英特尔至强处理器，优化后的电源可以保证4个Atlas 300 I同时工作；考虑到用户对大容量数据的存储需求，DLAp8000在有限的卷内安装了四个2.5英寸硬盘。
如果某个应用场景需要同时扩展图像采集、现场io、运动控制等功能，凌华科技采用可扩展多路华为Atlas 300i推理卡的瑞星AI工控机(RK608/M43AI)进行匹配。该产品多了一个pCI/pCIe插槽，可以同时搭配凌华科技独有的现场采集卡和运动控制卡。
从上述产品的功能亮点可以看出，凌华科技充分利用了冉冉升起的AI的多样化计算能力，针对不同场景的不同计算需求，开发了适合它的产品。可以说，智能制造需要什么AI算力，凌华科技和瑞星都有相应的算力产品或算力部署方案。
哪里需要人工智能，哪里就需要人工智能
话虽如此，凌华科技的这些产品好用吗，正在兴起的智能制造解决方案好用吗？下面我们来看看凌华科技和瑞星的几个落地案例。
众所周知，在工业质量检验领域，仍然有很多企业依赖人工检验。但由于受专业技术能力和经验传承的影响，检验结果和效率受到人们的极大干扰，尤其是当人们长时间重复单一工作时，容易疲劳，会进一步加剧上述问题。
因此，一些企业开始采用用工业相机拍照、图片与模板对比的目视检查方法。与传统的依靠人的目视检查方法相比，效率会有所提高，但也出现了新的问题。由于产品质量的波动、拍摄图像的角度、亮度的变化甚至环境因素的干扰，目测测试的准确度始终难以达到理想水平，尤其是产品从A产品切换到B产品时，调试时间会很长。
目前最新的AI质量检测方案是传统的视觉融合深度学习技术，自动提取图像特征，基于大量历史缺陷图片进行模型训练，只要检测对象的相似度达到一定程度，检测过程就完成了。该方案灵活，大大提高了精度和效率。
在电子组装行业，凌华科技在华为南厂智能计算产品产线，智能质检项目中，直接将加载Atlas300I推理卡的工控机部署到产线。配备2000万像素高清工业摄像头，对电子组装产品的标签铭牌、螺丝、胶水等物体进行检测，将误报率降至1%以下，检出率提升至99.9%。从目前一个人管理一个产线到一个人管理三个产线，检测效率直接提高了三倍。
与电子组装行业相比，标签和铭牌的检查不需要很高的计算能力。再来看看集成电路行业中集成电路板的质量控制监控，其中异常焊点的检测最为重要。由于电路板上的焊点数量非常多，这就涉及到提升计算能力的问题。
凌华科技采用的解决方案是将配备Atlas300I推理卡的工控设备部署到检测设备上，同时配备AI深度学习算法，从而在同等计算能力下获得更低成本的计算能力配置，在工业生产场景下直接提升AOI首通良品率10%-50%。
如果以上两种情况的检测项目比较单一，对算法的要求不高，那么我们来看看凌华科技的AI边缘计算解决方案在医药生产行业的落地情况。
一盘药用胶囊是否合格符合出厂条件需要对比药用板块批号是否清晰正确，胶囊是否漏粉，是否有压泡、空胶囊等缺陷。因此，除了对计算能力的要求，还需要多种语言的融合
凌华科技在工控设备中部署Atlas300I推理卡，加上算法伙伴的AI深度学习算法，实现了极低的误检率，不到3%，正确率高于99.47%，减少了95%的人力依赖。同时，它还可以对产品缺陷进行可视化标记，实现缺陷的快速准确定位，检测包括毛刺、折痕、白边等不规则缺陷。的药板除了常规的强制性项目，如空胶囊，漏粉，破胶囊和错误的号码打印。
以上只是让所有行业在产业智能化转型方面的一点点进展。放眼豹子，不断崛起的AI计算能力正以各种形式和方式进入工业领域的纵深。可以说，哪里需要AI，哪里就有崛起。
新旧动能转换智能制造趋势下的崛起图景
事实上，无论是新基建还是“十四五”，在制造强国、质量强国、网络强国、数字中国，等一系列国家战略下，产业智能化趋势和智能制造新旧动能转换已经成为一个时代。作为各行各业对AI计算能力不断提升的需求，它正处于一个巨大的历史机遇之中。
可以肯定的是，这个机会不仅仅属于扬升。从以上案例可以看出，在阿森松普惠AI战略下，阿森松基于自身的AI计算能力和完善的AI软硬件开发环境，构建了一个阿森松生态。在这个生态中，强大而专业的生态合作伙伴已经覆盖了广泛的行业。
从凌华科技与盛腾的合作中，双方取长补短，既实现了自身的商业价值，又在产业智能化趋势下实现了共同成长。
在这里，我们也应该看到，工业智能化之路才刚刚开始。数据显示，目前AI和产业的渗透率只有4%，这意味着为了实现AI无处不在的目标，阿森松岛需要更多的同行在这个时代的洪流中共同探索更多的可能性。
*本文图片均来自互联网
深挖智慧之井再添VX:致小燕
本内容来源于智能相对论。
仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、提取、复制或创建镜像。
部分图片来源于网络，版权归属未经核实，不用于商业用途。如有侵权，请联系我们。
智能相对论(微信ID:aixdlun):
AI行业新媒体；
今日头条青云计划赢家TOp10
造纸技术排行榜月度前5名；
文章长期“占据”钛媒热点文章前十；
《人工智能十万个为什么》的作者
【重点关注领域】智能家电(包括白电、黑电、智能手机、无人机等AIoT设备)、智能驾驶、AI医疗、机器人、物联网、AI金融、AI教育、AR/VR、云计算、开发者及其背后的芯片和算法。