AI在哪里?
這個問題如果放在幾年以前,很多人會感覺高深莫測,但在如今,我們回答起來游刃有余:在客廳里,天天與我們對話的智能音箱;在手機中,隨手拍出的美顏照片;在電商平臺上,總被猜中心思的商品推薦……
讓AI無處不在,是正在進行中的第四次產業革命的目標,也是每一個參與其中的開發者、建設者們心中的夢想。
然而當AI逐漸進入到產業深處,深度參與工業領域的智能化轉型時,如何讓AI從無到有,從最開始的簡單應用或者單一場景出發,繼而完成對整個產業的覆蓋,成為實現智能制造的關鍵。
近日,凌華科技發布了一系列基于華為昇騰的AI邊緣計算產品,推進AI算力融合在工業智能領域,讓AI應用落地于更多工業制造場景。
就像涓流成河匯成海一般,華為昇騰攜手合作伙伴正在構建一幅讓AI無處不在的百業全景圖。
智能制造的AI算力需求,華為昇騰來滿足
一提到產業智能化轉型,很多人的第一反應就是“上云”,確實,在面對高并發、小吞吐、長時延的計算需求時,“上云”是最便捷的一條解決路徑,然而在工業領域,大量視頻、圖像、高頻傳感器構成的異構數據需要進行實時處理, 使得異構大計算的需求滿足也成了不容忽視的重點,特別是智能制造領域普遍采用的混合云+AI+5G等新技術的組合,更是帶來了更加復雜且多元的多樣計算需求。
另外一個維度,與我們經常遇到的消費生活場景有所不同,在工業領域,AI應用首先需要對應不同的行業,如電子、汽車、醫藥、冶金等,然后每個行業還會有無數的落地場景,如視覺質量檢測、設備預測維護、生產排產等,即便是同一類場景,不同企業在該場景下的分析對象也有區別,如果都用通用CPU計算來處理,需要匹配極為強大的處理能力和算力,這將與智能制造所指向的“降本增效”的目的相悖,因而針對不同的業務場景、不同的數據類型和實時性要求,匹配不同的算力部署方案,這樣的計算架構也就更加科學。
正是在這樣的背景之下,凌華科技推出了基于華為昇騰的四款AI邊緣計算產品:昇騰AI邊緣小站、昇騰邊緣AI工作站、增強型昇騰工作站以及昇騰AI工控機。
如果應付一些工業應用場景一般的基本算力需求,昇騰AI邊緣小站(DLAP-221)就能勝任了,這款產品尺寸體積小,可以靈活部署,由于集成了華為Atlas-200 AI加速模組,可以在非常緊湊的尺寸內具備較為強勁的AI算力,單機可實現20路高清視頻實時分析,同時還預裝了昇騰制造業mxManufacture SDK,可以說麻雀雖小五臟俱全。
如果某些工業應用場景對算力有一定的需求,那么搭載了華為Atlas 200/Atlas 300I推理卡的昇騰邊緣AI工作站(MVP614X)就比較適合了,這款產品使用了Intel第九代i3/i5/i7處理器,整機可實現無風扇運行,經過特殊優化的散熱設計可確保多張Atlas 200或Atlas 300I推理卡同時工作。
如果有工業應用場景有非常高的算力需求,那么可以采用多華為Atlas 300I推理卡搭載平臺的增強型昇騰工作站(DLAP8000),DLAP8000可支持更高級的Intel Xeon處理器,經過優化后的電源同時可確保4張Atlas 300I工作;考慮到用戶現場對于大容量數據的存儲要求,DLAP8000在有限的體積下安裝了4塊2.5”硬盤。
如果某個應用場景需要同時擴展圖像采集、現場IO、運動控制功能時,凌華科技用可以擴展多路華為Atlas 300I推理卡的昇騰AI工控機(RK608/M43AI)來進行匹配,該產品有額外的PCI/PCIe插槽,可以同時搭配凌華科技特有的現場采集卡和運動控制卡。
從以上產品的功能亮點我們可以看出,凌華科技充分利用了昇騰的AI多樣計算能力,根據不同場景的不同算力需求,開發了與之適配的產品,可以說智能制造需要怎樣的AI算力,凌華科技和昇騰就有相對應的算力產品或算力部署方案。
哪里需要AI,哪里就有昇騰
說了這么多,凌華科技的這些產品到底好不好用,基于昇騰的智能制造解決方案到底發揮作用了嗎?下面,我們一起來看看凌華科技與昇騰的幾個落地案例。
眾所周知,在工業質量檢測領域,目前還有很多企業依賴于人工檢測,但受專業技術能力和經驗傳承的影響,檢測結果和檢測效率受人的干擾因素較大,特別是當人長時間重復單一工作,容易疲勞,會更加加重上述問題的產生。
于是,有的企業開始采取用工業相機拍照,圖文圖片模板比對的視覺檢測方式,相比依靠人的傳統視覺檢測方式,效率會有所提升,但新的問題又產生了,由于產品自身質量波動,圖像取像的角度、亮度變化甚至環境因素的干擾,從而使得視覺檢測測試的準確率始終難以達到理想水平,特別是當產品換線從A產品切換到B產品時,期間要經歷一段很長的調試時間,對于企業而言是個不小的負擔。
時下最新的AI質量檢測方案,則是傳統視覺融合深度學習技術,自動圖像特征提取,基于大量的歷史缺陷圖片完成模型訓練,只要檢測物的相似度達到一定程度即完成檢測過程,這種方案柔性很強,準確度和效率也大大提升。
在電子組裝行業,凌華科技在華為南方工廠智能計算產品生產線智能質檢項目中,直接將裝載Atlas 300I推理卡的工控機部署到產線,搭載2000萬像素高清工業相機,對電子組裝產品的標簽銘牌、螺釘、涂膠等對象進行檢測,將誤報率降低到1%以下,檢出率提高到99.9%,從1個人管理一條產線到目前1個人管理3條產線,檢測效率直接提升了3倍。
相比電子組裝行業對標簽銘牌的檢測對算力要求不高,我們再來看看集成電路行業中對集成電路板的品控監測,其中焊點異常的檢測最為重要,由于電路板上焊點數量極大,這就涉及到算力升級的問題。
凌華科技采取的解決方案是通過部署搭載Atlas 300I推理卡的工控設備至檢測設備上,同時配以AI深度學習算法,從而獲得了同等算力下較低成本的算力配置,工業生產場景下,直接提升了10%-50%AOI直通率。
如果上述兩個案例檢測項目比較單一,對于算法的要求不高,那么我們再來看看凌華科技的AI邊緣計算解決方案在醫藥生產行業中的落地。
一板藥物膠囊是否合格達到出廠條件,需要比對藥板批號是否清晰無誤、膠囊是否漏粉、是否有壓泡、空囊這樣的紕漏,因而除了算力的要求之外,還需要多算法的融合。
凌華科技在工控設備中配置Atlas 300I推理卡,再加上算法合作伙伴的AI深度學習算法,實現了極低的誤檢率,小于3%,正確率高于99.47%,減少了95%的人力依賴。與此同時,還能對產品缺陷進行可視化標記,實現缺陷快速精準定位,在空膠囊、漏粉、壞囊、編號打印錯誤等常規必檢項之外,還能檢測包括藥板毛邊、折痕、白邊等無規律缺陷。
以上只是昇騰在工業智能化轉型中使能百業中的一點點進展,管中窺豹,昇騰AI算力正在以各種形態和各種方式進入到工業領域的縱深,可以說,哪里需要AI,哪里就有昇騰。
智能制造新舊動能轉換趨勢之下的昇騰畫卷
其實,無論是新基建還是“十四五”規劃,在制造強國、質量強國、網絡強國、數字中國等一系列國家戰略之下,產業智能化與智能制造新舊動能轉換的時代趨勢已成,作為為各行各業解決AI算力需求的昇騰正處于巨大的歷史機遇之中。
需要確定的是,這個機遇并不僅僅只屬于昇騰,從上述案例可以看出,在昇騰的普惠AI戰略之下,通過硬件開放軟件開源的方式,昇騰構建了一個以自身AI算力和完善的AI軟硬件開發環境為基礎的昇騰生態,在這個生態中,通過強力專業的生態伙伴,完成了對足夠廣泛產業的覆蓋。
從凌華科技與昇騰的合作來看,雙方取長補短,不但實現了自身的商業價值,同時在產業智能化的時代趨勢之下獲得了共同成長。
在這里,我們也應該看到,產業智能化的道路才剛剛開始,有數據顯示,目前AI與行業的滲透率僅有4%,這也意味著為了完成AI無處不在的目標,昇騰還需要更多的同行者一起在這場時代洪流中去探索更多的可能。
責任編輯:xj
-
華為
+關注
關注
216文章
34413瀏覽量
251516 -
AI
+關注
關注
87文章
30753瀏覽量
268901 -
智能制造
+關注
關注
48文章
5551瀏覽量
76319
發布評論請先 登錄
相關推薦
評論