电子@@创新@@188足彩外@@围@@app 网@@ - AI - 188足彩网

海思@@自研@@RISC-V内核@@@@，推出全新@@MCU

judy — Thu, 28 Dec 2023 06:39:26 +0000

在@@12月@@中@@@@，上@@海海思@@披露了公司聚焦行业专用@@（Application Specific）和@@嵌入式@@@@AI技术@@（Artificial Intelligence）的@@A²MCU。据@@他们所说@@，，将@@AI领域超轻量级的@@技术@@框架@@@@、极致性能的@@推理@@要求@@@@@@、方便快速@@的@@部署能力@@与@@MCU深度融合@@，为@@MCU行业客户探索智能@@化应用@@提供@@新的@@选择@@。

海思@@在@@文章中@@表示@@@@，嵌入式@@AI是将@@@@AI算法@@嵌入到@@端侧@@设备中@@@@，使得@@设备能够@@具备智能@@化@@、自动化和@@高效化的@@能力@@@@@@。AI的@@历史@@可以@@追溯到@@@@20世纪@@50年@@代@@，进入@@21世纪@@，受益于算力的@@迅猛提升@@，以@@及@@大数据@@@@@@、云@@计算@@@@、深度学习@@等@@技术@@发展@@，人工智能@@@@在@@图@@像@@识别@@、语音识别@@、自然语言@@处理@@、机器人@@、自动驾驶@@等@@领域取得了突破性的@@进展@@。随着应用@@的@@@@拓展和@@渗透@@，端侧@@AI近几年@@逐渐成为@@@@业界热点@@。相对于@@数百万到@@千万的@@@@AI服务器@@，端侧@@AI MCU的@@数量级将@@高达数以@@百亿@@。基于@@现有的@@@@AI范式@@，由@@于@@资源的@@限制@@、模型的@@适应性等@@因素@@，AI越向@@下越难做@@，但同时@@@@AI下沉带@@来的@@商业潜力也很大@@。因此@@将@@@@AI技术@@嵌入到@@端侧@@最底层的@@@@MCU芯片@@，已成为@@@@业界领先@@MCU企业都在@@探索的@@新方向@@@@。

由@@于@@MCU硬件性能限制@@、AI软件@@的@@复杂度高@@、行业应用@@实时性要求@@高@@、能耗限制严格@@、数据@@安全性要求@@高@@，嵌入式@@AI在@@MCU的@@行业应用@@落地需要业务团队同时@@具备丰富的@@@@AI知识经验@@，以@@及@@嵌入式@@@@软硬件能力@@@@。

一方面要开发团队与落地场景之间要展开深度合作@@。基于@@真实场景的@@基础数据@@及@@嵌入式@@@@AI团队提供@@的@@专业的@@定制化方案@@@@，才能真正解决问题@@，做出价值@@。

另一方面要能够@@实现@@@@AI模型到@@@@MCU的@@快速@@部署@@。通用@@AI模型往往并不是针对嵌入式@@应用@@设计@@，AI开发工具品类又非常庞杂@@，而@@MCU的@@RAM、Flash资源及@@@@CPU算力通常@@都非常受限@@，如何选择合适的@@@@AI模型和@@开发工具用来开发出解决特定场景问题模型@@，又如何将@@@@AI模型部署到@@受限资源的@@@@MCU上@@，这是一个@@复杂的@@工程@@。

海思@@嵌入式@@@@AI提供@@了超轻量级的@@@@AI技术@@框架@@、极致性能完全满足@@MCU的@@推理@@要求@@@@、并能够@@将@@多模型快速@@转换为@@代码并导入工程@@，开发者进行方便快速@@的@@产品部署@@。

海思@@表示@@@@，A² 是海思@@针对家电@@、能源@@、工业@@、汽车@@等@@领域推出的@@全新解决方案@@@@@@，它不仅涵盖了基于@@@@RISC-V的@@系列@@化的@@@@MCU，还包含了高性能兼容@@ARM指令集的@@@@MPU，以@@及@@与之紧密配合并优化的@@操作系统@@@@。据@@官网@@介绍@@，该系列@@@@MCU目前@@包含了三款产品@@。

其中@@@@，Hi3065H是基于@@海思@@自研@@@@RISC-V内核@@@@的@@高性能@@实时控制专用@@MCU，具有高性能@@、高集成@@度@@、高可靠性@@、易开发的@@特点@@，同时@@配合海思@@强大的@@算法@@团队和@@嵌入式@@@@@@AI能力@@，使得@@Hi3065H上@@市后快速@@获得家电@@、能源@@、工业@@等@@行业内多个@@客户的@@认可和@@好评@@。

Hi3061H是海思@@针对电机控制设计的@@专用@@MCU，采用@@了@@RISC-V@200MHz+FPU。具有高性能@@、高集成@@度@@、高可靠性@@、易开发的@@特点@@，同时@@配合海思@@强大的@@算法@@团队和@@嵌入式@@@@@@AI能力@@，可以@@覆盖电机领域相关@@多种应用@@场景@@，如便携式储能双向@@逆变@@，工业@@低压变频器@@，央空热泵外@@机@@，以@@及@@伺服控制等@@应用@@场景@@。

Hi3061M则是海思@@针对家电@@@@、工业@@等@@领域设计@@的@@高性价比@@@@MCU，使用@@海思@@自有@@RISC-V内核@@@@，支持@@150MHz主频@@，支持@@AI场景扩展@@；支持@@32KB SRAM和@@128KB 内置@@Flash，可支持@@客户产品功能持续迭代和@@算法@@升级@@；可应用@@于冰洗空@@、电动自行车@@、高速风机@@、电动工具@@、按摩椅等@@比@@较广泛的@@应用@@场景@@。

海思@@表示@@@@，一般情况下@@，MCU为@@了保证任务的@@高实时性@@，业界现有方案@@大多不使用@@操作系统@@@@，但是@@这样@@由@@于@@没有基本的@@调度功能@@，导致@@MCU代码量一旦超过万行级别@@，写代码的@@复杂度和@@后续的@@维护难度会大幅上@@升@@。海思@@通过@@和@@@@openEuler的@@联合@@创新@@，通过@@在@@@@A²MCU和@@UniProton进行深度优化@@，开发出可以@@在@@@@MCU有限资源上@@可以@@运行@@的@@@@UniProton+BareMetal（无@@OS裸跑@@）混合部署方案@@@@，该方案@@对硬件资源的@@需求极低@@，最小@@4KB RAM和@@4KB Flash即@@可运行@@@@。通过@@该混合方案@@的@@部署@@，一方面保持了原有高实时性任务的@@优先级和@@实时@@性不受到@@影响@@，还可以@@直接运行@@在@@@@BareMetal环境@@；同时@@针对实时性要求@@不高的@@任务@@，可以@@通过@@调度器进行多线程的@@任务管理@@，提供@@了多线程管理能力@@@@，降低了开发者代码开发的@@复杂度@@，同时@@也可以@@帮助客户进行更便捷的@@后期维护@@、以@@及@@更方便的@@进行应用@@的@@@@修改和@@跨芯片@@移植@@。

除了和@@操作系统@@的@@深度协同之外@@@@，海思@@A²解决方案@@@@还包含大量其它黑科技@@@@，比@@如@@资源需求极低到@@可以@@在@@@@MCU上@@部署的@@轻量级嵌入式@@@@AI、针对行业应用@@的@@@@高阶算法@@@@、以@@及@@可以@@针对行业场景自定义指令集的@@@@@@RISC-V内核@@@@等@@@@，通过@@这些技术@@方向@@上@@的@@探索和@@创新@@，海思@@A²解决方案@@@@在@@@@MCU以@@及@@嵌入式@@@@MPU等@@领域有独特的@@差异化优势@@。

除了上@@述@@MCU外@@，海思@@还推出了名为@@@@Hi3093的@@MPU。海思@@表示@@@@，这款高性能工控@@MPU是一款面向@@@@工业@@@@、电力@@、能源@@、IOT等@@领域设计@@，支持@@openEuler embedded OS的@@高性能@@ARM处理器@@，集成@@了@@4核@@ARM高性能处理器@@@@，具有丰富的@@工业@@专用接口@@，支持@@openEuler和@@实时@@OS，支持@@PLC/运动控制@@/DCS/IOT网@@关等@@多种应用@@场景@@。

据@@海思@@透露@@，针对高性能@@MPU，海思@@成功的@@实现@@了基于@@@@openAMP（开放非对称多处理@@）的@@多操作系统@@框架混合部署@@，基于@@该框架@@，客户可以@@在@@一颗@@MPU芯片@@上@@同时@@部署多个@@操作系统@@实例@@；比@@如@@将@@海思@@@@MPU的@@4个@@主处理器@@分成@@3+1两组@@，通过@@openAMP的@@双系统@@架构@@@@，客户可以@@把需要生态应用@@的@@@@@@openEuler非实时系统@@部署在@@其中@@@@的@@三个@@@@CPU核@@上@@@@，同时@@把@@UniProton实时操作系统@@部署到@@另外@@@@一个@@核@@@@；通过@@这种方式@@，客户可以@@用一颗芯片@@上@@同时@@实现@@原有方案@@中@@两颗芯片@@才能实现@@的@@功能@@，一方面帮助客户简化了系统@@架构@@@@，节省了成本@@，同时@@也极大的@@提升了系统@@的@@可靠性@@。海思@@是业界首个@@支持@@@@openEuler embedded同构@@、异构多核@@混合部署方案@@@@的@@芯片@@厂家@@。

来源@@：内容来自半导体行业观察@@（ID：icbank）综合@@，谢谢@@。

华邦@@推出创新@@CUBE架构@@ 为@@边缘@@AI带@@来超高带@@宽@@@@内存@@@@

judy — Wed, 27 Sep 2023 02:41:13 +0000

全球@@半导体存储@@解决方案@@@@领导厂商华邦@@电子@@今日宣布推出一项强大的@@内存@@赋能技术@@@@，可助力客户在@@主流应用@@场景中@@实现@@经济实惠的@@边缘@@ AI 计算@@。华邦@@的@@@@CUBE (半定制化超高带@@宽@@@@@@188足彩外@@围@@app ) 可大幅优化内存@@技术@@@@，可实现@@在@@混合云@@与边缘云@@应用@@中@@运行@@生成式@@@@AI的@@性能@@。

CUBE增强了前端@@3D结构的@@性能@@@@，例如@@chip-on-wafer（CoW）和@@wafer-on-wafer（WoW），以@@及@@后端@@2.5D/3D chip-on-Si-interposer的@@基板和@@扇出@@（Fan out）解决方案@@@@。CUBE专为@@满足边缘@@AI运算装置不断增长@@的@@需求而@@设计@@，能利用@@@@ 3D 堆栈技术@@并结合@@异质键合技术@@而@@提供@@高带@@宽@@@@低功耗@@的@@单颗@@256Mb 至@@ 8Gb内存@@。除此之外@@@@，CUBE还能利用@@@@@@3D 堆栈技术@@加强带@@宽@@降低数据@@传输时所需@@的@@电力@@@@。

CUBE的@@推出是华邦@@实现@@跨平台@@与接口无@@缝部署的@@重要一步@@。CUBE适用于可穿戴设备@@、边缘服务器@@设备@@、监控设备@@、ADAS 及@@协作机器人@@等@@高级应用@@@@。

华邦@@表示@@@@：“CUBE架构@@让@@AI部署实现@@了转变@@，并且@@我们相信@@，云@@AI和@@边缘@@AI的@@集成@@将@@会带@@领@@AI发展至@@下一阶段@@。我们正在@@通过@@@@CUBE解锁无@@限全新可能@@，并且@@正在@@为@@强大的@@边缘@@AI设备提高内存@@性能及@@优化成本@@。”

CUBE的@@主要特性包括@@：

节省电耗@@：CUBE 提供@@卓越的@@电源效率@@@@，功耗@@低于@@ 1pJ/bit，能够@@确保@@延长运行@@时间并优化能源@@使用@@@@。

卓越的@@性能@@@@：凭借@@32GB/s 至@@ 256GB/s 的@@带@@宽@@@@，CUBE 可提供@@远高于@@行业标准@@的@@@@性能@@提升@@。

较小尺寸@@：CUBE拥有@@更小的@@外@@形尺寸@@。目前@@基于@@@@20nm标准@@，可以@@提供@@每颗芯片@@@@256Mb-8Gb容量@@，2025年@@将@@有@@16nm标准@@。引入硅通孔@@ （TSV）可进一步增强性能@@，改善信号完整性@@、电源完整性@@、以@@9 um pitch 缩小@@IO的@@面积和@@较佳的@@散热@@（CUBE置下@@、SoC置上@@@@时@@）。

高经济效益@@、高带@@宽@@@@：CUBE 的@@IO速度于@@1K IO可高达@@2Gbps，当与@@28nm和@@22nm等@@成熟工艺@@的@@@@SoC集成@@， CUBE 则可到@@达@@32GB/s至@@256GB/s带@@宽@@，相当于@@HBM2带@@宽@@, 也相当于@@@@4至@@32个@@LP-DDR4x 4266Mbps x16 IO。

SoC 芯片@@尺寸减小@@：SoC（不带@@@@TSV，置上@@@@）堆叠在@@@@ CUBE（带@@ TSV，置下@@）上@@。如果去除@@ TSV 区域损失@@，其芯片@@尺寸可能会更小@@。能够@@为@@边缘@@@@AI设备带@@来更明显的@@成本优势@@。

华邦@@表示@@@@：“CUBE可以@@释放混合边缘@@/云@@AI的@@全部潜力@@，以@@提升系统@@功能@@、响应时间以@@及@@能源@@效率@@。”华邦@@对创新与合作的@@承诺将@@会助力开发人员和@@企业共同推动各个@@行业的@@进步@@。

此外@@@@华邦@@还正在@@积极与合作伙伴公司合作建立@@3DCaaS平台@@，该平台@@将@@进一步发挥@@CUBE的@@能力@@@@。通过@@将@@@@CUBE与现有技术@@相结合@@@@@@，华邦@@能为@@业界提供@@尖端解决方案@@@@@@，使企业在@@@@AI驱动转型的@@关键时代@@蓬勃发展@@。

关于@@华邦@@@@
华邦@@电子@@为@@全球@@半导体存储@@解决方案@@@@领导厂商@@，主要业务包含产品设计@@、技术@@研发@@、晶圆制造@@@@、营销及@@售后服务@@，致力于提供@@客户全方位@@的@@利基型内存@@解决方案@@@@@@。华邦@@电子@@产品包含利基型动态随机存取内存@@@@、行动内存@@@@、编码型闪存和@@@@TrustME® 安全闪存@@，广泛应用@@在@@通讯@@、消费性电子@@@@、工业@@用以@@及@@车用电子@@@@、计算@@机周边等@@领域@@。华邦@@电子@@总部位@@于中@@国台湾@@中@@部科学园区@@，在@@台中@@与高雄设有两座@@12寸晶圆厂@@，未来将@@持续导入自行开发的@@制程技术@@@@，为@@合作伙伴提供@@高质量的@@内存@@产品@@。此外@@@@，华邦@@在@@中@@国大陆及@@香港地区@@、美国@@、日本@@、以@@色列@@、德国等@@地均设有子公司@@，负责营销业务并为@@客户提供@@本地支持@@服务@@。

2023年@@AI半导体市场将@@达到@@@@@@@@534亿美元@@

judy — Mon, 04 Sep 2023 01:48:13 +0000

根据@@@@Gartner的@@最新预测@@，用于执行人工智能@@@@@@（AI）工作负载的@@半导体将@@在@@@@2023年@@为@@半导体行业带@@来@@534亿美元@@的@@收入@@，比@@2022年@@增长@@@@20.9%。

在@@预测期内@@，人工智能@@@@半导体收入将@@继续保持两位@@数的@@增长@@率@@，2024年@@将@@增长@@@@25.6%，达到@@@@671亿美元@@。到@@2027年@@，人工智能@@@@芯片@@收入预计@@将@@是@@2023年@@市场规模的@@两倍@@以@@上@@@@，达到@@@@1194亿美元@@。

随着在@@企业中@@使用@@基于@@@@AI的@@工作负载的@@成熟@@，更多的@@行业和@@@@IT组织将@@部署包含@@AI芯片@@的@@系统@@@@。在@@消费电子@@@@市场@@，Gartner分析师估计@@，到@@2023年@@底@@，支持@@AI的@@应用@@处理器@@的@@价值将@@达到@@@@@@@@12亿美元@@，高于@@2022年@@的@@@@5.58亿美元@@。

对高效和@@优化设计的@@需求@@，以@@支持@@基于@@人工智能@@@@工作负载的@@经济高效执行@@，将@@推动定制设计的@@人工智能@@@@芯片@@部署的@@增加@@。

生成式@@人工智能@@@@也推动了对高性能计算@@系统@@的@@开发和@@部署需求@@，许多供应商提供@@基于@@@@GPU的@@高性能@@系统@@和@@网@@络@@设备@@，并看@@到@@了显著的@@近期效益@@。从@@长远来看@@@@，随着超大规模企业寻找高效@@、经济的@@方式来部署这些应用@@程序@@，Gartner预计@@它们对定制设计的@@人工智能@@@@芯片@@的@@使用@@将@@会增加@@。

本文转载自@@： 199IT互联网@@数据@@中@@心@@微信公众号@@@@

新一代数据@@中@@心@@的@@连接@@之@@“道@@”

judy — Fri, 25 Aug 2023 03:08:49 +0000

2023年@@上@@半年@@@@，想必很多人都被@@ChatGPT刷屏了@@，这种基于@@庞大的@@数据@@集训练@@@@，能够@@瞬间生成文本@@、视频@@、音频@@、图@@形@@等@@内容的@@@@“生成式@@AI(Generative AI)”，带@@给人们的@@体验是颠覆性的@@@@。在@@此之后@@，科技圈就掀起了新一波的@@@@AI热潮@@。

毫不夸张地讲@@，ChatGPT迈出的@@这一步是革命性的@@@@，随着生成式@@@@AI向@@各个@@领域的@@渗透@@，人们有理由@@对@@AI未来的@@@@走势给出一个@@更为@@乐观的@@预期@@——有分析数据@@显示@@，到@@2030年@@，AI将@@形成一个@@价值@@2万亿美元@@的@@产业@@，从@@汽车@@到@@量子计算@@@@、软件@@开发@@、基因组学和@@数据@@挖掘@@，都将@@会成为@@@@未来@@AI发展的@@着力点@@。

而@@随着@@AI应用@@的@@@@扩展@@，更大规模的@@数据@@需要去挖掘和@@处理@@，新的@@挑战也在@@显现@@。这些挑战的@@压力很大一部分会落到@@数据@@中@@心@@的@@身上@@@@，毕竟作为@@我们这个@@智能@@时代@@的@@@@“云@@脑@@”，数据@@中@@心@@所输出的@@算力资源无@@可替代@@。虽然在@@过去的@@@@20年@@中@@@@，在@@云@@计算@@@@和@@物联网@@@@的@@推动下@@@@，数据@@中@@心@@已经获得了长足的@@进步@@，但是@@面对@@AI这个@@算力消耗惊人的@@@@“怪兽@@”，人们必须提前有所准备@@，以@@更强大的@@数据@@中@@心@@去满足其@@“胃口@@”所需@@。

打造新一代的@@数据@@中@@心@@@@，需要有多维度的@@技术@@考量@@，比@@如@@更高性能的@@计算@@架构@@@@、更大容量@@的@@高速存储@@@@、更大功率的@@配电系统@@@@、更高效的@@冷却技术@@@@、更智能@@的@@运维管理@@……不过@@，其中@@@@有一个@@非常重要的@@课题无@@法回避@@，那就是更高速和@@高密度的@@连接@@解决方案@@@@@@。

图@@1：AI快速@@推动新一代数据@@中@@心@@发展@@（图@@源@@：Molex）

新一代数据@@中@@心@@的@@连接@@技术@@@@

其实一直以@@来@@，连接@@技术@@的@@进步都绑定着数据@@中@@心@@的@@发展一路狂奔@@。根据@@@@以@@往的@@经验和@@近期的@@观察@@，我们会发现数据@@中@@心@@连接@@技术@@的@@下一步演进将@@聚焦在@@两个@@方面@@。

1. 高速率@@

一个@@方面@@，自然是对于@@更高数据@@传输速率的@@追求@@，这也是数据@@中@@心@@升级之路上@@的@@核@@心技术@@指标@@。

根据@@@@中@@国信通院的@@研究报告@@，针对大规模云@@计算@@@@数据@@中@@心@@和@@高性能计算@@应用@@场景@@，业界自@@2018年@@就已经开始推出和@@部署@@400G交换机@@，2022年@@起@@400G架构@@将@@逐渐成为@@@@数据@@中@@心@@的@@主流@@，而@@紧接着从@@@@2023年@@开始@@，800G方案@@也将@@步入快速@@发展期@@。而@@且@@@@我们有理由@@相信@@，生成式@@AI的@@这把火会加速技术@@升级的@@整体进程@@。

为@@了满足数据@@链路吞吐量的@@需求@@，数据@@中@@心@@连接@@方案@@也在@@同步加速@@。以@@高速@@IO连接@@器@@为@@例@@，目前@@单通道@@@@@@56Gbps PAM-4速率的@@产品已经成熟@@，112Gbps PAM-4技术@@的@@商用@@渗透率也在@@快速@@提升@@，而@@且@@@@像@@Molex这样@@的@@连接@@器@@头部厂商对于@@@@224 Gbps-PAM4解决方案@@@@的@@开发也已起步@@，以@@确保@@向@@@@800G聚合带@@宽@@或@@更高性能的@@技术@@节点快速@@演进@@。

2. 新架构@@@@

除了高速率@@@@，新一代数据@@中@@心@@连接@@技术@@升级中@@需要考虑的@@另一个@@方面@@@@，就是适应新架构@@@@的@@要求@@@@。

大家知道@@@@，随着数据@@中@@心@@应用@@场景的@@增多和@@日趋复杂@@，数据@@中@@心@@构建中@@不但要考虑综合@@性能的@@提升@@，还需要从@@不同方向@@@@、针对不同场景来优化方案@@@@，满足更加细分市场的@@需求@@，这就对数据@@中@@心@@整体架构@@设计提出了挑战@@。

为@@此@@，2011年@@由@@@@Facebook联合@@Intel、Rackspace、高盛和@@@@Arista Networks等@@公司发起了@@@@OCP开放计算@@项目@@@@(Open Compute Project)，旨在@@通过@@开放开源硬件技术@@@@，实现@@可扩展的@@计算@@@@，提升数据@@中@@心@@硬件设计的@@效率@@。此项目@@获得了积极响应@@，全球@@数百家企业@@、数以@@万计的@@参与者正在@@围绕冷却环境@@@@、服务器@@、网@@络@@、存储@@、硬件管理@@、机架与电源@@、AI、边缘计算@@等@@项目@@展开卓有成效的@@工作@@，构建开放@@、可扩展的@@数据@@中@@心@@架构@@@@。根据@@@@IDC的@@预测@@，OCP基础设施的@@市场规模从@@@@2019年@@到@@@@2024年@@将@@保持@@16.6%的@@年@@复合增长@@率@@，并达到@@@@@@338亿美元@@，届时@@OCP标准@@的@@@@服务器@@占比@@也将@@从@@@@2020年@@的@@@@18%提升至@@@@24%。

OCP这类新一代数据@@中@@心@@标准@@@@，对于@@相关@@连接@@技术@@的@@影响也是显而@@易见的@@@@。以@@数据@@库机架和@@电源设计为@@例@@，为@@了进一步提升部署密度和@@能效@@，OCP发起了@@Open Rack项目@@，这也是在@@@@OCP社区中@@最具有影响力的@@标准@@项目@@之一@@。随着市场和@@技术@@的@@发展@@，原有被广泛采用@@的@@@@Open Rack2.0标准@@已经达到@@@@了物理极限@@，难以@@适应@@AI等@@新兴应用@@的@@@@需求@@@@，向@@Open Rack3.0（ORV3）迈进已经是大势所趋@@。据@@悉@@，ORV3将@@支持@@@@48V供电@@、水冷散热@@，并将@@高度从@@@@41OU增加到@@@@44OU，同时@@调整了内部结构@@，以@@适应新的@@业务需求@@。随着标准@@的@@@@演进@@，连接@@技术@@也必须与其保持同步@@，以@@提供@@更强大的@@连接@@性@@、更高的@@可靠性和@@更灵活性@@，让数据@@中@@心@@架构@@升级之旅更顺畅@@。

由@@此可见@@@@，数据@@中@@心@@已经成为@@@@当今连接@@技术@@发展的@@重要推手@@，而@@连接@@技术@@也只有遵循@@数据@@中@@心@@的@@发展趋势@@，找到@@自身的@@发展之@@“道@@”，才能跟上@@技术@@和@@市场的@@脚步@@。

在@@探索高速数据@@中@@心@@的@@连接@@之@@“道@@”上@@，Molex颇有心得@@，也很有建树@@，这些年@@一直在@@跟随着数据@@中@@心@@技术@@升级的@@步伐推出丰富的@@产品和@@创新的@@解决方案@@@@@@@@，帮助客户应对复杂的@@@@，或@@者是前瞻性的@@数据@@中@@心@@设计挑战@@。

突破高速@@IO接口的@@极限@@

在@@支持@@更高的@@数据@@传输速率方面@@，考验连接@@器@@厂商实力的@@一个@@代表性的@@产品就是高速可插拔@@@@IO连接@@器@@。在@@小型封装@@ (SFF) 委员会的@@多源协议@@ (MSA) 推动下@@，高速可插拔@@IO系统@@一直沿着高速和@@高密度的@@方向@@快速@@演进@@，为@@数据@@中@@心@@等@@高性能计算@@应用@@提供@@有力的@@支持@@@@。

在@@MSA的@@系列@@标准@@中@@@@，能够@@同时@@将@@高速和@@高密度特性发挥得淋漓尽致的@@要算是@@QSFP-DD标准@@了@@。QSFP-DD互连系统@@与前一代@@QSFP外@@形规格@@相同@@，但是@@通道@@@@数量从@@@@4个@@增加到@@@@@@8个@@，连接@@的@@面板密度提升了一倍@@@@，总共包括@@256个@@差分线对和@@@@32个@@端口@@，换言之其在@@相同的@@外@@形规格@@内可提供@@双通道@@@@连接@@密度@@。因此@@QSFP-DD互连系统@@的@@@@8通道@@@@电气接口基于@@@@28G NRZ、56G PAM-4和@@112G PAM-4的@@单通道@@@@传输速率@@，聚合速率可高达@@@@200Gbps、400Gbps或@@800Gbps，且@@向@@后兼容@@QSFP标准@@。

Molex的@@QSFP-DD互连系统@@和@@电缆组件@@@@就是按照这一标准@@而@@打造的@@高速可插拔@@@@IO解决方案@@@@，其支持@@@@28Gbps NRZ和@@56Gbps PAM-4，能够@@满足或@@超出当前@@@@200G以@@太网@@@@和@@@@InfiniBand 100G (EDR) 应用@@的@@@@需求@@，也支持@@传统@@10Gbps以@@太网@@@@、14Gbps (FDR) InfiniBand和@@16Gbps光纤信道@@应用@@@@，而@@且@@@@其电缆组件@@符合@@@@IEEE 802.3bj、InfiniBand EDR和@@SAS 3.0规格@@，适用于多种下一代技术@@和@@应用@@@@。

同时@@，其接合设计采用@@窄边@@、耦合盲插@@、成形触点的@@构型和@@嵌件成型方案@@@@，可以@@提供@@出色的@@信号完整性@@ (SI) 性能以@@及@@极低的@@插入损耗@@ (IL)。坚固耐用的@@不锈钢外@@壳@@，也有助于实现@@更好@@EMI防护和@@抵御外@@力的@@冲击@@。加上@@@@QSFP-DD标准@@固有的@@向@@后兼容性@@，Molex的@@QSFP-DD互连系统@@和@@电缆组件@@@@可以@@为@@数据@@中@@心@@向@@更高性能和@@更新架构@@@@的@@迭代提供@@理想的@@解决方案@@@@@@@@。

图@@2：Molex QSFP-DD互连系统@@和@@电缆组件@@@@（图@@源@@：Molex）

支持@@无@@缝的@@背板互连性能升级@@

在@@高性能的@@数据@@中@@心@@中@@@@，背板互连是至@@关重要的@@一环@@，相关@@的@@背板连接@@器@@不但要能够@@满足更高的@@传输速率@@、提供@@更高的@@连接@@密度@@，也要尽可能减少插入损耗并实现@@更好的@@信号完整性@@，还要考虑到@@系统@@设计的@@灵活性@@和@@可扩展性@@。

Molex的@@Impel背板连接@@器@@系统@@@@，就是这样@@一种具有出色的@@信号完整性@@、高连接@@密度@@，数据@@速率高达@@40Gbps的@@解决方案@@@@@@（Impel Plus支持@@的@@速率可达@@56Gbps）。同时@@，由@@于@@具有@@向@@后和@@向@@前的@@兼容性@@，Impel背板连接@@器@@也可以@@为@@整个@@系统@@的@@扩展和@@升级提供@@便利@@。

当然@@，上@@面的@@介绍只是勾勒出了@@Impel背板连接@@器@@的@@一个@@概貌@@，实际上@@为@@了达到@@@@这样@@特性@@，实现@@高速高质量的@@数据@@传输@@，Impel背板连接@@器@@进行了一系列@@的@@优化设计@@。

采用@@交错式排针@@-引脚接口@@，提供@@出色的@@信号完整性和@@机械隔离@@，避免插接时造成针脚弯曲@@。

90欧姆标称阻抗@@，以@@减少阻抗不连续性@@。

提供@@多种引脚间距选项@@，为@@PCB设计人员带@@来信号走线四路布线@@（每层两对@@）的@@灵活性@@，从@@而@@减少@@PCB层数@@。

接地尾部对准器@@，可改善接地返回路径@@，尽可能减少阻抗不连续性@@，减少串扰@@。

增强的@@@@0.36mm金属化孔直径@@，满足制造@@宽高比@@@@，同时@@改进电气性能@@。

无@@时滞设计@@，无@@需在@@@@PCB布线上@@补偿连接@@器@@时滞@@。

两种引脚兼容连接@@选择@@，每个@@正交节点有@@18至@@72个@@差分对@@，为@@客户提供@@更大的@@设计灵活性@@，并提升机械和@@电气性能@@。

符合@@IEEE 10GBASE-KR和@@OIF Stat Eye的@@通道@@@@性能@@，提供@@了端到@@端的@@通道@@@@性能@@相容性@@。

可提供@@定制电缆组件@@@@，提供@@完整的@@通道@@@@解决方案@@@@@@，满足应用@@规格@@的@@设计灵活性@@。

综上@@所述@@，紧凑的@@@@Impel背板互连系统@@@@，为@@数据@@中@@心@@背板连接@@迁移到@@@@40Gbps或@@更高速率@@提供@@了可靠而@@灵活的@@解决方案@@@@@@@@，而@@无@@需完全重新设计其架构@@或@@更换原有的@@硬件@@，有助于实现@@无@@缝的@@数据@@中@@心@@性能升级@@。

图@@3：Molex的@@Impel背板连接@@器@@系统@@@@（图@@源@@：Molex）

满足新一代配电架构@@设计要求@@@@

在@@数据@@中@@心@@中@@@@，安全可靠的@@电力@@供应对于@@实现@@高效的@@运营至@@关重要@@，这就需要灵活而@@可靠的@@配电网@@络@@提供@@支持@@@@，而@@母线和@@母线连接@@器@@是构成数据@@中@@心@@配电网@@络@@的@@支柱@@。

Molex的@@PowerPlane母线电源连接@@器@@和@@电缆组件@@就能够@@满足这样@@的@@设计要求@@@@。这些电源连接@@器@@和@@电缆组件@@可以@@提供@@高电流性能以@@及@@各种配置和@@功能选项@@，具有更高的@@可靠性和@@增强的@@@@性能@@@@，非常适合数据@@中@@心@@中@@的@@各种配电应用@@@@。

特别值得一提的@@是@@，PowerPlane电缆组件@@还符合@@新的@@@@OCP ORV3标准@@，可满足下一代数据@@中@@心@@更高效@@、更灵活的@@配电架构@@的@@需求@@。

图@@4：符合@@ORV3标准@@的@@@@PowerPlane电缆组件@@（图@@源@@：Molex）

从@@具体的@@产品特性来看@@@@，PowerPlane电缆组件@@在@@提升性能@@、可靠性和@@易用性上@@有不少可圈可点之处@@。

在@@垂直和@@水平方向@@上@@均支持@@@@±3.00m浮动@@，可充分补偿插配时的@@错位@@@@，方便易用@@。

提供@@可选的@@集成@@机箱接地触点@@，无@@需单独辅助接地连接@@@@，可简化系统@@设计@@。

可靠的@@焊接@@端子可支持@@与各种线束的@@端接@@，其还可提供@@低压降@@，以@@实现@@出色的@@电气性能@@。

符合@@ORV3 IT的@@电缆组件@@两侧均设有可选的@@检测触点@@，支持@@控制器热插拔@@，实现@@系统@@保护@@。

可见@@，符合@@OCP ORV3标准@@的@@@@PowerPlane电缆组件@@已经为@@满足新一代数据@@中@@心@@配电架构@@设计要求@@做足了功课@@。

图@@5：PowerPlane电缆组件@@的@@主要特性@@（图@@源@@：Molex）

本文小结@@

AI技术@@的@@发展及@@其在@@各个@@领域日益广泛的@@应用@@@@，正在@@改变我们对于@@数据@@处理和@@使用@@的@@@@方式@@，也使得@@数据@@中@@心@@的@@发展迎来了一个@@新的@@拐点@@。选择和@@应用@@创新的@@连接@@解决方案@@@@@@，是我们能否跟上@@这一轮技术@@进步的@@节奏@@，享用下一波市场红利的@@关键@@。

好消息是@@，Molex以@@先进的@@产品和@@完整的@@解决方案@@@@@@@@，已经为@@我们铺设好了一条通往新一代数据@@中@@心@@的@@连接@@之@@@@“道@@”。想要先人一步抵达终点@@，这条捷径你一定不要错过@@！

本文转载自@@：贸泽电子@@@@微信公众号@@@@

相机@@和@@@@AI：工业@@机器视觉@@@@技术@@加速发展的@@双引擎@@

judy — Mon, 21 Aug 2023 02:37:13 +0000

机器视觉@@@@（MV）是一种使机器人@@和@@自动驾驶@@汽车@@等@@其他机器能够@@看@@到@@和@@识别周围环境@@中@@物体的@@技术@@@@。在@@过去几年@@里@@，机器视觉@@@@的@@进步使得@@许多机器人@@和@@自动驾驶@@汽车@@拥有@@了几乎与人类相似的@@感知水平@@。这个@@过程主要是通过@@将@@@@光学传感器@@与人工智能@@@@和@@可以@@分析和@@处理图@@像@@数据@@的@@机器学习@@工具进行配对@@，此时搭载了机器视觉@@@@系统@@的@@机器人@@和@@自动驾驶@@汽车@@就能够@@执行@@非常复杂的@@任务了@@。

眼睛和@@大脑@@：机器视觉@@@@和@@@@计算@@机视觉@@@@的@@主要区别@@

很多时候@@，机器视觉@@@@会与计算@@机视觉@@@@一词混为@@一谈@@。然而@@@@，事实上@@@@二者还是有区别的@@@@。对机器视觉@@@@而@@言@@，它通常@@与具备计算@@机视觉@@@@能力@@的@@工业@@应用@@联系在@@一起@@，需要摄像头来捕捉和@@提供@@图@@像@@数据@@@@。计算@@机视觉@@@@的@@任务则是将@@@@已有的@@图@@像@@@@数字化@@，处理其中@@@@包含的@@数据@@并采取某种行动@@。

一般来讲@@，机器视觉@@@@系统@@的@@处理能力@@相对较小@@，主要用于精益制造@@环境@@@@，通过@@高速执行实际任务以@@获取完成指定作业所需@@的@@数据@@@@。计算@@机视觉@@@@系统@@是处理视觉@@数据@@的@@人工智能@@@@@@（AI）和@@机器学习@@@@（ML）算法@@的@@所在@@@@，它需要收集尽可能多的@@关于@@物体或@@场景的@@数据@@并充分理解它们@@。因此@@，计算@@机视觉@@@@既要能够@@分析来自运动检测器@@、红外@@传感器@@等@@来源@@的@@图@@像@@@@@@，又可以@@在@@没有相机@@的@@情况下执行任务@@，扫描数字网@@络@@照片或@@视频@@@@，处理来自任何来源@@@@（包括互联网@@@@）的@@图@@像@@@@。从@@本质上@@讲@@，机器视觉@@@@就是系统@@的@@眼睛@@，而@@计算@@机视觉@@@@则相当于@@系统@@的@@大脑@@。

相机@@：机器视觉@@@@系统@@中@@的@@重要组件@@

机器视觉@@@@是一项看@@似简单但实际上@@相当复杂的@@技术@@@@。首先@@，它需要使用@@专门的@@光学器件来捕捉周围环境@@中@@的@@视觉@@信息@@。然后@@，再借助硬件和@@软件@@的@@组合对图@@像@@的@@某些特征进行处理@@、分析和@@测量@@。例如@@，作为@@制造@@系统@@的@@一部分的@@机器视觉@@@@应用@@程序可以@@用于分析在@@装配线上@@制造@@的@@零件的@@特定特性@@，确定零件是否符合@@质量标准@@@@。

在@@实际应用@@中@@@@，机器视觉@@@@常常被看@@作是计算@@机的@@一种视觉@@能力@@@@，其系统@@由@@一个@@或@@多个@@光学传感器@@@@（如高分辨率相机@@@@）、模数转换@@（ADC）和@@数字信号处理@@（DSP）等@@器件组成@@。相机@@和@@@@传感器@@用于收集感光形式的@@图@@像@@@@@@，并将@@其转化为@@电信号@@，所产生的@@电信号经数字化处理后被传输到@@计算@@机进行分析并提供@@所需@@的@@输出@@。在@@技术@@复杂性上@@@@，机器视觉@@@@与@@语音识别@@相似@@。

目前@@，用于制造@@业的@@机器视觉@@@@主要采用@@两种类型的@@相机@@@@，即@@：面阵扫描相机@@和@@@@线阵扫描相机@@@@。

面阵扫描相机@@使用@@矩形传感器@@在@@单个@@帧中@@拍摄照片@@，传感器@@中@@的@@像素数量对应于图@@像@@的@@宽度和@@高度@@。线阵扫描相机@@是逐个@@像素地构建图@@像@@@@，它们适用于拍摄运动中@@或@@尺寸不规则的@@物品@@的@@图@@像@@@@@@。在@@拍摄照片时@@，传感器@@在@@物体上@@以@@线性运动通过@@@@，因此@@，线阵扫描相机@@不像面阵扫描相机@@那样局限于特定的@@分辨率@@。

相机@@的@@灵敏度和@@分辨率是机器视觉@@@@系统@@的@@两个@@重要参数@@，其中@@@@，分辨率负责区分物体@@，而@@灵敏度是机器在@@光线昏暗或@@波长不可见@@的@@情况下检测物体或@@微弱脉冲的@@能力@@@@@@。一般来说@@，分辨率越大@@，视野就越有限@@。灵敏度和@@分辨率是相互依存的@@@@，如果其他因素不变@@，增加灵敏度就会降低分辨率@@，而@@增加分辨率则会降低灵敏度@@。面阵相机@@的@@分辨率和@@扫描频率一般均低于线阵相机@@@@。

许多机器视觉@@@@相机@@的@@分辨率超过@@4,500万像素@@，这些相机@@能以@@极高的@@速度拍摄物体而@@不会失真@@。推动机器视觉@@@@功能的@@另一个@@进步是基于@@事件的@@视觉@@传感器@@@@。这些传感器@@处理图@@像@@的@@方式与人眼的@@视神经处理信息的@@方式类似@@。更具体地说@@，这些基于@@事件的@@视觉@@传感器@@检测每个@@像素的@@亮度变化@@。这种能力@@使机器视觉@@@@能够@@在@@比@@传统的@@基于@@帧的@@视觉@@传感器@@暗得多的@@环境@@中@@使用@@@@。

Sony Spresense的@@ISX012是一款有效像素达到@@@@@@511万像素@@的@@图@@像@@@@传感器@@@@，相机@@板@@在@@@@Spreseense的@@主板上@@使用@@了这款结构紧凑@@、高分辨率的@@传感器@@来扩展主板的@@功能@@。板载编码器可以@@采集@@JPEG、RAW、Y/C或@@RGB格式的@@图@@片@@。相机@@板@@通过@@专用的@@并行接口直接连接@@到@@主板@@，当与@@主板上@@@@CXD5602微控制器的@@@@AI功能相结合@@@@时@@，可为@@物联网@@@@设备提供@@先进的@@视觉@@功能@@。

图@@1：可提供@@先进的@@视觉@@功能的@@@@Sony Spresense相机@@板@@（图@@源@@：Mouser）

当然@@，出于应用@@成本的@@考虑@@，机器视觉@@@@系统@@不是越复杂越好@@，而@@应选择适合的@@@@。一维@@（1D）视觉@@、二维@@（2D）视觉@@以@@及@@三维@@（3D）视觉@@这三种类型是常用的@@@@、面向@@@@不同任务的@@机器视觉@@@@系统@@@@。

1D视觉@@

1D视觉@@不会一次@@性完成整个@@物体图@@像@@的@@分析@@@@，而@@是一次@@读取一行@@，通常@@采用@@线阵扫描相机@@@@，这种类型的@@机器视觉@@@@常常用在@@制造@@过程中@@的@@产品检测@@，比@@如@@用来发现传送带@@上@@产品中@@的@@缺陷@@；

2D视觉@@

2D视觉@@主要使用@@数码相机@@收集图@@像@@数据@@@@，通过@@比@@较一幅图@@像@@与下一幅图@@像@@的@@变化来确定下一步应采取的@@处理措施@@，这种类型的@@机器视觉@@@@通常@@用于物体跟踪以@@及@@产品的@@类型验证等@@@@；

3D视觉@@

3D视觉@@通常@@在@@不同位@@置使用@@多个@@数码相机@@和@@@@其他传感器@@来捕捉物体的@@数字模型或@@图@@像@@@@，从@@而@@对其位@@置@@、大小和@@特征进行准确的@@评估@@，因此@@，3D机器视觉@@@@非常适合帮助机器人@@导航周围环境@@并执行与订单相关@@的@@任务@@。

随着不同垂直行业对质量检测和@@自动化的@@需求不断增加@@，3D机器视觉@@@@市场将@@以@@高于@@行业平均水平的@@速度实现@@快速@@增长@@@@。Grand View Research的@@分析@@数据@@表明@@，2022年@@，全球@@3D机器视觉@@@@市场规模为@@@@58.1亿美元@@，预计@@2023年@@至@@@@2030年@@的@@@@复合年@@增长@@@@率@@@@（CAGR）将@@达到@@@@@@13.5%。

ams OSRAM公司的@@@@Mira220全局快门图@@像@@传感器@@@@是一款体积小巧@@、专为@@工业@@机器视觉@@@@应用@@而@@设计的@@@@2D和@@3D解决方案@@@@，有效分辨率为@@@@1,600（H）x 1,400（V），帧速率可高达@@@@90fps，深度为@@@@12位@@。Mira220采用@@的@@先进背面照明@@（BSI）技术@@将@@传感器@@层堆叠在@@@@数字@@/读出层的@@顶部@@，这种设计产生了占位@@面积仅为@@@@5.3毫米@@×5.3毫米@@的@@芯片@@级封装@@，特别适合空间受限产品的@@设计@@。

Mira220的@@功耗@@非常低@@，在@@睡眠模式下仅需@@4mW，在@@空闲模式下功耗@@@@40mW，而@@在@@@@90fps的@@全分辨率下也仅仅需要@@350mW。此外@@@@，Mira220传感器@@还可以@@利用@@@@MIPI CSI-2接口方便地与处理器@@和@@@@FPGA进行交互@@。

图@@2：专为@@工业@@机器视觉@@@@应用@@而@@设计的@@@@ams OSRAM的@@Mira220全局快门图@@像@@传感器@@@@（图@@源@@：ams OSRAM）

工业@@：机器视觉@@@@应用@@的@@@@主战场@@

机器人@@之所以@@能与人类做同样的@@工作@@，主要归功于机器视觉@@@@@@。机器人@@手臂用它来检查从@@装配线上@@下来的@@零件和@@产品@@，确定哪些符合@@质量标准@@@@。此外@@@@，机器视觉@@@@还使机器人@@和@@人类之间的@@协作更加高效和@@安全@@。现在@@@@，机器视觉@@@@已经成为@@@@工业@@@@4.0过程自动化的@@关键技术@@@@，其中@@@@汽车@@@@、制药@@、包装@@、食品和@@饮料等@@垂直行业是使用@@机器人@@系统@@比@@较突出的@@领域@@。

据@@Grand View Research的@@分析@@，2022年@@，全球@@机器视觉@@@@市场规模为@@@@@@168.9亿美元@@，预计@@2023年@@至@@@@2030年@@将@@以@@@@12.3%的@@复合年@@增长@@@@率@@（CAGR）增长@@，到@@2030年@@，市场规模将@@达到@@@@@@@@416亿美元@@。按照产品划分@@，机器视觉@@@@产品可细分为@@基于@@@@PC的@@和@@基于@@智能@@摄像头的@@系统@@@@。2022年@@，基于@@PC的@@细分市场在@@全球@@的@@市场份额超过@@54.92%，接下来的@@几年@@里预计@@这一趋势仍将@@得到@@延续@@。

与机构或@@教育应用@@中@@使用@@的@@@@机器视觉@@@@系统@@相比@@@@，工业@@机器视觉@@@@系统@@通常@@更耐用@@，并要求@@较高的@@可靠性@@、稳定性和@@准确性@@，而@@它们的@@成本则比@@在@@军事@@、航空航天@@、国防和@@政府应用@@中@@使用@@的@@@@系统@@要低很多@@。这也是近些年@@机器视觉@@@@在@@工业@@领域日益普及@@的@@重要原因@@。

在@@工业@@应用@@中@@@@，机器视觉@@@@常常被用于执行各种任务@@，下面我们就列举一些@@：

1. 电子@@188足彩外@@围@@app 的@@识别和@@分析@@。对元器件的@@准确识别及@@跟踪是整个@@制造@@或@@物流过程控制的@@重要环节@@。例如@@，将@@机器视觉@@@@用于电路板的@@焊接@@过程监控@@，除了完成焊接@@质量检查@@，还能同步检查元器件的@@放置是否正确@@。

2. 印刷缺陷识别@@。印刷缺陷识别@@的@@目的@@是定位@@印刷异常@@，如不正确的@@色调或@@印刷品的@@缺失或@@有缺陷的@@部分@@，机器视觉@@@@的@@应用@@大幅降低了人为@@因素可能出现的@@错误@@。

3. 材料检查@@。材料检测系统@@中@@的@@机器视觉@@@@功能确保@@了产品的@@质量控制@@@@，它能准确识别产品中@@的@@缺陷甚至@@污染物@@。例如@@，可将@@机器视觉@@@@系统@@用于药丸和@@片剂的@@过程监控@@。

4. 物体定位@@@@。在@@机器人@@制导等@@应用@@中@@@@，机器视觉@@@@通常@@被用来寻找东西@@，其目的@@是确定目标物体的@@坐标和@@位@@置@@。这也是机器视觉@@@@普遍的@@应用@@之一@@。

5. 模式识别@@。机器视觉@@@@在@@当今的@@医学诊断方面发挥了重要作用@@。医学成像分析使用@@基于@@机器视觉@@@@的@@模式识别@@@@、磁共振成像@@、血液扫描和@@大脑扫描等@@技术@@可对疾病进行准确的@@诊断@@。

6. 物体识别@@。在@@汽车@@行业@@，自动驾驶@@汽车@@使用@@机器视觉@@@@系统@@中@@的@@摄像头拍摄的@@图@@像@@@@进行物体识别@@@@，得以@@准确地分析出道@@路上@@的@@障碍物类型@@。随着自动驾驶@@技术@@的@@不断演进@@，这一领域将@@成为@@@@机器视觉@@@@极具发展前景的@@应用@@之一@@。

人工智能@@@@：工业@@机器视觉@@@@技术@@发展的@@加速器@@

现代机器视觉@@@@系统@@开始越来越多地使用@@人工智能@@@@@@（AI）方法与技术@@@@，如机器学习@@或@@深度学习@@@@，以@@及@@人工神经网@@络@@@@。AI能够@@处理大量以@@前难以@@收集的@@图@@像@@@@和@@数据@@信息@@，加快了决策@@过程@@。例如@@，签名和@@字符识别@@，有了人工智能@@@@的@@加持@@，机器视觉@@@@系统@@可以@@快速@@甄别其中@@@@的@@细微差别@@。

在@@制造@@业中@@@@，AI有助于物体识别@@和@@材料检查@@@@，使机器视觉@@@@系统@@能够@@理解物体或@@材料形状@@和@@纹理的@@变化@@。在@@质量保证方面@@，AI系统@@可以@@分析出现的@@异常现象@@，而@@不是单纯地检出和@@拒绝不符合@@规范@@的@@产品@@。机器视觉@@@@与@@AI和@@深度学习@@相结合@@@@@@，扩大了机器人@@在@@执行生产线任务中@@的@@作用@@，如挑选@@、分拣@@、放置和@@执行生产线扫描@@。这种技术@@组合还使机器人@@能够@@在@@其他环境@@中@@运行@@@@，如超市@@、医院和@@餐馆等@@@@。基于@@AI的@@机器视觉@@@@还可以@@在@@更广泛的@@背景和@@照明设置中@@识别缺陷@@，并灵活应对产品外@@观和@@缺陷类型的@@变化@@，例如@@凹痕或@@变色@@。

深度学习@@是人工智能@@@@中@@一个@@更复杂@@、更强大的@@子集@@，在@@机器视觉@@@@应用@@中@@也越来越多地被采用@@@@。在@@人工智能@@@@@@的@@支持@@下@@，机器视觉@@@@系统@@常常被用来执行复杂的@@任务@@，比@@如@@质量控制@@、装配控制@@、过程控制和@@机器人@@操控等@@@@。在@@过去几年@@里@@，将@@人工智能@@@@融入机器视觉@@@@应用@@是工业@@机器视觉@@@@技术@@发展的@@主要加速器@@。在@@“未来的@@@@工厂@@”中@@，机器视觉@@@@和@@@@AI技术@@将@@是过程自动化和@@提高效率的@@关键组成部分@@。

机器视觉@@@@与@@AI的@@技术@@进步离不开芯片@@组的@@支持@@@@。新一代嵌入式@@芯片@@的@@功能更强大@@，成本合理@@，适用于处理图@@像@@和@@运行@@基于@@@@AI的@@机器视觉@@@@算法@@@@，可将@@深度学习@@训练@@时间从@@数周减少到@@数小时@@@@。

NXP的@@i.MX 95系列@@应用@@处理器@@将@@@@eIQ Neutron神经处理单元@@（NPU）、Arm Mali沉浸式@@3D图@@形@@处理@@、异构安全分区和@@网@@络@@功能组合在@@一起@@，可实现@@机器学习@@和@@先进的@@边缘应用@@@@。此外@@@@，i.MX95还集成@@了@@@@NXP的@@图@@像@@@@信号处理器@@@@（ISP），支持@@多种不同的@@图@@像@@@@传感器@@@@，从@@而@@实现@@工业@@@@、机器人@@、医疗和@@汽车@@等@@领域广泛的@@视觉@@应用@@@@。为@@此@@，NXP专门针对机器视觉@@@@应用@@对这个@@@@ISP进行了优化@@，能支持@@两个@@目标区域@@、两个@@曝光的@@@@HDR合成@@、先进降噪和@@边缘@@增强@@，支持@@彩色@@、单色和@@@@RGB-IR摄像头传感器@@@@。

在@@i.MX95 SoC中@@，主要通过@@集成@@的@@@@eIQ Neutron NPU实现@@机器视觉@@@@@@，在@@这里@@，NPU作为@@视觉@@处理通路的@@一部分@@，连通多个@@摄像头传感器@@@@和@@网@@络@@连接@@的@@智能@@摄像头@@。

图@@3：NXP i.MX95系统@@框图@@@@（图@@源@@：NXP）

本文小结@@

工业@@机器视觉@@@@是使用@@相机@@@@、镜头和@@照明设备对制成品进行自动视觉@@检查@@。这是一种实时检测部件的@@方法@@，既快速@@又准确@@，它可以@@对高速生产线上@@的@@每一件产品进行拍摄和@@分析@@，通过@@复杂的@@算法@@来检查和@@评估在@@工业@@环境@@中@@获取的@@图@@像@@@@@@，确保@@100%的@@质量控制@@。它还可以@@自动化许多工业@@检查@@，包括缺陷和@@问题的@@目视检查@@、产品存在@@与否检查@@、产品类型验证@@、测量和@@产品代码读取等@@@@。今天@@，工业@@自动化正在@@以@@惊人的@@速度发展@@，机器视觉@@@@技术@@在@@其发展和@@扩张中@@发挥着至@@关重要的@@作用@@。

在@@刚刚过去几年@@里@@，融入了人工智能@@@@的@@机器视觉@@@@技术@@帮助许多机器人@@和@@自动驾驶@@汽车@@实现@@了几乎与人类相似的@@感知水平@@。通过@@使用@@大量先进的@@光学传感器@@@@，如高分辨率相机@@@@，这些机器人@@和@@汽车@@最终能够@@以@@自己的@@方式拥有@@@@“看@@”的@@能力@@@@。多种技术@@的@@融合@@和@@飞速发展使得@@新应用@@的@@@@潜力显著增加@@，这意味着未来的@@@@机器视觉@@@@技术@@将@@与更多的@@行业相关@@@@，所创建的@@解决方案@@@@@@也将@@更加通用@@和@@智能@@@@。

本文转载自@@：贸泽电子@@@@微信公众号@@@@

如何在@@传感器@@模块@@最小@@化同时@@保证更高的@@电源效率@@@@？

judy — Wed, 16 Aug 2023 03:27:06 +0000

随着系统@@变得越来越以@@数据@@为@@中@@心@@，工业@@、物联网@@@@、家庭医疗可穿戴式@@、健身和@@健康方面的@@监控器正在@@经历爆炸性增长@@@@。这些以@@数据@@为@@中@@心的@@系统@@对更多功能和@@更低功耗@@的@@需求不断增加@@。该趋势由@@智能@@系统@@驱动@@，这些系统@@会主动监视一个@@人或@@环境@@@@，并做出预测性的@@响应@@，包括告警@@、动作或@@推荐的@@操作@@。响应的@@好坏取决于所提供@@的@@数据@@@@，这些系统@@需要通过@@单个@@传感器@@或@@无@@线传感器@@网@@络@@收集大量高精度数据@@的@@原因正在@@于此@@。

传感器@@应用@@设计工程师@@面临的@@挑战是需要占板面积最小@@化的@@传感器@@模块@@@@，同时@@保持高精度并延长电池@@寿命@@。为@@了解决这个@@挑战@@，有两种应对思维@@：一是最大化元器件和@@系统@@操作的@@能效@@ 比@@，一是投资研发新型低功耗@@架构@@@@。第一种方法致力于开发依靠电池@@工作更长时间并提供@@更高响应度和@@精度的@@系统@@@@，有望帮助设计人员在@@短期内实现@@其目标@@。

图@@1. 当前@@AI系统@@使用@@的@@@@设计如上@@面的@@传感器@@框图@@所示@@。

上@@面的@@图@@@@1显示了传感器@@应用@@的@@@@典型框图@@@@。解决方案@@@@的@@四个@@基本模块@@是系统@@电源@@@@、传感器@@、传感器@@信号放大和@@信号处理@@。选择合适的@@器件对于@@最大化传感器@@模块@@的@@电池@@寿命至@@关重要@@。下面我们仔细研究每个@@模块@@@@，看@@看@@可以@@做些什么来提高电源效率@@并提供@@更精确的@@测量@@。

传感器@@选择@@

第一个@@考虑是传感器@@@@。当今传感器@@模块@@中@@使用@@的@@@@传感器@@主要有两种类型@@：单端传感器@@和@@差分传感器@@@@。单端传感器@@包括用于血糖检测的@@电化学传感器@@@@、气体传感器@@和@@可穿戴医疗传感器@@@@。差分传感器@@通常@@使用@@仪器放大器@@@@，应用@@包括工业@@压力或@@力传感器@@@@、工业@@温度传感器@@@@、医疗应用@@中@@的@@线内空气@@(air-inline)和@@阻塞传感器@@等@@@@。这些在@@医用胰岛素泵和@@线内空气探测器中@@很常见@@。

更常见的@@传感器@@类型是电化学传感器@@@@。这些是低功耗@@传感器@@@@，包括血糖传感器@@@@，数以@@百万计的@@糖尿病患者使用@@这种传感器@@控制其血糖水平@@。其他应用@@包括气体传感器@@@@（例如@@二氧化碳@@(CO2) 传感器@@）、水质@@（电导率@@、pH值等@@@@）传感器@@、用于机油降解的@@酒精传感器@@以@@及@@检测爆炸物的@@传感器@@@@。

电化学传感器@@的@@大多数应用@@是便携式和@@电池@@供电@@应用@@@@。虽然家庭@@CO2传感器@@一般可正常使用@@五到@@七年@@@@，但大约每六个@@月@@至@@一年@@便可能需要更换新电池@@@@。为@@了延长电池@@寿命@@，制造@@商@@使用@@最新的@@低功耗@@器件@@，这些器件从@@电池@@消耗的@@电流@@量极小@@。

接下来我们仔细研究一种具体类型的@@电化学传感器@@@@——乙醇传感器@@@@，并了解其工作原理@@。

乙醇传感器@@@@工作原理@@

图@@1中@@使用@@的@@@@乙醇传感器@@@@是一个@@安培法气体传感器@@@@，其产生的@@电流@@与气体的@@体积分数成正比@@@@。它是一种三电极@@器件@@，乙醇在@@工作@@（或@@检测@@）电极@@(WE)上@@测量@@。对电极@@@@(CE)使电路完整@@，而@@参考电极@@@@(RE)在@@电解质中@@提供@@稳定的@@电化学电位@@@@，它不接触乙醇@@。对于@@SPEC传感器@@，将@@+600mV偏置电压施加于@@RE。

很多电化学传感器@@需要固定的@@偏置才能正常工作@@，这给电池@@寿命带@@来了额外@@的@@负担@@。现在@@@@我们考虑系统@@的@@电源要求@@@@@@。

电源要求@@@@

系统@@的@@功率预算及@@其电池@@容量@@最终决定了传感器@@的@@工作寿命@@。小尺寸电池@@供电@@解决方案@@@@的@@典型目标是使用@@单节@@@@1.5V电池@@。使用@@单节@@电池@@会降低容量@@@@，从@@而@@影响传感器@@的@@工作寿命@@。那么@@，可以@@采取什么措施来优化单节@@电池@@的@@工作寿命@@？

当充满电时@@，即@@在@@其寿命开始时@@，单节@@电池@@为@@@@1.5V。此电压随着时间推移而@@逐渐下降@@，在@@寿命结束时为@@@@0.9V。为@@了最大程度地延长单节@@电池@@的@@寿命@@，应用@@必须在@@@@0.9V至@@1.5V之间运行@@@@，才能获得最长的@@应用@@工作时间@@。由@@于@@其他系统@@器件以@@@@1.8V运行@@，因此@@必须选择一个@@@@DC-DC升压转换器@@，它应能最大程度地提高工作和@@待机电流效率@@，并能在@@@@0.9V至@@1.5V范围内运行@@@@。

拥有@@95%的@@高效率不是高效电源转换的@@唯一考虑因素@@。升压调节器还必须能够@@在@@宽电流范围内高效工作@@，从@@而@@降低静态电流@@ (IQ)和@@工作过程中@@的@@热量耗散@@。应用@@大部分时间处于待机模式@@，因此@@升压转换器@@在@@轻载待机状态下必须具有高效率@@，以@@延长电池@@寿命@@。关断特性通过@@关闭部分电路将@@电流消耗降至@@@@nA级范围@@，这也能大幅降低功耗@@@@。

信号链解决方案@@@@@@

传感器@@产生的@@输出信号通常@@很微弱@@，只有几@@uV，而@@模数转换@@器需要@@V级的@@信号@@。因此@@，选择低功耗@@@@、高精度放大器@@是设计中@@第二重要的@@考虑因素@@。

低功耗@@放大器@@有两个@@重要方面@@——电流消耗和@@工作电压@@，因为@@许多传感器@@需要偏置电流以@@维持精度@@。这要求@@应用@@的@@@@传感器@@部分开启以@@保持准确的@@读数@@。此外@@@@，0.9V至@@1.5V的@@低工作电压支持@@单节@@电池@@供电@@@@，无@@需升压转换器@@@@。

通常@@，选择低功耗@@@@放大器@@的@@缺点是精度较低@@。但是@@，存在@@一些低功耗@@放大器@@@@，即@@使在@@低工作电流和@@电压下@@，它们也能保持很高的@@精度水平@@。精密@@放大器@@的@@一些特性包括@@：亚微伏@@(µV)输入失调电压@@、nV/°C级的@@电压漂移以@@及@@@@pA级的@@输入偏置电流@@。

低功耗@@微控制器与集成@@@@ADC相结合@@@@，可提供@@一种低功耗@@传感器@@解决方案@@@@@@，它能在@@最大化电池@@寿命的@@同时@@使应用@@保持小尺寸@@。

乙醇传感器@@@@解决方案@@@@的@@测量@@

除了器件级别的@@改进之外@@@@，还可以@@优化系统@@架构@@@@，在@@相同的@@精密@@测量水平下实现@@更低的@@功耗@@@@。为@@了证明这一点@@，我们将@@提供@@使用@@相似器件的@@乙醇传感器@@@@解决方案@@@@的@@两次@@实验测量@@，以@@及@@未来传感器@@解决方案@@@@的@@一次@@理论测量@@，后者显示出了节省电能的@@优点@@。

该实验使用@@下面列出的@@器件@@，对于@@乙醇电化学传感器@@测量@@，这些器件具有相同的@@占空比@@@@。

SPEC电化学乙醇传感器@@@@@@

MAX40108 1V精密@@运算放大器@@@@@@/1.8V运算放大器@@@@

MAX17220 0.4-5.5V nanoPower同步升压转换器@@@@，提供@@True Shutdown™

MAX6018A 1.8V精密@@、低压差基准电压源@@

MAX32660 1.8V超低功耗@@@@Arm® Cortex®-M4处理器@@

单节@@1.5V AA电池@@

图@@2. 上@@图@@所示为@@传统的@@@@1.8V传感器@@系统@@解决方案@@@@@@。

1.8V系统@@解决方案@@@@使用@@单节@@电池@@供电@@@@，利用@@高效的@@升压转换器@@为@@乙醇传感器@@@@@@、运算放大器@@@@和@@带@@@@ADC的@@微处理器@@提供@@@@1.8V系统@@电源@@。0.1%活动的@@占空比@@由@@微控制器控制@@，微控制器唤醒后进行测量@@，然后@@又回到@@睡眠模式@@。

待机模式下的@@传感器@@利用@@升压转换器@@维持睡眠模式下传感器@@@@、运算放大器@@@@和@@微控制器的@@@@电源@@。在@@待机状态下@@，该系统@@消耗@@150.8µA的@@电流@@。在@@活动状态期间@@，微控制器唤醒并进行传感器@@测量@@。在@@活动状态下@@，该系统@@短时间消耗@@14mA。活动状态仅占@@0.1%的@@时间@@，经计算@@可知@@，活动和@@待机模式合并的@@平均电流为@@@@ 164µA，这是实际传感器@@应用@@的@@@@典型值@@。

1V放大器@@系统@@@@

图@@3. 上@@图@@所示为@@新一代@@1V放大器@@传感器@@解决方案@@@@@@。

在@@1V放大器@@解决方案@@@@中@@@@，SPEC乙醇传感器@@@@和@@@@MAX40108 1V运算放大器@@@@均直接连接@@到@@电池@@@@。这需要一个@@能以@@低至@@@@0.9V的@@电压工作@@、保持高精度水平并最大化单节@@电池@@使用@@寿命的@@放大器@@@@。

其余电路与为@@微控制器供电@@并支持@@@@1.8V电路的@@升压调节器类似@@。在@@这种配置中@@@@，电流大幅减少到@@@@81.9µA，降幅为@@@@45%；平均电流减少到@@@@95.7µ A，降幅为@@@@41.79%。结果@@，使用@@MAX40108 1V运算放大器@@@@的@@系统@@的@@电池@@寿命几乎是传统系统@@的@@两倍@@@@。

未来的@@@@1V信号链系统@@@@

图@@4. 上@@面的@@框图@@显示了未来的@@@@@@1V传感器@@系统@@解决方案@@@@@@。

在@@这个@@未来的@@@@@@1V信号链解决方案@@@@@@中@@@@，放大器@@、ADC和@@微控制器均以@@低至@@@@0.9V的@@电压工作@@，同时@@保持高精度水平@@。这使得@@整个@@信号链解决方案@@@@@@都可以@@由@@单节@@电池@@供电@@@@，从@@而@@无@@需升压转换器@@@@@@，传感器@@解决方案@@@@的@@电池@@寿命得以@@最大化@@。

结论@@

人们对更智能@@@@AI系统@@的@@需求在@@增长@@@@，因此@@对具有额外@@功能@@、更高精度和@@更长寿命的@@传感器@@的@@需求也随之增长@@@@。传感器@@必须提供@@小尺寸解决方案@@@@@@，既可以@@由@@人佩戴@@，也可以@@联网@@@@，从@@而@@确定一个@@人@@、生产车间@@、建筑物或@@城市的@@健康状况@@，使系统@@能够@@积极主动响应@@，而@@不是被动应对@@。更进一步@@，对于@@那些受益于新一代系统@@的@@人而@@言@@，主动响应可改善健康状况@@、降低成本@@、提高生产率并增强安全性@@。

在@@赋能@@AI系统@@的@@传感器@@网@@络@@中@@@@，创新正在@@许多不同的@@层面上@@发生@@。尤其是@@IC制造@@商@@，它们正在@@开发更低功耗@@的@@传感器@@构建模块@@@@，以@@帮助今天@@的@@工程师@@为@@明天创建更智慧@@、更高效的@@系统@@@@。

本文转载自@@：亚德诺半导体微信公众号@@@@

Elliptic Labs 与新的@@手机客户签署合同@@，将@@应用@@@@AI虚拟智能@@传感平台@@@@

judy — Tue, 11 Jul 2023 02:22:49 +0000

全球@@AI软件@@公司@@、 AI Virtual Smart Sensors™的@@世界领导者@@Elliptic Labs (OSE: ELABS)推出的@@技术@@目前@@已在@@超过@@5亿台设备上@@部署@@，日前@@，该公司宣布又一家新的@@智能@@手机@@制造@@商@@成为@@@@公司客户@@。这家新的@@智能@@手机@@客户将@@在@@未来的@@@@手机设计中@@使用@@@@Elliptic Labs的@@ AI Virtual Proximity Sensor™ INNER BEAUTY®作为@@其接近检测解决方案@@@@@@。

Elliptic Labs的@@首席执行官@@Laila Danielsen表示@@：“Elliptic Labs在@@人工智能@@@@@@、超声波和@@传感器@@融合方面的@@技术@@领先地位@@正在@@帮助我们赢得更多智能@@手机@@制造@@商@@的@@支持@@@@。我们很激动能看@@到@@自己@@100%基于@@软件@@的@@@@AI虚拟智能@@传感器@@平台@@能够@@实现@@我们为@@市场提供@@更环保@@、更安全@@、更便捷的@@设备的@@使命@@。”

AI Virtual Proximity Sensor INNER BEAUTY（AI 虚拟接近传感器@@@@@@）
Elliptic Labs的@@AI Virtual Proximity Sensor可在@@用户将@@智能@@手机@@举到@@耳边接听电话时@@，关闭智能@@手机@@的@@显示@@，并禁用屏幕的@@触摸功能@@。如果没有这种检测距离的@@能力@@@@@@，用户的@@耳朵或@@脸颊可能会在@@通话过程中@@意外@@触发不必要的@@动作@@，比@@如@@挂断电话或@@在@@通话中@@误拨号@@。自动关闭屏幕也有助于节省电池@@寿命@@。接近检测是当今市场上@@所有智能@@手机@@的@@核@@心功能@@。

Elliptic Labs的@@AI Virtual Proximity Sensor可以@@在@@不需要专用硬件传感器@@的@@情况下实现@@稳定的@@接近检测功能@@。通过@@将@@@@硬件传感器@@替换为@@软件@@传感器@@@@，AI Virtual Proximity Sensor不仅可以@@降低设备成本@@，还可去除采购上@@的@@风险@@。

关于@@Elliptic
Elliptic Labs是一家面向@@@@智能@@手机@@@@, 笔记本电脑@@, 物联网@@@@和@@汽车@@市场的@@国际企业@@。公司成立于@@2006年@@, 衍生自挪威奥斯陆大学@@ (Oslo University) 的@@一家分支研究机构@@。公司的@@@@AI专利软件@@结合@@了超声波和@@传感器@@融合算法@@@@, 提供@@直观的@@@@3D无@@接触手势交互@@, 接近感应和@@存在@@检测功能@@。其可扩展的@@@@AI虚拟智能@@传感器@@交互平台@@创造了可持续性的@@@@, 生态友好的@@纯软件@@传感器@@@@, 并已有上@@几亿台设备搭载其技术@@@@。 Elliptic Labs是市场上@@唯一一家使用@@@@AI软件@@, 超声波和@@传感器@@融合进行大规模检测的@@软件@@公司@@@@。 2022年@@3月@@, 该公司在@@奥斯陆证券交易所@@ (Oslo Børs) 主板上@@市@@。

易飞扬@@推出首款@@800G有源铜缆@@产品@@——800G QSFP-DD ACC

judy — Mon, 22 May 2023 08:25:04 +0000

高速铜缆@@产品在@@成本@@、功耗@@、传输时延@@、故障率等@@方面具有天然优势@@，而@@有源铜缆@@@@ACC（Active Copper Cable）进一步扩展了无@@源铜缆@@产品的@@传输距离@@。易飞扬@@即@@日推出首款@@800G有源铜缆@@产品@@——800G QSFP-DD ACC，助力高速数据@@中@@心@@及@@@@AI高算力应用@@@@。

易飞扬@@发布的@@@@800G QSFP-DD ACC遵循@@QSFP-DD800 MSA及@@IEEE802.3ck规范@@，采用@@16对铜缆@@支持@@@@8通道@@@@112GB/s速率的@@双向@@传输并实现@@速率向@@下兼容@@，在@@800G QSFP-DD PCC最大支持@@@@2m传输距离上@@延伸到@@@@4m，可满足一般短距互连布线需求@@，该产品特性如下@@：

在@@44GHZ网@@分具有优异的@@@@SI表现及@@良好的@@一致性@@；

在@@800G网@@络@@测试@@仪上@@并开启@@KP4-FEC，测试@@符合@@@@IEEE Auto-Negotiation and Link Training要求@@，Post-FEC BER<1E-15且@@FEC margin优于@@27%，全过程@@FEC Frame Loss Ratio为@@0；
产品采用@@@@Re-Driver方案@@，典型功耗@@约@@2.5W，时延小于@@20ns，均衡及@@信噪比@@平衡至@@关重要@@，在@@功耗@@及@@时延上@@远优于@@@@Re-Timer方案@@；
采用@@创新制作工艺@@@@，可靠性良好@@，800G QSFP-DD ACC 26AWG 4m仅重@@600g左右@@。

当前@@易飞扬@@已全面开放@@200G/400G/800G QSFP-DD系列@@ACC产品送样@@，并计划@@在@@下半年@@全面推出@@OSFP系列@@无@@源及@@有源系列@@铜缆@@产品@@，敬请期待和@@垂询@@！

关于@@易飞扬@@@@

作为@@开放光网@@络@@器件的@@向@@导@@，易飞扬@@（GIGALIGHT）集有源和@@无@@源光器件以@@及@@子系统@@@@的@@设计@@、制造@@和@@销售于一体@@，产品主要是光模块@@@@、硅光模块@@@@、液冷模块@@@@、光无@@源器件@@、有源光缆和@@直连铜缆@@@@、相干光通信模块@@与@@OPEN DCI BOX子系统@@@@。易飞扬@@重点服务数据@@中@@心@@@@、5G承载网@@@@、城域波分传输@@、超高清广播视讯等@@应用@@领域@@，是一家创新设计的@@高速光互连硬件解决方案@@@@商@@。

《人工智能@@@@（AI）芯片@@技术@@及@@市场@@-2023版@@》

judy — Tue, 09 May 2023 07:04:58 +0000

作者@@：麦姆斯咨询殷飞@@，来源@@： MEMS微信公众号@@

据@@麦姆斯咨询介绍@@，全球@@人工智能@@@@@@（AI）芯片@@市场规模到@@@@2033年@@预计@@将@@增长@@至@@@@2576亿美元@@，届时@@最大的@@三个@@垂直行业将@@包括信息技术@@@@（IT）和@@电信业@@，银行@@、金融及@@保险业@@（BFSI），以@@及@@消费电子@@@@行业@@。AI正在@@改变我们的@@世界@@，从@@2016年@@DeepMind成功战胜围棋世界冠军李世石@@，到@@OpenAI ChatGPT强大的@@预测@@能力@@@@，AI训练@@算法@@的@@复杂性正在@@以@@惊人的@@速度发展@@，运行@@新开发训练@@算法@@所需@@要的@@计算@@量大约每四个@@月@@就要翻一番@@。为@@了跟上@@这一增长@@步伐@@，AI应用@@的@@@@硬件不仅需要具有可扩展性@@（随着新算法@@的@@引入能够@@延长使用@@寿命@@，同时@@保持较低的@@运行@@成本@@），而@@且@@@@还需要能够@@在@@终端用户边缘处理越来越复杂的@@模型@@。另外@@@@，还需要一种双管齐下的@@方法@@（即@@在@@云@@端和@@边缘@@处理@@AI），以@@全面实现@@高效的@@物联网@@@@@@（IoT）应用@@。

AI芯片@@应用@@@@

英国@@知名研究公司@@IDTechEx在@@这份最新发布的@@研究报告中@@@@，对全球@@@@AI芯片@@技术@@格局和@@市场趋势提供@@了独到@@的@@深入见解@@。该报告全面分析了@@19家主要的@@@@AI芯片@@公司@@，并介绍了@@10家初创设计公司以@@及@@全球@@最著名的@@半导体制造@@商@@@@。本报告包括了对@@AI技术@@创新和@@市场动态的@@详细评估@@。市场分析和@@预测侧重于总营收@@，并按地理位@@置@@（欧洲@@、亚太和@@北美@@）、处理类型@@（边缘和@@云@@@@）、芯片@@架构@@@@（GPU、CPU、ASIC和@@FPGA）、封装类型@@（片上@@系统@@@@、多芯片@@模块@@和@@@@2.5D+）、应用@@（语言@@、计算@@机视觉@@@@、预测和@@其它@@）以@@及@@垂直行业@@（工业@@、医疗保健@@、汽车@@、零售@@、媒体和@@广告@@、BFSI、消费电子@@@@、IT和@@电信等@@@@）提供@@了细分预测@@。

AI芯片@@价值链@@

此外@@@@，本报告包含了与@@AI应用@@90 nm至@@3 nm节点芯片@@相关@@的@@设计@@、制造@@、组装@@、封装测试@@以@@及@@运行@@相关@@成本的@@精细核@@算@@。随着半导体制造@@商@@转向@@@@3 nm以@@下的@@更先进节点@@，报告对相关@@的@@设计成本和@@制造@@成本进行了预测@@。IDTechEx基于@@在@@半导体和@@电子@@行业积累的@@专业知识@@，对通过@@关键厂商访谈收集的@@重要数据@@进行了客观分析@@。

智能@@硬件持续增长@@@@

通过@@硬件设计以@@实现@@某种功能@@，特别是@@通过@@将@@@@某些类型的@@计算@@从@@主处理器@@上@@剥离来加速这些计算@@@@，并不是一个@@全新的@@概念@@。早期中@@央处理单元@@（CPU）与数学协处理器@@配对@@，称为@@浮点单元@@（FPU），其目的@@是将@@@@复杂的@@浮点数学运算从@@@@CPU卸载到@@这种专用芯片@@上@@@@，因为@@后者可以@@以@@更有效的@@方式处理这类计算@@@@，从@@而@@解放@@CPU专注于其它任务@@。随着市场和@@技术@@的@@发展@@，工作负载也在@@发展@@，因此@@需要新的@@硬件来处理这些工作负载@@。其中@@@@特别值得关注的@@例子便是计算@@机图@@形@@的@@生成和@@处理@@，所探讨的@@加速器已经成为@@@@家喻户晓的@@名称@@：图@@形@@处理@@单元@@（GPU）。

正如计算@@机图@@形@@需要不同类型的@@芯片@@架构@@@@一样@@，机器学习@@（ML）的@@出现也带@@来了对另一种加速器的@@需求@@，以@@高效地处理机器学习@@的@@工作负载@@。本报告详细介绍了@@CPU、GPU和@@现场可编程门阵列@@（FPGA）架构@@之间的@@差异@@，以@@及@@它们在@@处理机器学习@@工作负载方面的@@相对有效性@@。专用集成@@电路@@（ASIC）可以@@通过@@设计来处理特定的@@工作负载@@，本报告分析了多家世界领先的@@@@AI ASIC架构@@。对能够@@处理机器学习@@工作负载的@@芯片@@需求@@，只有当消费者真正从@@中@@获益的@@情况下才会迎来爆发@@（例如@@，消费电子@@@@产品的@@功能增强@@，安全摄像头更准确的@@图@@像@@@@分类和@@物体检测@@，自动驾驶@@汽车@@的@@低延迟@@、高精度推演等@@@@），这些应用@@有望推动@@AI芯片@@市场在@@@@2023年@@~2033年@@实现@@@@24.4%的@@复合年@@增长@@@@率@@（CAGR）。

2023年@@~2033年@@三类主要@@AI芯片@@复合年@@增长@@@@率预测@@

全球@@聚焦@@AI

AI在@@自然语言@@处理@@@@、语音识别@@、智能@@推送@@、强化学习@@、对象检测@@、图@@像@@分类等@@应用@@中@@的@@作用@@，对很多产品功效以@@及@@国家治理模型都非常重要@@。因此@@，AI硬件和@@软件@@的@@开发推动了全球@@范围内的@@投资计划@@@@。由@@于@@具有@@AI能力@@的@@处理器@@和@@加速器需要依赖半导体制造@@商@@@@，因此@@，目前@@AI芯片@@的@@制造@@能力@@@@取决于少数几家半导体制造@@商@@的@@供应能力@@@@（对于@@边缘设备@@，没有必要使用@@最先进的@@工艺@@节点@@技术@@@@，因为@@这些芯片@@通常@@用于低功耗@@推演@@。然而@@@@，事实是全球@@供应链仍然严重依赖特定地区@@）。

2020年@@，对特定地区半导体制造@@公司的@@@@依赖风险开始凸显@@，当时多种因素@@（如新冠疫情@@、数据@@挖掘的@@兴起@@、台湾干旱@@、制造@@设施火灾以@@及@@原材料采购困难等@@@@）的@@叠加导致@@全球@@芯片@@短缺@@，半导体芯片@@供不应求@@。自那以@@后@@，半导体价值链中@@最大的@@利益相关@@方@@（美国@@、欧盟@@、韩国@@、中@@国台湾@@、日本@@和@@中@@国大陆@@）一直在@@寻求降低供应链风险@@，以@@防出现下一波更加严重的@@芯片@@短缺@@。各个@@国家和@@地区政府都已采取了积极的@@举措@@，激励半导体制造@@公司扩大业务或@@建设新工厂@@。本报告讨论了这些政府举措@@，详细说明了相关@@的@@投资计划@@@@、原因以@@及@@对其他利益相关@@者的@@意义@@（例如@@美国@@对中@@国施加的@@限制@@，以@@及@@中@@国如何围绕这些限制建立国家半导体供应链@@）。此外@@@@，报告还概述了自@@2021年@@以@@来宣布的@@半导体制造@@私人投资@@，以@@及@@当前@@厂商的@@半导体@@（特别是@@AI相关@@）制造@@能力@@@@。

2021年@@以@@来主要厂商公布的@@半导体制造@@投资@@

AI发展成本@@

机器学习@@是计算@@程序利用@@数据@@根据@@@@模型进行预测@@，然后@@通过@@调整所使用@@的@@@@权重来优化模型@@，使其更好地与所提供@@的@@数据@@相匹配@@。因此@@，其计算@@包括两个@@步骤@@：训练@@和@@推理@@@@。实现@@AI算法@@的@@第一阶段是训练@@@@，在@@训练@@阶段@@，数据@@被输入到@@模型中@@@@，模型调整其权重@@，直到@@它与所提供@@的@@数据@@适当匹配@@。第二阶段是推理@@@@，在@@推理@@阶段执行经过训练@@的@@@@AI算法@@，并对新数据@@以@@与获取的@@数据@@一致的@@方式进行分类@@。在@@这两个@@阶段中@@@@，训练@@阶段的@@计算@@量更大@@，因为@@这个@@阶段需要执行无@@数次@@相同的@@计算@@@@。这就提出了一个@@问题@@：训练@@AI算法@@需要多少成本@@？

为@@了尽可能准确量化@@，IDTechEx严格计算@@了从@@@@90 nm到@@3 nm工艺@@节点@@AI芯片@@的@@设计@@、制造@@、组装@@、测试@@、封装以@@及@@运行@@成本@@。具有给定晶体管密度的@@@@3 nm芯片@@的@@面积小于具有相同晶体管密度的@@成熟节点芯片@@@@，可以@@比@@较针对给定@@AI算法@@部署先进节点芯片@@和@@具有类似性能成熟节点芯片@@的@@成本@@。例如@@，根据@@@@IDTechEx使用@@的@@@@3 nm芯片@@模型@@，具有给定面积和@@晶体管密度的@@@@3 nm芯片@@连续使用@@@@5年@@所产生的@@成本@@，在@@相同条件下将@@比@@具有相同晶体管密度的@@@@90 nm芯片@@低@@45.4倍@@。这包括各芯片@@的@@初始生产成本@@，然后@@可以@@用来确定是否值得从@@成熟的@@节点芯片@@升级到@@更先进的@@节点芯片@@@@，具体取决于芯片@@的@@服役时间@@。

基于@@IDTechEx面向@@@@AI应用@@的@@@@3 nm芯片@@模型@@，不同工艺@@节点@@芯片@@@@5年@@期生产和@@运行@@成本的@@评估@@

市场发展及@@路线图@@@@

IDTechEx的@@全球@@@@AI芯片@@市场模型考量了架构@@趋势@@、封装发展@@、资金@@/投资的@@分散@@/集中@@@@、历史@@财务数据@@以@@及@@本地化的@@生态系统@@@@，以@@准确反映未来十年@@不断演变的@@市场价值@@。

歌尔微@@首款智能@@声学传感器@@@@@@：助力离线语音@@AI时代@@

judy — Fri, 17 Mar 2023 07:25:44 +0000

智能@@语音技术@@是人工智能@@@@应用@@最广泛的@@技术@@之一@@，在@@众多的@@人工智能@@@@产品中@@应用@@@@，此技术@@可以@@减少设备操作的@@学习成本@@，让智能@@设备听懂人类的@@自然语言@@从@@而@@更便捷地满足用户的@@需求@@。

智能@@声学传感器@@@@方案@@是一种边缘计算@@的@@解决方案@@@@@@@@，可以@@解决传统云@@计算@@@@模式下存在@@的@@高延迟@@、受限于网@@络@@稳定性等@@问题@@，将@@语音处理程序放置在@@靠近用户和@@语音数据@@收集点的@@位@@置@@，通过@@本地化语音处理@@，实现@@离线语音唤醒及@@控制@@。由@@于@@无@@需联网@@@@，语音处理和@@反馈的@@时间@@较短@@，因此@@语音交互时客户感觉不到@@明显的@@延迟@@，用户体验较好@@。

歌尔微@@作为@@@@MEMS声学传感器@@行业龙头企业@@，深耕@@MEMS声学传感器@@新技术@@研究@@，在@@智能@@声学传感器@@@@技术@@方面取得突破@@，研发出了集成@@@@AI语音芯片@@@@的@@智能@@声学传感器@@@@产品@@。该产品是在@@传统@@MEMS声学传感器@@基础上@@引入@@AI语音芯片@@@@，将@@语音信号采集部分和@@语音信号处理单元集成@@在@@一起的@@新型声学传感器@@@@，借助于语音芯片@@@@强大的@@信号处理能力@@@@，在@@器件本体实现@@语音唤醒@@、语音识别@@、事件检测等@@自主功能@@。该方案@@为@@应用@@系统@@提供@@一种灵活的@@低功耗@@集成@@化语音解决方案@@@@@@。

歌尔微@@为@@客户推出的@@智能@@声学传感器@@@@优点十分突出@@。其采用@@优化的@@专用@@AI语音处理芯片@@@@，达到@@@@超低的@@运行@@功耗@@@@，其支持@@@@数字信号输出的@@智能@@声学传感器@@@@的@@总体监听功耗@@小于@@0.5mW，达到@@@@与传统数字式@@MEMS声学传感器@@相当@@。同时@@，通过@@叠片式集成@@封装技术@@@@，将@@AI语音处理芯片@@@@封装进了声学传感器@@的@@内部@@，实现@@了小尺寸的@@效果@@，其集成@@尺寸可以@@达到@@@@与传统@@MEMS声学传感器@@相当@@。MEMS声学传感器@@收集到@@的@@音频@@信号无@@需向@@外@@部网@@络@@传递@@，直接在@@器件本体内@@AI语音处理芯片@@@@中@@进行信号处理@@，该本地化的@@处理方式使语音交互的@@延迟降低到@@@@0.5s之内@@，大大提升了用户体验@@。

其采用@@了@@@@AI语料训练@@的@@技术@@@@，语音命令的@@识别率高@@。

语音交互是人与人之间最自然的@@交互方式@@，其使用@@的@@@@门槛低@@，几乎不需要额外@@学习@@，也不需要设置额外@@的@@遥控器@@，可以@@解放双手进行远距离@@、无@@接触式的@@控制@@，这在@@设备的@@控制应用@@上@@具有天然的@@优势@@。尤其在@@全球@@疫情的@@背景之下@@，非接触式的@@控制更是一种较为@@安全选择@@。在@@智能@@设备的@@语音唤醒或@@命令的@@应用@@中@@@@，命令词可根据@@@@客户的@@需求进行训练@@@@，识别率可达到@@@@@@95%及@@以@@上@@@@，误识别指标可达到@@@@@@≤2次@@/24H。可以@@广泛适用于灯具@@、空调@@、风扇等@@智能@@家电设备@@，TWS、智能@@手表@@、VR/AR等@@穿戴设备@@，以@@及@@其它需要长时间@@、低功耗@@待机等@@待唤醒或@@命令的@@设备@@。

除了实现@@语音唤醒@@、语音命令之外@@@@，智能@@声学传感器@@@@还可以@@通过@@语料的@@训练@@实现@@多种声音事件的@@探测@@。比@@如@@，可识别婴儿啼哭的@@声音@@、玻璃破碎的@@声音@@、特定呼救的@@声音@@、警笛报警的@@声音@@、以@@及@@其它具有特征的@@声音@@。在@@此模式下@@，智能@@声学传感器@@@@可以@@很简单地让用户的@@设备具备儿童看@@护@@、危险事件警报@@、声音防盗@@、治安监控等@@智能@@功能@@。

人形机器人@@@@：“通吃@@”工业@@、商业和@@家用场景@@@@？

judy — Fri, 24 Feb 2023 02:44:36 +0000

本文转载自@@：贸泽电子@@@@

在@@2021年@@特斯拉的@@首个@@@@AI Day活动上@@@@，马斯克@@（Elon Musk）首次@@公开他关于@@人形机器人@@@@@@（Humanoid Robort）Tesla Bot的@@构想时@@，很多人也许@@认为@@这只是个@@玩笑@@——他让一位@@舞者扮成机器人@@在@@台上@@跳舞@@，并表示@@这将@@是@@2022年@@特斯拉最重要的@@产品@@。

一年@@后的@@第二个@@特斯拉@@AI Day，特斯拉的@@双足类人机器人@@@@ Optimus（擎天柱@@）的@@原型机正式登场@@。 “擎天柱@@”首度自主登台向@@人群挥手@@，特斯拉还现场展示了其搬运箱子@@、为@@植物浇水在@@汽车@@工厂中@@移动金属棒的@@视频@@@@。

图@@源@@：特斯拉官网@@@@

马斯克@@强调@@，擎天柱@@是第一个@@没有外@@部稳定辅助@@、没有遥控@@、没有外@@带@@电源@@，完全靠@@AI算法@@、自身电池@@电控@@，以@@及@@高集成@@的@@电驱执行器驱动的@@人形机器人@@@@@@。

这些年@@来@@，“工程师@@”马斯克@@种草了很多@@“技术@@单品@@”——从@@电动汽车@@@@、自动驾驶@@到@@脑机接口@@，从@@地球到@@火星@@……而@@过去一两年@@来@@，他则力推人形机器人@@@@@@。马斯克@@想让人形机器人@@@@在@@汽车@@生产线上@@工作@@。

作为@@当前@@全球@@自动化程度最高的@@@@行业@@，汽车@@工厂内的@@自动化进程早在@@半个@@世纪@@前就开始了@@，而@@特斯拉的@@汽车@@生产线是目前@@全世界最先进@@、自动化程度最高的@@@@。不过@@一直以@@来@@，汽车@@的@@生产车间@@里@@，往往都是一个@@个@@庞大笨重的@@大型工业@@机器人@@@@，并且@@为@@了保障安全@@，这些机器人@@与人类员工相互隔离@@。至@@今尚无@@人形机器人@@@@应用@@在@@汽车@@工厂里@@。

目前@@人类正处在@@一个@@由@@信息时代@@向@@人工智能@@@@时代@@进阶的@@过渡期@@，如果说智能@@手机@@的@@消费普及@@加速了信息时代@@的@@黄金发展@@，那么@@下一个@@引领人类从@@信息时代@@进阶到@@智能@@时代@@的@@科技硬件赛道@@或@@者现象级别大品类将@@会是什么@@？

人形机器人@@@@会是其中@@@@之一吗@@？

“擎天柱@@”背后的@@@@AI黑科技@@

特斯拉团队表示@@@@，擎天柱@@的@@设计基于@@人体@@，希望其行为@@方式和@@人的@@行为@@尽可能接近@@。

根据@@@@公布的@@参数@@，“擎天柱@@”身高@@172CM，体重@@57公斤@@，行动速度最高可达@@5.8英里每小时@@@@（约合@@9.33公里@@/小时@@），最多可提@@45磅重@@（约合@@20.41Kg）的@@物品@@。马斯克@@称这是他们@@ 2022 年@@最重要的@@产品开发项目@@@@，甚至@@可能比@@汽车@@业务更重要@@。而@@按照马斯克@@的@@说法@@，具备智能@@驾驶功能的@@汽车@@正像是一种@@“有轮子的@@半智能@@机器人@@@@”。

据@@介绍@@，特斯拉最先进的@@@@ AI 技术@@运用其中@@@@@@，擎天柱@@的@@头部配备了与特斯拉汽车@@相同的@@智能@@驾驶摄像头@@，算力支持@@由@@其@@FSD（Full Self-driving，自动驾驶@@）芯片@@提供@@@@，与汽车@@共用@@ AI 系统@@，利用@@Dojo超级计算@@机的@@训练@@机制去提升机器人@@的@@功能@@。

Dojo图@@源@@：特斯拉官网@@@@

特斯拉在@@@@AI日上@@表示@@@@，计划@@2023年@@之前@@在@@美国@@加州的@@@@PaloAlto建造第一台@@Dojo ExaPod——利用@@特斯拉自研计算@@芯片@@@@D1打造的@@超级计算@@机集群@@。据@@介绍@@，Dojo由@@D1芯片@@集成@@@@，25块@@D1集成@@为@@一个@@计算@@模块@@@@@@。一个@@计算@@模块@@@@，相当于@@6个@@通用@@@@GPU的@@性能@@，而@@成本和@@能耗仅相当于@@@@1个@@GPU。据@@此前公开报道@@@@，D1芯片@@由@@台积电代工@@，采用@@7nm工艺@@，拥有@@500亿个@@晶体管@@。特斯拉称@@，Dojo ExaPod预计@@将@@成为@@@@世界上@@最强大的@@超级计算@@机之一@@，将@@大幅提升计算@@效率@@，可望将@@花费数月@@的@@工作缩减至@@一周@@。

此外@@@@，还有一些汽车@@的@@技术@@也运用到@@了擎天柱@@上@@@@，例如@@电池@@组@@、冷却系统@@等@@@@，还使用@@与汽车@@测试@@类似的@@技术@@来进行擎天柱@@的@@运动和@@对外@@部碰撞的@@模拟@@。

特斯拉还展示了@@“擎天柱@@”人形机器人@@@@研发过程的@@不同版@@本@@，包括准备投产的@@擎天柱@@机器人@@版@@本@@——包含一个@@@@2.3千瓦时的@@电池@@组@@，在@@特斯拉@@SoC上@@运行@@并支持@@@@Wi-Fi和@@LTE连接@@。马斯克@@表示@@@@，他们的@@目标是@@“尽快制造@@出对人类有用的@@人形机器人@@@@@@”，工程师@@正在@@努力降低擎天柱@@机器人@@的@@功耗@@和@@零件数量@@。马斯克@@还透露@@，擎天柱@@未来的@@@@产量可以@@达到@@@@数百万台@@，预计@@价格不到@@@@2万美元@@（约合@@人民币@@14.23万元@@），比@@汽车@@便宜@@。

入局人形机器人@@@@背后@@：曾深陷@@“自动化陷阱@@”

马斯克@@萌生入局人形机器人@@@@领域的@@念头或@@许要追溯到@@@@2018年@@。当时特斯拉的@@新款电动车@@Model 3销售火爆@@，但是@@特斯拉工厂却因为@@过度自动化而@@深陷@@“产能地狱@@”。

众所周知@@，生产一辆汽车@@@@，需要经过冲压@@、焊接@@、喷漆@@、总装以@@及@@质检等@@一系列@@环节@@。其中@@@@，整个@@汽车@@行在@@前三个@@环节的@@自动化程度都较高@@，而@@在@@@@总装和@@质检环节@@@@，传统汽车@@厂商一般采取人工操作@@。马斯克@@则想在@@后面两个@@环节也用机器人@@替代人@@工@@，他希望打造一座全线自动化的@@工厂@@。但实际情况却事与愿违@@，在@@总装和@@质检环节@@，相比@@人工的@@灵活性@@@@，机器的@@执行性和@@准确性很难把控@@，就连最简单的@@拧紧螺丝动作@@，机器人@@的@@工作效率也远低于人类@@。

马斯克@@2018年@@在@@接受@@CBS的@@一次@@采访中@@承认@@，“特斯拉过度自动化是个@@错误@@，人类被低估了@@。”他举了个@@例子@@，他们试图@@用一种@@“绒毛机器人@@@@”来将@@绒毛材质的@@玻璃纤维垫放到@@@@Model 3电池@@组顶部进行粘合@@。这对于@@普通人来说操作起来不在@@话下@@，但机器总是问题百出@@，或@@是没能拾起垫子@@，或@@是把垫子放错位@@置@@，导致@@这条生产线常常崩溃@@。

也许@@，正是从@@那个@@时候@@，马斯克@@萌生了要让机器人@@像人类一样完成特定任务的@@想法@@。而@@要实现@@这一目标@@，在@@他看@@来@@，自然是通过@@人工智能@@@@@@（AI）技术@@。据@@悉@@，特斯拉得克萨斯州工厂甚至@@已经制定雄心勃勃的@@计划@@@@，准备在@@工厂中@@部署数千台@@“擎天柱@@”人形机器人@@@@。该公司还计划@@最终将@@机器人@@部署到@@全球@@各地的@@特斯拉工厂@@，规模将@@达数百万台@@。

如今@@，汽车@@行业不仅涉及@@重复@@、快速@@、大批量的@@生产@@，汽车@@消费者转而@@期望定制化产品@@。对于@@已经高度自动化的@@汽车@@生产工厂来说@@，如何进一步提升的@@智能@@化水平的@@方向@@@@，或@@许就是一条更灵活@@、更柔性的@@生产线@@。那么@@人形机器人@@@@未来或@@许有望在@@工厂里大展身手@@，成为@@@@智能@@制造@@应用@@中@@的@@重要一环@@。

而@@在@@@@全球@@自动化程度最高的@@@@汽车@@生产线上@@@@，巨大的@@重型工业@@机器人@@往往是车间内的@@主角@@，至@@今为@@止@@，尚未有人形机器人@@@@在@@汽车@@生产线上@@工作的@@案例@@。而@@在@@@@复杂的@@离散型场景@@中@@@@，人们需要机器人@@替代人@@工完成更精确@@、更繁琐的@@重复性劳动@@，安全的@@人机协作成为@@@@必然趋势@@。

从@@工业@@@@3.0的@@全面自动化@@，工业@@4.0的@@智能@@制造@@@@，再到@@未来的@@@@@@工业@@5.0时代@@，重新引入人性化元素将@@是未来生产车间@@革命的@@重要方向@@之一@@。这基于@@一个@@重要的@@认知@@转变@@——机器人@@和@@人类必须作为@@合作者@@而@@不是竞争对手@@。一个@@显性的@@标志将@@是@@，工厂里不再只是被固定在@@安全围栏内的@@巨大笨重的@@机器人@@@@，而@@是有更多可以@@灵活自主活动的@@智能@@机器人@@穿梭在@@生产线上@@@@。

机器人@@“成长@@”史@@

人类一直梦想着由@@机器人@@来代替完成那些枯燥@@、琐碎以@@及@@危险的@@工作@@，把人力从@@繁重的@@劳动中@@解放出来@@。

根据@@@@美国@@机器人@@协会的@@定义@@，机器人@@是一种可编程和@@多功能的@@操作机@@，或@@是为@@了执行不同任务而@@具可编程动作的@@专门系统@@@@。按照我国@@2021年@@6月@@1日实施的@@@@《机器人@@分类@@》，机器人@@可被分为@@工业@@机器人@@@@、服务机器人@@两大类@@，工业@@机器人@@主要应用@@于工业@@环境@@用于制造@@目的@@@@，而@@服务机器人@@更重视与人类的@@交互@@。其中@@@@，人形机器人@@@@是服务机器人@@的@@最高级形态@@，可被广泛应用@@于生活生产的@@众多场景@@。

人形机器人@@@@发展历史@@可以@@追溯到@@@@15 世纪@@末达@@·芬奇所绘制的@@一份古老@@@@“类人机器人@@设计草图@@@@”——一个@@靠风能和@@水力驱动的@@@@“机器武士@@”——这或@@许是人类幻想研制@@“人形机器人@@@@”的@@起点@@。

但人形机器人@@@@的@@产业化之路异常漫长@@。 1927 年@@，美国@@西屋公司制造@@出了世界上@@第一台人形机器人@@@@@@“Televox”，它虽不能走动@@，但能够@@抬起接收器以@@接听电话@@，并根据@@@@接收到@@的@@信号通过@@操作开关来控制简单的@@流程@@，还能回答一些问题@@。随后西屋公司在@@@@ 1937 年@@又在@@此基础上@@制造@@出@@“摩托人@@ Elektro”——被认为@@是真正的@@第一个@@类人机器人@@@@。Elektro 身高@@ 210 厘米@@，体重@@超过@@ 120 公斤@@，能够@@执行@@ 26 种不同的@@日常活动@@，包括醒来@@、交谈@@、计数和@@吸烟@@。

而@@人形机器人@@@@真正实现@@技术@@和@@应用@@上@@的@@飞跃@@，还是在@@进入@@@@21世纪@@以@@后@@，随着人工智能@@@@@@、传感器@@等@@技术@@的@@进一步突破@@，机器人@@产业的@@发展也进入@@智能@@化研发的@@加速期@@，涌现了一批颇具代表性的@@智能@@化人形机器人@@@@产品@@，比@@如@@日本@@本田公司推出的@@能够@@跳跃的@@人形机器人@@@@@@ ASIMO ，软银的@@儿童教学的@@机器人@@@@ Nao以@@及@@陪伴型机器人@@@@Pepper，英国@@Engineered Arts的@@Ameca，以@@及@@波士顿动力主打探索运动控制@@的@@人形机器人@@@@@@Atlas等@@一系列@@代表性产品@@。但在@@大规模的@@产业应用@@层面@@，至@@今尚无@@特别好的@@落地案例@@。

相比@@之下@@，第一台工业@@机器人@@虽然在@@上@@世纪@@@@50年@@代@@才出现@@，但产业化进程则相对快得多@@。1959年@@，美国@@发明家乔治@@·德沃尔@@（George Devol）和@@物理学家约瑟@@·英格柏格@@（Joe Engelberger）创造了世界上@@第一个@@工业@@机器人@@@@，命名为@@@@Unimate（尤尼梅特@@），意为@@@@“万能自动@@”。这个@@重达@@2吨@@，由@@磁鼓上@@的@@一个@@程序来控制机器人@@@@，由@@液压装置驱动@@，精确率达@@1/10000英寸@@。1961 年@@，Unimate 被安装在@@通用@@电机装配线上@@@@，其成为@@@@当今仍在@@装配线中@@使用@@的@@@@许多工业@@机器人@@的@@基础@@。

但是@@作为@@人类机器人@@梦的@@终极目标@@，以@@及@@未来有望成为@@@@人工智能@@@@领域的@@终极形态@@，各大科技公司对于@@这种模仿人的@@形态和@@行为@@而@@设计制造@@的@@机器人@@的@@研究和@@实践一直没有停止@@。

产业化拐点@@：人形机器人@@@@有望@@“通吃@@”工业@@、商用@@、家用场景@@

全球@@综合@@数据@@资料库@@Statista的@@数据@@显示@@，全球@@2019-2021年@@机器人@@销量分别为@@@@329亿美元@@、363亿美元@@、410亿美元@@，目前@@仍处于较初期发展阶段@@，未来空间较大@@。根据@@@@麦肯锡全球@@研究院发布报告@@，预计@@到@@@@2030年@@，全球@@将@@有@@15%的@@劳动力将@@被机器人@@替代@@。

数据@@来源@@@@：Statista、东吴证券@@

具体到@@人形机器人@@@@领域@@，咨询公司@@SkyQuest Technology Consulting统计显示@@，2021年@@，全球@@人形机器人@@@@市场价值为@@@@14.8亿美元@@，预计@@到@@@@2028年@@，其市场估值将@@达到@@@@@@@@173.2亿美元@@，2022年@@到@@@@2028年@@之间的@@复合年@@增长@@@@率@@将@@达到@@@@@@@@42.1%。

基于@@这一市场趋势@@，对于@@智能@@机器人@@的@@研发近年@@来也进入@@更多科技公司的@@@@视野@@，机器人@@俨然成为@@@@众多科技公司展现自己综合@@研发实力最佳选择@@。

就在@@特斯拉@@发布@@“擎天柱@@”之前@@，小米在@@@@8月@@11日的@@小米秋季新品发布会上@@抢先发布了其首款全尺寸人形仿生机器人@@@@——“CyberOne”，也一度让人形机器人@@@@成为@@@@国内@@A股市场的@@热门概念@@。

机器人@@Cyboron取名@@“铁大@@”，身高@@177厘米@@，体重@@52公斤@@，可对真实世界三维虛拟重建@@，这其中@@@@@@嵌入了小米自研的@@@@Mi-Sense深度视觉@@模组@@，结合@@AI算法@@可以@@提供@@完整的@@三维空间感知能力@@@@，让机器人@@看@@得到@@也看@@得懂@@）。此外@@@@，铁大@@的@@@@“小脑@@”发达@@、可实现@@双足运动姿态平衡@@，四肢强健@@、动力峰值扭矩@@300Nm等@@。在@@运动控制@@方面@@，铁大@@支持@@多达@@21个@@自由@@度@@，并能实现@@各自由@@度@@0.5毫秒级别的@@实时响应@@，模拟人的@@各项动作@@，机身内置@@了多个@@电机@@，还有更多的@@机身自由@@度@@、复杂的@@人形双足控制算法@@@@，这些都是小米自研@@。

事实上@@@@，国内产业界在@@人形机器人@@@@的@@研发上@@@@，近年@@来也有了不小的@@突破@@。比@@如@@，国内机器人@@厂商优必选@@、北京钢铁侠科技等@@公司均已经推出了各自的@@仿人机器人@@产品@@。2021 年@@优必选发布了中@@国首款可商业化的@@大型双足仿人型服务机器人@@@@Walker X，身高@@130cm，体重@@ 63kg，拥有@@ 41个@@高性能伺服驱动关节@@，面部@@ 160° 环绕@@ 4.6K 高清双柔性曲面屏@@，四维灯语体系@@，具备模块@@化设计@@，便捷可拆卸电池@@@@，应用@@场景包括科技展馆@@、影视综艺@@、商演活动@@、政企展厅等@@@@。同年@@@@ 3 月@@，北京钢铁侠科技中@@标国家机器人@@宇航员项目@@@@——北京控制工程研究所空间仿人智能@@操控系统@@@@，将@@双@@ 足大仿人机器人@@的@@应用@@场景拓展到@@航天领域@@，开创了空间机器人@@这一新品类@@，其核@@心产品@@ARTROBOT系列@@仿人机器人@@自由@@度达到@@@@@@ 36 个@@，可以@@完成行走@@、舞蹈@@、倒水等@@多种任务@@，已经拥有@@了高度仿人化的@@特征@@，应用@@场景包括科研教学@@、智能@@服务@@、体育竞技@@、养@@ 老@@、救援@@、娱乐陪伴和@@航空航天@@等@@领域@@。

大致归纳目前@@各大公司对于@@人形机器人@@@@的@@产品定位@@@@，主要有三种发展方向@@@@：一种是@@“超越人@@”，以@@波士顿动力为@@代表@@，专注提升机器人@@的@@运动性能@@；一种是@@“替代人@@”，以@@特斯拉为@@代表@@，要让机器人@@进入@@造车工厂补充劳动力@@；一种是@@“服务人@@”，要围绕人的@@生活和@@工作@@，依托人形更好的@@研究人感知@@、认知@@、决策@@、执行过程从@@而@@更好服务于人@@，这是小米的@@@@Cyber One选择的@@方向@@@@。

而@@产业化落地的@@关键还是要看@@应用@@的@@@@广度和@@深度@@。对于@@人形机器人@@@@而@@言@@，如果将@@@@人类的@@行为@@分为@@四个@@状态@@，即@@居家生活@@、工作办公@@、交通出行@@、睡眠休息@@，那么@@一个@@好的@@商业模型应该尽可能多的@@覆盖人的@@四个@@状态@@，并且@@越充分了解四个@@状态中@@用户不同的@@需求@@，从@@而@@提供@@切中@@痛点的@@服务@@，那么@@这个@@商业模型的@@价值就越高@@。

那么@@在@@未来的@@@@机器人@@赛道@@上@@@@，哪种类型的@@机器人@@最有望成为@@@@下一个@@通用@@@@型产品@@？

中@@国电子@@学会发布的@@@@《中@@国机器人@@产业发展报告@@（2021）》指出@@，在@@模块@@化应用@@@@、离散型场景@@、复杂的@@干扰环境@@@@、多发的@@不可控因素等@@变量叠加影响下@@，对机器人@@的@@要求@@不再局限于本体的@@灵活性@@和@@自动化@@，易控@@、智能@@、互联成为@@@@产品的@@重要发展方向@@@@，技术@@创新也围绕着安全的@@人机协同@@、人工智能@@@@和@@物联网@@@@等@@重点方向@@展开@@。

这也意味着@@，由@@感知智能@@向@@认知@@智能@@迈进@@，是下一代机器人@@发展的@@方向@@@@，也就是说@@，只有拥有@@了感知@@、认知@@并执行的@@大脑能力@@@@，才真的@@称得上@@机器人@@@@。而@@大脑能力@@也是仿生人形机器人@@@@的@@技术@@制高点@@。这其中@@@@@@，人工智能@@@@技术@@是人形机器人@@@@获得实质性发展的@@重要引擎@@，深度学习@@、自然语言@@理解@@、知识图@@谱@@、VR、场景识别@@、情感识别与推理@@认知@@等@@方面的@@技术@@进步@@，是拓展机器人@@能力@@边界的@@持续动力@@。

也就说@@，或@@许对于@@未来更理想的@@机器人@@更高的@@要求@@是@@——能够@@“通吃@@”工业@@、商用@@以@@及@@家用领域的@@各个@@场景@@。

人工智能@@@@、大数据@@@@、5G、云@@计算@@@@等@@新一代信息技术@@的@@飞速发展@@，加速市场需求的@@扩展与变化@@，将@@深刻影响下一代机器人@@产品的@@发展方向@@@@。对此@@，波士顿咨询@@（BCG）就认为@@@@，在@@涉及@@机器智能@@@@、连接@@性和@@控制等@@方面@@，技术@@突破将@@扩大机器人@@的@@能力@@@@和@@应用@@范围@@，同时@@还能简化人机之间的@@交互@@。

从@@这个@@大方向@@来看@@@@，相比@@与传统的@@工业@@机器人@@以@@及@@普通的@@专业服务机器人@@@@，更高级别的@@人形机器人@@@@或@@最有希望@@“通关@@”。再加上@@@@特斯拉等@@头部企业带@@来的@@引领效应@@，将@@有望催生行业蓬勃发展@@，加速相关@@软硬件供应链的@@快速@@成熟@@。这又使得@@更多的@@实验室技术@@和@@创新应用@@能更快落地验证@@，最终形成行业发展的@@正向@@循环@@。

成为@@@@“头号玩家@@”，离不开传感器@@与@@AI的@@融合@@：村田通过@@@@"振动反馈@@"实现@@“人机一体@@”

judy — Mon, 24 Jan 2022 07:06:14 +0000

视觉@@、听觉@@、嗅觉@@、味觉@@、触觉@@，即@@所谓的@@五感@@，是所有生物不可缺少的@@生存能力@@@@。五感的@@敏锐程度直接关系到@@判断能力@@和@@运动能力@@的@@高低@@，每种生物都具有适应其生存环境@@和@@生态的@@五感@@。

特别是@@作为@@智慧生物的@@人类@@，还能充分调动五感来完成各种操作和@@工作@@。在@@电脑上@@工作时@@，通过@@视觉@@来理解文件和@@图@@像@@的@@内容@@；与客户洽谈时@@，通过@@用听觉@@听对方讲话@@、用视觉@@观察对方的@@面部@@表情来进行交涉@@。而@@厨师则更是充分发挥五感来烹制令人感动和@@记忆深刻的@@菜肴@@。

然而@@@@，现代人渐渐习以@@为@@常的@@许多数字工具@@，虽然非常方便有用@@，却无@@法表达嗅觉@@@@、味觉@@、触觉@@的@@信息@@，因此@@无@@法触动用户的@@全部五感@@。

通过@@传感器@@与@@AI的@@融合@@，才可能构建人与机器的@@新关系@@。

专业人士达到@@@@的@@@@“人机一体@@”的@@境界@@

是否具有把握身边环境@@和@@状况的@@五感@@，可以@@说是人与机器的@@根本区别@@。当然@@，有些机器配备了感知特定现象的@@传感器@@@@，可以@@精准执行规定的@@工作@@。

但是@@，这类机器只能处理一定范围内规范@@化的@@状态@@、形状@@、动作等@@工作@@。因此@@，即@@使是使用@@高级传感器@@自主控制动作的@@工业@@机器人@@@@，也很难与无@@法预测下一步会做什么行为@@的@@人类共同工作@@。因为@@人与机器之间存在@@着明显的@@主从@@关系@@，即@@操纵者与被操纵的@@工具@@。

但是@@，在@@掌握熟练技能的@@专业人士中@@@@，有人可以@@巧妙地把机器如自己的@@手脚般运用自如@@。

例如@@，在@@使用@@车床和@@铣床进行高精度金属加工的@@技术@@人员中@@@@，有人能够@@根据@@@@传达至@@自己手上@@的@@微妙振动或@@手感来操作机器@@，进行以@@微米为@@单位@@的@@精度加工@@。

另外@@@@，专业赛车手@@会根据@@@@赛道@@的@@弯曲程度和@@速度@@，感受重力加速度@@(G)的@@变化和@@路面的@@振动@@，通过@@准确的@@操作来缩短行驶时间@@。

在@@赛马中@@@@，骑手和@@马匹以@@心传心达到@@@@一体化@@、从@@而@@完成正确动作的@@状态被称为@@@@“人马一体@@”。而@@前面提到@@的@@专业人士@@，在@@工作时可以@@说是@@“人机一体@@”。

现代社会@@，往往容易依赖视觉@@和@@听觉@@的@@信息@@

与一般的@@机器操作者@@相比@@@@，达到@@@@人机一体@@的@@境界@@@@、技术@@水准令人叹为@@观止的@@专业人士究竟哪里不一样呢@@？

在@@充分利用@@五感工作这一点上@@应该有很大的@@不同@@。

在@@现代社会@@@@，智能@@手机@@、电脑等@@数字工具已经广泛渗透到@@生活和@@工作中@@@@。因此@@我们往往容易偏重根据@@@@五感中@@视觉@@和@@听觉@@的@@信息做出判断和@@行动@@。从@@某种意义上@@说这似乎是很自然的@@事情@@。然而@@@@数字工具虽然非常方便有用@@@@，却无@@法表达嗅觉@@@@、味觉@@、触觉@@的@@信息@@，因此@@无@@法触动用户的@@全部五感@@。现代人在@@不知不觉中@@已经习惯了这一点@@。

《产业教育机器系统@@手册@@(教育机器编辑委员会编日科技联出版@@社@@)》中@@指出@@@@，人类感知到@@的@@信息中@@@@，83%来自视觉@@@@、11%来自听觉@@@@。剩下的@@三种感觉中@@@@，嗅觉@@仅占@@3.5%，味觉@@仅占@@1%，触觉@@仅占@@1.5% ！

凭视觉@@和@@听觉@@就覆盖了人类认知@@信息的@@九成以@@上@@@@，因此@@可能很多人认为@@这样@@就足够了@@。但是@@，为@@了发挥更高度的@@判断和@@达到@@@@更出类拔萃的@@表现@@，运用一般人不会使用@@的@@@@感觉是非常必要的@@@@。进一步发展人机界面@@(HMI）、连接@@人类与机器的@@启示即@@在@@于此@@。

用数字工具处理触觉@@的@@@@haptics（振动反馈@@）

随着传感器@@@@、致动器以@@及@@人体工学等@@技术@@的@@进步@@，触觉@@的@@扩展概念@@——触力觉通过@@数字技术@@得以@@再现@@，并作为@@信息的@@表现手段得以@@活用@@。这种技术@@被称为@@@@“haptics（振动反馈@@）技术@@”。

触力觉指广义的@@触觉@@@@。感到@@被拉或@@推等@@的@@@@“力感@@”，接触或@@感知软硬的@@@@"压感@@"，感受表面触摸的@@@@"触感@@"等@@，是肌肤感受到@@的@@感觉的@@总称@@

如果将@@@@haptics技术@@活用到@@@@HMI，即@@能让人感受到@@视觉@@和@@听觉@@无@@法传达的@@信息@@。

触力觉是通过@@接触皮肤才能传达的@@感觉@@。因此@@，人类只要感受到@@触力觉@@，即@@能判断是有实体的@@物体在@@实际接触@@。利用@@人类的@@这种性质@@，我们能够@@传达出视觉@@和@@听觉@@无@@法获得的@@实体感和@@质感等@@具有现实感的@@信息@@。

haptics技术@@手段能够@@使游戏和@@@@Virtual Reality(虚拟现实@@)等@@更具有临场感@@，其活用备受期待@@。

将@@触力觉信息数字化从@@而@@实现@@人与机器一体化@@

haptics技术@@的@@应用@@不仅限于游戏和@@@@VR。通过@@将@@@@触力觉信息数字化@@，有可能创造出具备前所未有功能的@@电子@@设备和@@机器人@@等@@@@。

一般来说@@，通过@@将@@@@信息数字化@@，可以@@使信息的@@处理和@@加工更加容易@@。例如@@，作为@@视觉@@信息的@@文字@@、图@@形@@、图@@像@@，即@@使是模拟数据@@也能记录和@@播放@@。通过@@将@@@@其数字化@@，可以@@将@@日语的@@文字信息翻译成英语@@，实现@@极其高级的@@处理@@。

那么@@，通过@@将@@@@触力觉信息数字化@@，有可能扩展出怎样的@@应用@@呢@@?让我们展开想象的@@翅膀@@，稍作思考@@。

我们假设一个@@人操控机械臂抓住物品搬运的@@场景@@。如果将@@@@haptics技术@@应用@@于此@@，那么@@操作者@@就能够@@感受到@@机械臂触摸物体时的@@触感@@@@，可以@@在@@调整动作的@@同时@@灵活地处理柔软的@@物体或@@形状@@复杂的@@物体@@。

而@@且@@@@，如果减弱操控者的@@动作@@，增强机械臂触摸的@@感触和@@反应@@，把触力觉传达给操控者的@@话@@，结果@@会怎样呢@@?我们可以@@创造出一种手术机器人@@@@，一边摸索着感受患部的@@状况@@，一边进行缜密的@@手术@@。

相反@@，如果能增强人的@@动作@@，减弱机械臂抓起物体的@@重量感@@，那么@@建筑工地上@@的@@起重机等@@就能像我们自己的@@手脚一样被自由@@地操控了@@。这样@@，就真正实现@@了人机一体@@的@@状态@@。

事实上@@@@，这些应用@@并不是虚构的@@想象@@，都是正在@@实际研究开发中@@的@@技术@@@@。haptics技术@@将@@人和@@机器的@@动作@@、感觉融为@@一体@@。为@@了使人能够@@像操纵自己的@@手脚一样操纵机器@@，这将@@是不可或@@缺的@@技术@@@@。

机器人@@拥有@@五感的@@日子即@@将@@到@@来@@

前面我们讲到@@人在@@操控机器时如果使用@@@@haptics技术@@，就可以@@实现@@更加灵活精密@@的@@操作@@。也许@@有人已经注意到@@了@@，电子@@控制电路和@@人工智能@@@@@@(AI)也可以@@代替人操控机器@@。这样@@一来@@，我们将@@有可能制造@@出像熟练的@@技术@@人员@@、专业赛车手@@、名医一样@@，以@@触力觉为@@基础进行高级判断和@@操作的@@自主型机器人@@@@。

如前文所述@@，人类所具备的@@五感中@@@@，除了视觉@@和@@听觉@@已经广泛深入地活用之外@@@@，触觉@@也已可以@@用数字技术@@来处理@@。

此外@@@@，在@@研究水平上@@@@，一些技术@@的@@研究也在@@不断发展@@。比@@如@@利用@@检测呼吸气味的@@嗅觉@@传感器@@来诊断疾病的@@技术@@@@，以@@及@@利用@@味觉@@传感器@@将@@食品的@@味道@@进行数据@@库化@@、从@@而@@自由@@自在@@地设计想象中@@的@@味道@@的@@技术@@等@@等@@@@。

检测五感并将@@其数字化@@，按照自己的@@想法来表现并开拓崭新应用@@技术@@的@@开发才刚刚起步@@。这里潜藏着重新定义人与机器关系的@@巨大可能性@@。