你是否注意到，AI正從「云端」下沉，融入我們身邊的各類設備？這就是「嵌入式AI」，它讓終端設備擁有了感知、決策的能力。

但一個關鍵問題隨之而來：這些分散的「小智能」，如何被可靠地聯結起來，協同工作？答案，或許就藏在歷經考驗的通信技術——CAN總線之中。

虹科分享的這篇來自國際CAN領域權威組織CiA（CAN in Automation）協會的最新文章，將為你揭示「CAN + AI」這套組合拳的獨特優勢。它關乎一個更智能、更高效、更自主的未來，而且，這個未來正在加速到來。

“

當AI遇見CAN：嵌入式智能的未來

Google AI將嵌入式人工智能定義為「人工智能與物理設備及系統的融合」，借助這種融合，設備與系統無需依賴云連接，即可在本地完成數據處理、決策制定與動作執行。

實現這一功能的關鍵，需要在高效硬件上運行 「輕量化」（lean）AI模型，進而帶來效率提升、精度優化及實時性能增強等優勢。其應用場景包括了自主機器人、智能傳感器、醫療、制造業等領域的智能系統。

嵌入式人工智能（Embedded AI）是嵌入式控制網絡升級的下一步，人工智能最初應用于大型遠程計算機集群，這類集群能耗極高。當然，部分此類AI應用的數據也來自前端嵌入式網絡中的傳感器：遠程AI系統對傳感器數據進行處理后，會向前端網絡中的執行器發送由AI生成的指令。

在部分嵌入式控制應用中，為擺脫對需依賴網絡連接的中央AI計算資源的依賴（對于實時控制系統而言，往往會存在響應遲緩的問題），大家開始部署邊緣AI控制器。而如前文所述，嵌入式控制網絡發展的下一個階段，便是引入基于AI的傳感器與執行器——這些設備可根據實際需求，選擇是否連接至本地邊緣AI控制器。

一項新技術誕生初期，采用集中式控制架構往往是行業常規選擇；而集中式之后的下一步，通常是去中心化。去中心化的優勢在于，經過預處理的數據可通過低帶寬網絡實現實時傳輸——這對于所有自主運行系統都是重要利好，例如自動導引車（AGV）、自主移動機器人（AMR）、無人機、無人駕駛商用車（應用于農業、林業、土方工程、建筑）等。

從歷史應用來看，這類自主系統大多采用基于CAN總線的網絡；在醫療設備與實驗室設備領域，這一網絡選擇邏輯同樣適用。此外，去中心化還帶來另一項附加效應：此類嵌入式AI網絡不一定需要遠程接口，因此更容易防范網絡攻擊，安全性顯著提升。

首批嵌入式人工智能（AI）設備可能聚焦兩大類別：一是用于導航的傳感器融合設備，二是用于狀態監測的設備，這兩類設備均能輸出經過人工智能預處理的「智能」數據。

在執行器端，具備自配置與自優化功能的電力驅動裝置有望成為嵌入式AI的典型應用；此外，電機的預防性維護與基于AI的電機狀態監測也是備受關注的方向。當然，用戶也可使用嵌入式實時AI主機控制器，但將AI軟件直接集成到執行器設備中，能為系統設計人員省去AI編程的工作負擔，著降低設計難度。

我們有理由相信，芯片制造商很快將推出具備AI處理能力的適配硬件——這類硬件不僅功耗低于當前產品，價格也將處于合理區間，這一進展將使嵌入式AI技術能夠延伸至電池供電類應用場景中。在筆者看來，基于CAN總線的網絡是連接AI傳感器、AI執行器與主機控制器的理想選擇：CAN技術的穩健性、可靠性及可擴展性，正是搭載嵌入式AI功能的實時控制系統所必需的核心特性。

首個適配嵌入式人工智能的CANopen協議實例，是針對物品檢測設備的CiA 462協議。該協議不依賴具體傳感器技術（無論是攝像頭、雷達、超聲波傳感器等），明確規定了映射到過程數據對象（PDO）報文的過程數據格式。此類傳感器融合設備可輸出由嵌入式AI算法生成的過程數據。此外，其他CiA協議也需在狀態監測參數方面進行擴展，以適配嵌入式AI應用場景。

嵌入式AI將智能推向邊緣，而穩定可靠的通信是其關鍵。正如文中所揭示，CAN與CANopen憑借其固有特性，正成為嵌入式AI理想的「神經網絡」。

面對這一趨勢，虹科致力于提供從經典到前沿（如最新虹科PCAN XL套件）的CAN總線工具與方案，我們期待與行業同仁共同迎接嵌入式AI與實時網絡融合的未來。

文章來源Source

Holger Zeltwanger

本文基于Holger Zeltwanger（CiA協會創始人）在CAN Community News (16-2025)的文章，由虹科智能互聯團隊翻譯并分享，旨在與行業同仁共享前沿技術成果。