作者：Arm 邊緣 AI 事業部市場營銷總監 Pablo Fraile

工業自動化正在經歷一場根本性的變革。從工業 PC 到邊緣網關和智能傳感器，邊緣側的計算需求正在快速變化。人工智能 (AI) 正在從云端走向更多現實環境。過去圍繞可預測、單一用途工作負載設計的系統，如今必須在動態、高度混合的設置中運行可更新且具備安全防護的智能應用。

傳統的計算架構向來針對大批量、低差異化的任務進行優化，難以適應如今新的需求。隨著工業 OEM 廠商不斷追求更高的靈活性、可擴展性和 AI 能力，以 AI 加速、高能效、實時性能和軟件可移植性為核心的 Arm 架構正日益受到青睞。

邊緣 AI 重新定義工業計算

第四次工業革命已不再是紙上談兵。AI 和機器學習 (ML) 正日益融入面向工業應用的邊緣計算環節，應用于機器人引導、預測性維護管理、能源使用優化等方面。但這種轉變也提出了多項新的要求：

在邊緣側（靠近傳感器和執行器）進行 AI 推理；

實時響應，滿足控制和安全方面的需求；

在散熱受限的環境中，保持低功耗運行；

安全且由軟件定義的平臺，確保易于更新和部署。

對于許多 OEM 廠商而言，這些挑戰并非未來之憂，而是眼前必須克服的阻礙。當今高度混合的制造環境正將傳統計算架構推向極限，三大關鍵難題阻礙了邊緣側的創新：

能效低下，限制了設備外形和散熱設計方面的創新；

面對各類工作負載，AI 加速的可擴展性存在局限；

軟硬件集成缺乏靈活性，拖慢了邊緣側的創新步伐。

為此，計算平臺必須更具適應性、功耗更低且更易擴展，而這些正是 Arm 架構系統的典型特質。

為何工業 OEM 廠商正在向 Arm 架構遷移

面向工業應用的邊緣計算環境正在向基于 Arm 架構的計算平臺遷移，而且遷移步伐正因以下關鍵因素而不斷加快：

內置 AI 加速功能，支持在邊緣側運行 AI 模型，從而在對延遲敏感的環境中實現實時決策；

優異的每瓦性能，支持計算密集型任務，而不會超出功耗預算，從而實現更緊湊、散熱效率更高的設計；

平臺可擴展性強，從微控制器到服務器級處理器，采用通用架構，從而簡化跨產品線的開發，縮短產品上市時間；

邊緣到云的軟件可移植性，使開發者能夠在云端進行訓練并在邊緣側無縫部署，最大限度地減少代碼重寫并加快部署周期；

多元化的芯片生態系統，加速創新迭代，為自動化機器人和工業控制系統提供量身定制的設計方案；

軟硬件長期發展路線圖保持一致，使 OEM 廠商對全生命周期支持充滿信心，并能夠采用面向未來的架構實現標準化。

最新的 Armv9 架構整合了上述各項能力，涵蓋從面向邊緣 AI 應用的較小的 Arm Cortex-A320 CPU 核心，到最新的 Arm Neoverse 核心，已被領先的工業芯片廠商廣泛采用，并內置 AI 加速指令。這種架構層面的一致性簡化了開發流程，降低了維護復雜度，并加速了創新進程，特別是在 AI 模型逐步實現通過軟件進行更新升級的情況下，尤為關鍵。

Arm 的平臺產品戰略，將靈活的計算 IP、可靠的軟件工具與充滿活力的生態系統相結合，正助力 OEM 廠商降低開發阻力，同時在邊緣側實現更高的集成度、智能化水平與控制能力。包括西門子在內的工業 OEM 廠商已經開始采用這種轉變。

西門子集成電路與電子研發及預開發部門主管 Herbert Taucher 表示：“西門子致力于賦能邊緣側應用的 AI 潛力。而基于 Armv9 的邊緣 AI 平臺將助力西門子進一步擴展高度安全、高性能且高能效的 AI 創新產品組合。”

圍繞邊緣 AI 開展設計

對于開發者和產品負責人來說，轉向 Arm 架構不僅僅意味著能享有更多 Arm 架構的優勢，更能通過以下方式開辟了全新的設計路徑：

涵蓋 CPU、GPU 和 NPU 的異構計算架構，可更高效地支持嵌入式 AI；

可通過軟件進行更新的智能技術，使 AI 模型在無需重新設計硬件的情況下，也可不斷演進；

散熱和能效提升，使得無風扇、堅固耐用或精巧型等全新設備形態成為可能。

現代化的 DevOps 工作流，由容器化和云原生 ML 工具提供支持。

憑借從邊緣到云端的統一架構基礎，開發者能夠實現更靈活的開發、更迅速的迭代，并在產品生命周期內有效降低開發阻力。施耐德電氣基于 Arm SystemReady 構建的概念驗證就是一個很好的例子，展示了標準化的 Arm 平臺如何簡化部署并加速工業創新。

未來屬于邊緣原生技術

隨著越來越多的智能技術轉移到數據中心之外，計算架構也必須隨之演進。新一代工業系統將不再受制于傳統限制，而是以滿足具體的應用需求為導向，包括邊緣側的 AI 能力、靈活性和實時性能。

總體趨勢已躍然眼前：工業計算正逐步邁向邊緣原生，并以 Arm 架構為原生平臺。