每一家信仰“智能制造”的公司，都對人工智能抱有極大的希望。

這個未知的新世界，需要對高成本的人工智能系統進行大量的投資，同時需要建立“學習”平臺和云服務提供商。這個宏偉的計劃要從大數據收集開始，以便機器可以學習并找出未知的東西。

然而，這只是理論。

在現實世界中，許多公司發現AI難以實施。有人指責說，他們缺乏內部數據去證明人類可以充分利用人工智能。還有人抱怨，他們甚至無法建立一個AI系統的概念。制造商開始意識到，人工智能不是一個“你去制造，它們就會出現”的交易。

那么，瑞薩電子是怎么做的？

這家日本芯片公司在全球工廠自動化市場占據領先地位。它正在為運維技術（以下簡稱OT）提出“實時連續AI”。這種方法與“統計人工智能”形成鮮明對比，“統計人工智能”通常由大數據公司推動，以促進信息技術（IT）領域的自動化。

瑞薩工業解決方案業務部執行副總裁兼總經理Yoshikazu Yokota（橫田良一）指出，嵌入式AI對于OT中的故障檢測和預測性維護至關重要。當任何特定系統或過程中出現異常時，嵌入式AI可以“在本地實時做出決策”，他解釋道。瑞薩三年前提出了“端點AI”的想法，并開始在自己的Naka半導體工廠中進行試驗。

“我們的計劃是在OT中實現實時推理，同時逐步增加端點的AI功能，”橫田說。

瑞薩執行副總裁橫田良一

通過將人工智能引入工廠車間，瑞薩希望幫助目前正在努力實現AI概念的客戶，并讓他們對AI的投資有所回報。

何時將人工智能應用于OT

Mitsuo Baba（三夫巴巴）是瑞薩工業解決方案業務部戰略和規劃部門的高級主管，他表示，當特定問題（例如生產線）已經確定時，就是AI可以應用于OT的最好時機。

例如，假設AI是一位經驗豐富的運營經理，他的經驗可以用來發現工廠中的某些異常現象，而不是讓這位經理逐個檢查制造過程的每個階段，“我們可以使用人工智能繪制線 ，來檢測在生產缺陷期間出現異常情況的時間和地點，”三夫說。AI可以持續監控生產線，以防止有缺陷的產品進入下一階段的生產。

在這樣的工廠自動化示例中，AI需要僅根據預先確定的問題進行一次培訓。AI推理在端點設備上實時運行，無需返回云端。三夫表示，與統計AI同時進行學習和推理相比，30K字節的數據通常足以用于終點推理，這通常需要在云中處理大到300兆字節的數據。

簡而言之，瑞薩正在倡導可以在MCU上完成的AI推理。

瑞薩推出的“AI單元解決方案”套件可以連接到現有的生產設備，而不是用全新的AI機器替換現有的生產線，而這些機器成本很高。

三夫表示，瑞薩沒有計劃挑戰像Nvidia（英偉達）這樣的AI芯片公司。“我們的目標是引領嵌入式AI的新市場領域，其中推理所需的數據非常小，甚至可以在現有的MCU / MPU上運行，”三夫說。