WWW.AIM-MAG.COM

公众号 免费索阅

Nov/Dec 2023

ISSN：2958-2237

人工智能已经学会了如何编码，这对

技术工作来说是一件好事 7

边缘计算机视觉可以实现 AI Apps 4

将生成式 AI 用于代码可能是一个很

大的风险 9

C

M

Y

CM

MY

CY

CMY

K

2 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

11/12月 2023年 目录 CONTENTS

应用空间 APPLICATION AIDS

19 工业 AI：甾族化合物的预测性维护

Industrial AI: Predictive Maintenance on Steroid

作者：Milton Lopez Sparkcognition首席设计师

来源：Embedded Computing Design

行业风云 INDUSTRY INTERCHANGE

20 AMD Kira K24 SOM系统模块让电机运行更智能

AMD Kira K24 SOM System Module Makes Motor Operation More Intelligent

22 双驱轮战略助安森美创骄人成绩

Double Wheel Drive Strategy Helps onsemi Achieve Remarkable Results

编者语 UP FRONT

3 稳扎稳打又一年

Steady and Steady For Another Year

24 市场动态 NEWS

28 广告索引 AD INDEX

专题/FEATURE 机器学习/MACHINE LEARNING

4 边缘计算机视觉可以实现 AI Apps

Computer Vision at the Edge Can Enable AI Apps

作者：Reese Grimsley 德州仪器系统应用工程师

7 人工智能已经学会了如何编码，这对技术工作来说是一件好事

AI Has Learned How to Code, And That's a Good Thing for Tech Jobs

作者：Nick Greene Independent Contractor

来源：Embedded Computing Design

9 将生成式 AI 用于代码可能是一个很大的风险

Using Generative AI For Code Can Be a Big Risk

作者：Ken Briodagh 嵌入式计算高级技术编辑

来源：Embedded Computing Design

10 为边缘高效打包神经网络 AI 模型

Efficiently Packing Neural Network AI Model for the Edge

作者：Rami Drucker CEVA公司视觉业务部门 机器学习软件架构师

来源：Embedded Computing Design

12 人工智能（AI）利用深度学习技术增强ADAS

Artificial Intelligence (AI) Utilizing Deep Learning Techniques to Enhance ADAS

作者：Ambuj Nandanwar 软航市场营销专家

来源：Embedded Computing Design

技术荟萃 TECHNICAL CLUSTER

14 用 AMR 完成您的智能工厂

Complete Your Smart Factory With an AMR

作者：嵌入式计算编辑部

来源：Embedded Computing Design

特色产品 FEATURE PRODUCTS

16 安森美的成像技术助推视觉产品创新

ansem's Imaging Technology Boosts Visual Product Innovation

2023 版权所有 翻印必究

ISSN：2958-2237

中国香港特别行政区

China Hong Kong SAR

麦协林 Adonis Mak

adonism@actintl.com.hk

黄莺 Katie Huang

katieh@actintl.com.hk

魏弘德 Chris Everett

chrise@actintl.com.hk

崔 斌 蔡振荣 戴高敏

丁险峰 范丛明 黄晓园

苏锐丹 史 喆

许海燕 Helena Xu

helenax@actintl.com.hk

程丽娜 Lisa Cheng

lisac@actintl.com.hk

谭良辉 Ivy Tan

ivyt@actintl.com.hk

彭珊 Sophie Pang

SophieP@actintl.com.hk

杨柳 Genevieve Yang

genevievey@actintl.com.hk

Publishing House

ACT International

Kowloon,HongKong,

No.478 Castle Peak Road, Cheung Sha Wan,

Por Yen Building,

Unit B, 13/F.

852 2838 6298

852 2838 2766

出版总监

电邮

主编

电邮

总编

电邮

编委会成员

(排名不分先后)

中国区销售总监

电邮

市场总监

电邮

发行经理

电邮

销售服务经理

广告服务经理

出版社

雅时国际商讯

香港九龙

长沙湾青山道478号

百欣大厦

13楼B室

电话

传真

WWW.AIM-MAG.COM

《工业AI》杂志介绍国内、国际工业AI领域的先进技

术及解决方案、系统及产品、开发工具、市场及应

用、产业链等相关资讯，部份内容来自美国Embedded

Computing Design媒体集团的独家授权转载，面向国内

制造领域的工程技术、管理、市场、营销等行业人士。

《工业AI》是国内及国际企业与中国工业AI系统及产品

用户之间高质量的交流平台。

编者语 UP FRONT

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 3

稳扎稳打又一年

Steady and Steady For Another Year

波澜不惊的 2023 年即将过去。在过去的三季度，中国

工业和信息化发展“总体平稳，产业结构持续优化，新动能

新优势不断集聚增强，创新发展的活力动力持续释放，高质

量发展取得积极成效。”在国务院新闻办公室于 10 月 20 日

举行的新闻发布会上，工业和信息化部新闻发言人、总工程

师赵志国如是介绍了 2023 年前三季度中国工业和信息化的

总体发展状况 ：

第一，工业经济恢复向好—工业生产稳定增长。前三季

度规模以上工业增加值同比增长 4%，增速较今年上半年加

快 0.2%。制造业增加值占 GDP 比重基本保持稳定，制造业

投资持续增长，7 月份以来增速逐渐加快。其中，8 月份规

模以上工业企业利润同比增长 17.2%，营业收入、利润均实

现由负转正。

第二，制造业高质量发展迈出坚实步伐—前三季度，高

技术制造业投资同比增长 11.3%，增速高于制造业投资 5.1%。

新能源汽车、光伏产品、航空航天器及设备实现高速增长，

造船业三大指标继续全球领跑。加速数字化转型进程，推动

智能工厂建设规模扩大和水平提升，已建设近万家数字化车

间和智能工厂。

第三，信息通信业保持稳步增长—截至 9 月底，累计建

成 5G 基站 318.9 万个，千兆宽带用户达 1.45 亿户。5G 应用

已融入 67 个国民经济大类，全国“5G+ 工业互联网”项目

超过 7000 个，移动物联网终端累计达 22.2 亿户。

第四，中小企业发展成效显著—前三季度，中小企业经

济运行多项关键指标回升向好。累计培育 10.3 万家专精特新

中小企业、1.2 万家专精特新“小巨人”企业、200 个中小

企业特色产业集群，在强链补链中发挥重要作用。

其中对于人工智能的发展，发布会上，工业和信息化部

新闻发言人、运行监测协调局局长陶青做了总体发展介绍 ：

我国人工智能核心产业规模不断增长，企业数量超过

4400 家，智能芯片、开发框架、通用大模型等创新成果不断

涌现。云算、智算、超算等协同发展，算力规模位居全球第二，

东数西算等重大工程加快推进。人工智能与制造业深度融合，

有力推动实体经济数字化、智能化、绿色化转型，目前已建

设近万家数字化车间和智能工厂。

对于下一步的发展，陶青表示 ：“主要从以下四个方面

着力。一是夯实人工智能技术底座。通过科技创新重大项目，

着力推动大模型算法、框架等基础性原创性的技术突破，提

升智能芯片算力水平，释放数据价值，强化“根”技术研发。

二是推动重点行业智能化升级。加快制造业全流程智能化。

深化人工智能技术在制造业全流程融合应用，大幅提升研发、

中试、生产、服务、管理等环节智能化水平。推进人工智能

试点示范，拓展特色应用场景，加快“智改数转”，形成现实

生产力，提升制造业发展质量和效益。三是推动智能产品和

装备发展。发挥大模型强认知、强交互、强生成的特点，促

进高端装备、关键软件、智能终端的升级迭代，提升重点产

品和装备智能化水平。四是加强支撑服务体系建设。加快培

育一批行业龙头企业和专精特新中小企业，组建一批生态型

创新联合体。深化技术研发、标准研制、伦理治理、人才培

养等国际交流合作，协同打造良好的人工智能产业生态。”

特别是，作为新型关键生产力的算力已成为影响国家数

字经济发展水平的重要因素。近期，工业和信息化部联合有

关部门印发了《算力基础设施高质量发展行动计划》。对于此

《行动计划》，赵志国介绍 ：

一是顶层政策设计持续加强。出台《行动计划》，结合

算力发展最新形势，以提高资源利用率为方向引导全国算力

基础设施合理布局，以智能算力为重点推动算力结构优化，

以融合发展为主线促进计算、网络、存储和应用协同发展，

加强部门和行业协作，推动工业、金融、医疗、教育、能源

等重点领域打造一批算力新业务、新模式、新业态。

二是算力基础设施水平持续提升。我国数据中心在用

标准机架数量超过 760 万架，算力总规模达每秒 1.97 万亿

亿次浮点运算。算力结构不断优化，智能算力规模同比增长

45%。国家算力枢纽加快建设，围绕数据中心集群布局新建

约 130 条干线光缆，高速长距传输技术有效提升跨区域数据

传输质量。人工智能推理、训练芯片加速迭代优化，性能持

续提升。

三是算力赋能作用持续深化。算力服务从互联网领域

向装备制造、交通出行等各行业领域拓展，逐步形成 ToC、

ToB 双轮驱动态势，也就是一个面对消费市场，一个面对企业。

2024 年即将到来，在中国政府的各项政策的指导扶持下，

在行业人士的共同努力奋斗下，中国工业及信息化、中国工

业人工智能行业一定能迎来崭新的、蓬勃发展的春天！

《工业 AI》编辑部

专题/机器学习 FEATURE/MACHINE LEARNING

4 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

转换、启发式和阈值，从图像或视频中提取有意义的信息。

这些算法通常是特定于应用程序的算法的前身，例如解码

一维条形码中的信息，其中一系列规则在检测到单个条形

时对条形码进行解码。

传统的计算机视觉在其简单性和可解释性方面是有

益的，这意味着开发人员可以在每一步分析算法并解释算

法为什么会如此。这在软件审核或安全关键型应用程序中

非常有用。然而，传统的计算机视觉往往需要更多的专业

知识才能正确实现。

算法通常具有一小组参数，需要调整这些参数才能在

不同环境中实现最佳性能。实施可能很困难，特别是对于

优化的高通量应用程序。某些规则、算法决策或参数值可

能会对不符合原始期望的图像产生意想不到的影响，从而

有可能欺骗算法。如果不暴露新的边缘情况或增加算法的

复杂性，此类漏洞和边缘情况可能很难修复。

用于计算机视觉的经典机器学习

机器学习是一类算法，它使用数据在算法中设置参

作者：Reese Grimsley 德州仪器系统应用工程师

边缘计算机视觉可以实现 AI Apps

Computer Vision at the Edge Can Enable AI Apps

计算机视觉是指将人类视觉（一种

信息丰富且直观的传感器）引

入计算机的技术目标，使装配线检查、

安全系统、驾驶员辅助和机器人等应

用成为可能。

不幸的是，计算机缺乏像人类那

样直觉视觉和图像的能力。相反，我

们必须为计算机提供算法来解决特定

领域的任务。

我们经常认为我们的愿景是理所

当然的，以及这种生物能力如何解释

我们的周围环境，从看冰箱检查食物

保质期到专心观察红绿灯变绿。

计算机视觉可以追溯到 1960 年

代，最初用于从页面读取文本（光学字符识别）和识别圆

形或矩形等简单形状等任务。此后，计算机视觉已成为人

工智能（AI）的核心领域之一，它涵盖了任何试图从数据

中感知，合成或推断更深层次含义的计算机系统。有三种

类型的计算机视觉 ：传统或“基于规则”、经典机器学习

和深度学习。

在本文中，我将从让计算机使用视觉来更像人类一样

感知世界的角度来考虑人工智能。我还将描述每种类型的

计算机视觉的权衡，特别是在本地收集、处理和处理数据

的嵌入式系统中，而不是依赖基于云的资源。

传统计算机视觉

传统的计算机视觉是指解决运动估计、全景图像拼接

或线条检测等任务的编程算法。

传统的计算机视觉使用标准的信号处理和逻辑来解

决任务。Canny 边缘检测或光流等算法可以分别找到运

动的轮廓或矢量，这对于隔离图像中的对象或后续图像之

间的运动跟踪非常有用。这些类型的算法依赖于过滤器、

使用边缘 AI 处理解码条形码的条形码扫描仪示例

专题/机器学习 FEATURE/MACHINE LEARNING

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 5

数，而不是直接编程或校准。这些算法，如支持向量机、

多层感知器（人工神经网络的前身）和 k- 最近邻，被用

于传统计算机视觉难以解决的应用。例如，在传统的计算

机视觉算法上编程“识别狗”是一项艰巨的任务，尤其是

在存在复杂场景和物体的情况下。训练机器学习算法以从

100 秒或 1000 秒的样本图像中学习参数更容易处理。通

过使用包含这些边缘情况示例的数据集来解决边缘情况。

训练是计算密集型的，但在新数据上运行算法需要的

计算资源要少得多，因此可以实时运行。这些经过训练的

模型通常具有较低的可解释性，但对数据中的小计划外变

化（例如对象的方向或背景噪音）更具弹性。可以通过使

用更多数据重新训练来修复无法很好地处理的变体。具有

更多参数的较大模型通常具有更高的精度，但具有更长的

训练时间以及运行时所需的更多计算，这在历史上阻止了

非常大的模型在嵌入式处理器上的实时应用程序中使用。

基于机器学习的经典计算机视觉方法仍然需要专家

来“制作”训练机器学习模型的特征集。其中许多功能在

传统的计算机视觉应用程序中是通用的。并非所有功能都

有用，因此需要分析以修剪无信息功能。有效实现这些算

法需要图像处理和机器学习方面的专业知识。

深度学习

深度学习是指在大部分未处理或“原始”数据上运行

的非常大的神经网络模型。深度学习通过将特征提取操作

拉入模型本身，对计算机视觉产生了巨大影响，从而使算

法根据需要学习信息量最大的特征。图 1 显示了每种计算

机视觉方法中的数据流。

深度学习在计算机视觉类型中具有最普遍性 ; 神经网

络是通用函数逼近器，这意味着它们能够学习输入和输出

之间的任何关系（只要存在这种关系）。深度学习擅长在

数据中发现微妙和明显的模式，并且对输入变化最宽容。

物体识别、人体姿势估计和像素级场景分割等应用是常见

的用例。

深度学习需要最少的直接调谐和图像处理专业知识。

这些算法依赖于大型和高质量的数据集，通过逐步找到在

训练期间优化损失或错误指标的参数来帮助通用算法学习

模式。新手开发人员可以有效地利用深度学习，因为重点

从算法的实现转移到数据集管理。此外，许多深度学习模

型是公开可用的，因此可以针对特定用例对其进行重新训

练。使用这些公开可用的模型很简单 ; 但是，开发完全自

定义的体系结构确实需要更多的专业知识。

与传统的计算机视觉和经典机器学习相比，深度学习

具有更高的准确性，并且由于在研究（以及不断增长的商

业）社区中的巨大普及而迅速提高。然而，深度学习通常

具有较差的可解释性，因为算法非常大且复杂 ; 与训练数

据集完全不同的图像可能会导致意外、不可预测的行为。

由于它们的大小，深度学习模型的计算量非常大，因此需

要特殊的硬件来加速它们的实时操作。在大型数据集上训

练大型模型的成本可能很高，并且管理大型数据集通常既

耗时又乏味。

然而，处理能力、速度、加速器（如神经处理单元和

图形处理单元）的改进，以及对矩阵和矢量运算的软件支

持的改进，使得计算需求的增加变得不那么重要，即使在

嵌入式系统上也是如此。AM6xA 产品组合等嵌入式微处

图1. 每种计算机视觉方法中的数据流。

专题/机器学习 FEATURE/MACHINE LEARNING

6 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

理器利用硬件加速器以高帧速率运行深度学习算法。

比较不同类型的计算机视觉

那么哪种类型的计算机视觉最好呢？

这最终取决于其应用，如图 2 所示。

简而言之，对于大多数属性，具有经典机器学习的计

算机视觉介于其他两种方法之间 ; 与其他两种方法相比，

受益的应用程序集很小。传统的计算机视觉在简单、高通

量或安全关键型应用中可以足够准确和高效。深度学习是

最通用的，最容易开发的，并且在复杂的应用和环境中具

有最高的精度，例如在高密度设计的 PCB 组装验证期间

识别微小的缺失组件。

一些应用程序受益于串联使用多种类型的计算机视

觉算法，以便它们覆盖彼此的弱点。这种方法在处理高度

可变环境的安全关键应用中很常见，例如驾驶员辅助系统。

例如，您可以使用传统的计算机视觉方法和深度学习模型

来跟踪附近的车辆，并使用算法融合结果以确定这两种方

法是否相互一致。如果他们不这样做，系统可以警告驾驶

员或开始优雅的安全操作。或者，可以按顺序使用多种类

型的计算机视觉。条形码阅读器可以使用深度学习来定位

感兴趣的区域，裁剪这些区域，然后使用传统的 CV 计算

机视觉算法进行解码。

计算机视觉实践

计算机视觉的进入门槛正在逐步降低。OpenCV 等开

源库提供了边缘检测和颜色转换等常见功能的高效实现。

像 tensorflow-lite 和 ONNX 运行时这样的深度学习运行

时使深度学习模型能够在嵌入式处理器上高效运行。这些

运行时还提供了自定义硬件加速器可以实现的接口，以简

化开发人员在准备将算法从 PC 或云上的训练环境移动到

嵌入式处理器上进行推理时的体验。许多深度学习架构也

是公开发布的，因此它们可以重用于各种任务。

德州仪器 （TI） AM6xA 产品组合中的处理器（如

AM62A7）包含深度学习加速硬件以及针对各种传统和深

度学习计算机视觉任务的软件支持。C66x 等数字信号处

理器内核和用于光流和立体深度估计的硬件加速器也支持

高性能的传统计算机视觉任务。

借助能够同时进行传统和深度学习计算机视觉的处

理器，可以构建可与科幻梦想相媲美的工具。自动购物车

将简化购物 ; 手术和医疗机器人将引导医生发现疾病的早

期迹象 ; 移动机器人将修剪草坪并运送包裹。如果您可以

设想它，那么您将要构建的应用程序也可以。█

图2.计算机视觉类型及其应用。

专题/机器学习 FEATURE/MACHINE LEARNING

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 7

可以在多种语言之间进行翻译，包括文本到代码，”辛普

森解释说。“将这种强大的能力嵌入到开发人员可以使用

的工具中，已经被证明是无价的，可以使开发人员更好地

完成工作，并为技术水平较低的人员解锁软件生产。

软件太多，程序员不够

现在是成为软件开发人员的好时机，因为他们的技能

需求从未如此之高。

您可能已经阅读了至少一篇关于困扰 IT 行业十多

年的人才短缺的文章。根本没有足够的熟练专业人员来

填补所有不断出现的新职位。SaaS 领域的爆炸性增长

以及全球对数字化转型和分布式工作的推动只会加剧这

种情况。

换句话说，基于软件的用例和业务应用程序比以往任

何时候都多，但没有足够的人来实际构建软件。

“Code.org 在 2017 年进行的一项调查显示，仅在美

国估计就有 500 万个开放的编程职位，”辛普森指出。“不

幸的是，许多人空缺，特别是因为当年只有 43000 名毕

业生进入市场 ; 而且这个数字还在继续减少。最重要的是，

作者：Nick Greene Independent Contractor

人工智能已经学会了如何编码，这对技术工

作来说是一件好事

AI Has Learned How to Code, And That's a Good Thing for Tech Jobs

虽然它绝不是先进到足以取代人类开发人员，但人工

智能已经学会了如何编码。这使它成为专业人士甚

至技术水平较低的用户的完美配对程序员。

早 在 2011 年， 风 险 投 资 家 马 克· 安 德 森（Marc

Andreessen）就说过，软件正在吞噬世界。1 快进到今天，

似乎他当年表达的观点已经像美酒一样陈年了。不幸的是，

葡萄酒似乎还需要在酒窖里呆几年才能成熟。

不可否认，社会的大部分地区已经从基于硬件的经

济转变为以软件和服务为基础的经济。现在，普通的西方

家庭都可以获得技术和便利，即使在十五年前，它们似乎

也像是从科幻小说中走出来的。分布式工作和软件即服务

（SaaS）等新兴趋势颠覆了多个行业。

我们还没有达到这种转变的顶峰。仍然有一个巨大的

障碍需要克服：根本没有足够的软件开发人员。有趣的是，

软件本身可能是这个问题的解决方案。

“需要软件开发人员的工作数量正在以远远超过进入

市场填补这些职位的熟练专业人员的数量，”AlleyCorp

机器学习负责人 Becks Simpson 解释说。“即使对于那些

已经担任程序员角色的人来说，他们的大部分时间也不一

定花在编写新功能上，而是编写测试、修补安全问题、审

查代码和修复错误。这两个因素使得提高劳动力生产力变

得更加重要，人工智能驱动的自然语言处理（NLP）模型

的最新改进正在使之成为现实。

当然，辛普森指的是这些 NLP 模型的最新版本，统

称为生成预训练转换器（GPT）。你可能已经熟悉至少一

个这样的工具，OpenAI 的 ChatGPT。除了能够以惊人

的准确性响应人类对话之外，这些新的 NLP 模型还可以

在多种语言之间进行翻译，而不仅仅是人类语言。

“凭借其规模、底层架构以及训练数据和制度，GPT

专题/机器学习 FEATURE/MACHINE LEARNING

8 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

开发人员需要足够熟练来填补大多数开发工作所需的时间

从 3 到 5 年不等”。

“根据美国劳工统计局的数据，当程序员准备进入更

高级的角色时，可用角色的数量将增加 28%，”她继续说道。

“即使公司内部建立了开发团队，挑战也不会停止。构建

软件的要求，特别是在质量、安全性和交付速度方面，变

得越来越复杂”。

由于这种复杂性的增加，开发人员必须逐渐减少在

实际开发上花费的时间，而将更多的时间用于解决安全

问题、测试已经编写的代码和修复错误。高级开发人员

在此之上还有更多的责任，因为他们必须花时间指导他

们的初级人员并执行代码审查。所有这一切的结果是，

大多数开发人员只花费大约 30-40% 的时间开发新功能

或优化现有代码。2

这是个坏消息。好消息是，人工智能（AI）可能有

解决方案。人工智能几乎完美地适合大部分额外的工作，

通过将人工智能与人类开发人员配对，我们最终可以帮助

软件克服消化不良的麻烦。

为什么开发人员和机器是天作之合

虽然我们离有感知的机器人还有很长的路要走，但基

于深度学习的 NLP 在过去几年中取得了显着的进步。旧

形式的 NLP 是高度专业化的，必须针对单一的特定目的

进行训练，例如语言翻译或情感分析。另一方面，基于

GPT 的模型是通过大量数据进行预训练的，使他们能够

发展一般的语言处理能力，然后可以根据特定目的进行

微调。

除此之外，这导致了几种人工智能驱动工具的出现，

旨在帮助开发人员提高生产力和代码质量。

“这些工具使用的模型可以解析代码以识别错误和

缺陷，有效地执行代码审查中一些更繁琐的部分，”辛普

森说。“根据 AI-News，最近发布的一些此类工具，如

CodeGuru 和 DeepCode，能够找到人类难以识别的漏洞，

并发现 50% 的拉取请求存在问题。3 此外，现代 NLP 技

术通过帮助自动完成代码部分，监控代码输出的错误，甚

至自动生成单元测试，提高了开发人员的代码质量并加快

了开发速度。”

这个领域的领先品牌之一是 OpenAI，ChatGPT 的

开发者。他们的 Codex 算法可以以惊人的准确性解析代

码。它甚至能够根据人类用户的提示生成代码。

“Codex 的能力来自它所训练的数据，包括自然语言

片段和大量代码，”辛普森继续说道。GitHub 对其性能进

行的一项初步研究表明，对于像编写 HTTP 服务器这样

的普通任务，与开发人员一起利用 AI 将完成时间缩短了

一半。事实上，支撑这个工具的模型可以从一个注释中自

动完成整个代码部分，这也使得初学者和不太熟练的人更

容易理解编码。

这降低了软件开发的障碍，人工智能翻译功能使

新手用户能够将人类语言提示转换为几乎任何编程语

言， 从 Python，JavaScript 和 C++ 到 SQL，NoSQL 或

PostgreSQL。

当然，整个过程仍然存在一些重大限制，例如，语言

模型不能使任何事情变得太复杂。虽然静态网站、简单的

函数和基本的代码翻译都在可能的范围内，但目前任何更

复杂的东西都太复杂了，无法通过人工智能生成。

这些模型也并不总是100%准确。

“通常，Codex 等工具生成的代码大多是正确的，但

仍需要经验丰富的开发人员进行一些干预，”Simpson 说。

“从这个意义上说，这些模型可以提高人类编码导师的生

产力，因为当人工智能遇到问题时，人类可以接管。这还

可以大大提高初级开发人员的生产力，同时减少他们需要

的监督和高级投入。”

弥合人与机器之间的鸿沟

这些创新的软件开发工具均由 OpenAI 的 GPT 架构

提供支持。GPT 接受过从互联网上获取的文本的培训，

从开源存储库和社交媒体上的评论到博客文章和电子书，

最初旨在支持更准确、更逼真的语言生成。然而，培训有

一个意想不到的、相当迷人的副作用 ：GPT 也能够生成

代码，这一认识导致了 Codex 的开发。

但这究竟是如何发生的呢？是什么让 GPT 如此通

用？根据辛普森的说法，有几件事 ：

● 用于训练的数据量。

● 事实上，这些模型是在多任务设置和自我监督方

式下训练的——这与大多数神经网络所经历的监督、单任

务训练有很大不同。

● 更多的参数，使他们能够学习更细微的模式并理

解数据中更复杂的关系。

● 他们最先进的底层架构。

（下转第 15 页）

专题/机器学习 FEATURE/MACHINE LEARNING

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 9

代码都是不受版权保护的，因此使用该代码的产品可能在

任何方面都有可能是专有的。但是，通常情况下，当自动

编码器运行时，工程师或开发人员会在代码进入最终部署

之前对其进行更改、编辑和调整。

那段代码呢？它受到保护吗？嗯，这取决于—

许多可用的自动编码工具，包括 GitHub Copilot，

都是在公共存储库中的代码数据集上进行训练的，在

CoPilot 的情况下，是 Open AI 模型 Codex。如果该代码

中的任何一个以任何有限的方式获得许可，则使用该代码

的任何产品都可能对专利性产生影响。

在 2023 年 3 月为彭博法律撰写的一篇关于人工智

能知识产权问题的文章中，作者写道 ：“如果生成的代码

包括 copyleft 许可证下公开可用的开源代码，例如 GPL

v3，那么它可能会导致整个生成的代码继承相同的开源许

可证，这可能会”污染“开发人员的整个源代码，包括专

有代码。也就是说，如果开发人员在开发的代码中包含开

源许可代码，则开发的代码可能被视为使用开源代码，并

且开源代码的许可证可以应用于开发的代码。

这可能意味着商业产品必须公开其源代码，或者可能

只是意味着该产品不可申请专利。这些风险仍然不确定，

作者：Ken Briodagh 嵌入式设计高级技术编辑

将生成式 AI 用于代码可能是一个很大的风险

Using Generative AI For Code Can Be a Big Risk

（下转第 11 页）

如果你一直注意的话，你就会知道生成式

人工智能工具正被用于创建各个领域的

内容，从视觉艺术到电视和电影剧本和新闻文

章，以及嵌入式领域的许多公司代码。

倡导者将谈论简化流程和上市时间以及

节省成本，但也存在许多担忧。美国作家协

会（Writers Guild of America）最近赢得了

AMPTP 的新合同，这要归功于一场旷日持久

的罢工，这在很大程度上是由于对生成人工智

能工具侵犯作家权利的担忧。该合同包括工作

室在如何使用人工智能制作故事方面的让步，

最值得注意的是，人工智能生成的书面材料不

被视为文学材料、源材料或指定材料。

这与工程师和开发人员有关，因为根据现行法律，计

算机代码作为创造性作品受版权保护，但前提是它是由人

类编码人员大量创建的。在美国哥伦比亚特区地方法院 8

月的一项裁决中，法官 Beryl A. Howell 裁定，根据美国

法律，人工智能生成的艺术不能受版权保护。豪厄尔说，

在判决中，“本案只提出了一个问题，即由计算机系统自

主生成的作品是否有资格获得版权。在没有任何人为参与

作品创作的情况下，登记册给出的答案是 ：不。”

刘宇昆是一位科幻小说作家，毕业于哈佛法学院，在

转向全职写作之前，曾担任公司律师和高科技诉讼顾问。

他的作品包括《折纸动物园》和《国王的恩典》，这是蒲

公英王朝四部曲的第一卷。

当谈到人工智能生成的代码时，刘宇昆说他看到了许

多问题，首先是不清楚它是否可以像其他代码一样受到版

权保护。“如果你使用来自生成代码的软件，你就是在冒

险，”他说 ：“其中许多工具都是在开放数据集上训练的。”

那么，这对编码人员意味着什么，更重要的是，对他

们正在构建的产品意味着什么？

在基本层面上，这意味着任何完全由人工智能生成的

专题/机器学习 FEATURE/MACHINE LEARNING

10 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

典型的是，简单的图形如图 1 所示。

我们的目标是让编译器优化总缓冲区内存需求。考虑

一个简单的神经网络 AI 图中的一个可能的分配序列（图

2 中的左侧图）。首先要了解图形中的不同操作需要不同

的缓冲区大小，并且在下一波处理之前不再需要已完成操

作的输入缓冲区。读取缓冲区 A 后（此处分配了 800K

字节），它可以重用于后续操作，缓冲区 B 也是如此，依

此类推。在图形分支中，左侧图形中的 A 和 B 首先分配

给右侧分支，因此必须为左侧分支分配新的缓冲区 C。

在 这 个 例 子 中 很 容 易 看 出， 最 好 一 开 始 将 B 的

大小扩大到 1000K，然后重用左分支中 B 的全部容

量，只需要右分支中 C 的额外 10K 缓冲区，如右图

所 示。 左 / 右 内 存 需 求 差 异 很 大。 左 图 需 要 2.5MB

（800K+700K+1000K）， 而 右 图 的 修 改 后 顺 序 只 需 要

1.81MB （800K+1000K+10K）。

在通用神经网络 AI 图中找出最优排序是众所周知的

0-1 背包问题的一个例子。我们已经进行了初步测试，以

研究优化如何改善固定大小的 L2 存储器的封装。即使在

这个初步阶段，结果也相当令人印象深刻。我们测试了几

种常见的网络，以适应大小为 2MB 和 2MB 的 L4 内存。

在优化之前，只有 13% 的模型适合 2MB，只有 38% 适

合 4MB。优化后，66% 的模型适合 2MB，83% 的模型适

作者: Rami Drucker CEVA公司视觉业务部门 机器学习软件架构师

为边缘高效打包神经网络 AI 模型

Efficiently Packing Neural Network AI Model for the Edge

将应用打包到受限的片上存储器中是嵌入式设计中常

见的问题，现在在将神经网络 AI 模型压缩到受限

存储中同样重要。

在某些方面，这个问题甚至比传统软件更具挑战性，

因为基于神经网络的系统的工作内存都是“内部循环”，

其中向外翻页到 DDR 内存的需求可能会降低性能。推理

期间同样糟糕的重复 DDR 访问将破坏边缘设备的典型低

功耗预算。更大的片上存储器是解决问题的一种方法，但

这会增加产品成本。在可能的情况下，最好的选择是尽可

能高效地将模型打包到可用内存中。

在编译神经网络 AI 模型以在边缘设备上运行时，有

一些众所周知的量化技术可以减小大小 ：将浮点数据和权

重值转换为定点，然后进一步缩小到 INT8 或更小的值。

想象一下，如果你能走得更远。在本文中，我想介绍几种

图形优化技术，这些技术将允许您拟合更广泛的量化模型，

例如 2MB L2 内存，而这些内存在单独量化后无法适应。

优化神经网络 AI 图中的缓冲区分配

神经网络 AI 模型以图形的形式表示和管理，其中操

作是通过缓冲区互连的节点。这些缓冲区是内存中的固定

分配，它们的大小在图形编译时确定，以保存中间计算结

果或图形的输入和输出。最基本的图形类型是管道，但更

图1. 一个示例计算图：正方形表示张量数据（E：外部，C：常数，V：变量，T：正则张量），椭圆表示运算。

专题/机器学习 FEATURE/MACHINE LEARNING

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 11

合 4MB。仅此一项优化就非常值得努力，以确保更多模

型可以完全在片上存储器中运行。

通过缓冲区合并优化神经网络 AI 模型

在卷积神经网络 AI 模型中，缓冲区大小通常在前几

层之后缩小。这表明，一开始分配的大型缓冲区可以通过

与以后较小的缓冲区要求共享空间来更有效地使用。图 3

说明了这种可能性。

我们进行了试验优化，以了解这种合并会对总内存需

求产生什么影响。在一系列非常熟悉的网络中，我们看到

总规模从 15% 减少到 35%。同样，这些都是非常有吸引

力的改进。

外包

通过这些优化，我们已经运行了各种流行的卷积神经

网络 AI 模型，从检测到分类再到分割，以及 RNN 模型。

几乎所有车型都显示出有意义的打包改进，在许多情况下

将模型完全移动到 4MB L2 中，或者在某些情况下将大

部分模型移动到 L2 中，只在 DDR 内存中留下一部分。

如果您的神经网络 AI 模型不适合您的片上存储器，

那么一切都不会丢失。在 AI 编译器阶段可以进行缓冲区

优化，这可以显着压缩总模型大小。█

（上接第 9 页）

图2.说明缓冲区分配的简单图表。左侧的分配分配通过切换 B 和 C 并超大 B 在右侧得到改进。

因为我们处于这些人工智能工具开发的早期阶段，而且它

们还没有受到法律挑战。但这是一个问题。事实上，即使

使用生成式 AI 编写的代码，也可能使您面临版权侵权诉

讼，具体取决于模型经过训练的代码集。

然而，这并不是一个失败的事业。刘宇昆说，尽管

版权保护绝对需要人为干预，但“人类的创造力有可能

是最小的。以某种新顺序重新排列数据或代码可能是可

以保护的。”

IAC 和 Expedia 主席 Barry Diller 呼吁制定标准和

裁决，以定义有关 AI 生成内容的法律，因为这些问题。

他在最近接受CNBC采访时表示，合理使用原则需要更新，

以反映生成 AI 的使用。“我们要做的就是确定人工智能没

有合理使用这样的事情，这给了我们地位，”迪勒说。

这一点让人担心，任何由生成式 AI 构建的产品都可

能被裁定为衍生作品，这意味着代码或数据集的创建者可

能拥有代码的权利。法律尚未确定这一先例如何影响这些

问题。

“目前尚不清楚足够长的代码字符串是否可能是抄

袭，”刘宇昆说。“我们还没有看到任何诉讼。”

版权和代码问题必须得到解决，然后任何人都应该有

信心在下一个产品或解决方案中使用生成式 AI 代码。风险

太大了，即使你认为自己不会被注意到、抓住或起诉。█

图3.一个不同的简单图，其中缓冲区 A 的初始分配稍后可以在

左右分支之间共享：此处 C 缓冲区位于初始 A 缓冲区内。

专题/机器学习 FEATURE/MACHINE LEARNING

12 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

便进行有效的分析和决策。它涉及诸如清理数据以消除错

误和不一致、通过插值或外推处理缺失值、寻址异常值以

及归一化要素等任务。对于图像数据，调整大小可确保一

致性，而规范化方法可标准化像素值。传感器数据（如

LiDAR 或雷达读数）可能会经过噪声消除或异常值检测

等滤波技术以提高质量。

通过执行这些预处理步骤，ADAS 系统可以使用可靠

和标准化的数据，从而提高预测的准确性和整体系统性能。

网络架构选择

网络架构选择是 ADAS 中的另一个重要过程，因为

它优化性能，确保计算效率，平衡模型复杂性和可解释性，

支持泛化到各种场景，并适应硬件约束。

通过选择合适的架构，例如用于视觉任务的卷积

神经网络 （CNN） 和用于顺序数据分析的递归神经网络

（RNN） 或长短期记忆网络 （LSTM），ADAS 系统可以提

高精度、实现实时处理、解释模型决策，并在资源限制内

运行的同时有效处理各种驾驶条件。

CNN 利用卷积和池化层来处理图像并捕获空间特

征，而 RNN 和 LSTM 捕获时

间依赖性并保留内存以执行预测

驾驶员行为或检测睡意等任务。

训练数据准备

ADAS 中的训练数据准备

有助于数据拆分、数据增强和其

他必要步骤，以确保有效的模型

学习和性能。数据拆分涉及将收

集的数据集划分为训练集、验证

集和测试集，从而能够训练深度

学习网络，使用验证集调整超参

数，并使用测试集评估最终模型

的性能。

数据增强技术（例如翻转、

作者： Ambuj Nandanwar 软航市场营销专家

人工智能(AI)利用深度学习技术增强 ADAS

Artificial Intelligence (AI) Utilizing Deep Learning Techniques to Enhance ADAS

人工智能和机器学习通过利用深度学习技术的优势，

极大地彻底改变了高级驾驶辅助系统（ADAS）。

ADAS 在很大程度上依赖于深度学习来分析和解释从各种

传感器获得的大量数据。摄像头、LiDAR（光探测和测距）、

雷达和超声波传感器就是这些传感器的例子。从车辆周围

环境实时收集的数据包括图像、视频和传感器读数。

通过将机器学习开发技术有效地整合到深度学习模

型的训练中，ADAS 系统可以实时分析传感器数据并做出

明智的决策，以提高驾驶员的安全性并协助驾驶任务，使

其为未来的自动驾驶做好准备。

它们还可以估计周围物体的距离、速度和轨迹，使

ADAS 系统能够预测潜在的碰撞，并提供及时的警告或采

取预防措施。让我们深入了解 ADAS 中深度学习技术的

关键步骤以及 ADAS 系统开发和部署中常用的工具。

开发和部署ADAS深度学习模型的关键步骤

数据预处理

ADAS 中的数据预处理侧重于准备收集的数据，以

专题/机器学习 FEATURE/MACHINE LEARNING

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 13

旋转或向图像添加噪声）用于增强训练

数据的多样性和大小，从而降低过度拟

合的风险。这些步骤共同提高了训练数

据的质量、多样性和可靠性，使 ADAS

系统能够做出准确而稳健的决策。

培训过程

ADAS 系 统 中 的 训 练 过 程 涉 及 使

用优化算法和损失函数训练深度学习模

型。这些方法用于优化模型的性能，最

大限度地减少误差，并在实际驾驶场景

中实现准确的预测。通过在优化过程中

调整模型的参数，模型从数据中学习并

提高其做出明智决策的能力，从而提高

ADAS 系统的整体有效性。

物体检测和跟踪

物体检测和跟踪也是 ADAS 中的关键步骤，因为它

使系统能够检测行车道或实施行人检测以提高道路安全

性。在ADAS中执行目标检测有几种技术，一些流行的基于

深度学习的技术是基于区域的卷积神经网络（R-CNN），

单次多盒检测器（SSD）和你只看一次（YOLO）。

部署

在 ADAS 中部署深度学习模型可确保经过训练的深

度学习模型与车辆的硬件组件兼容，例如车载计算机或专

用处理器。必须对模型进行调整，以便它可以在已经存在

的硬件架构中无缝运行。

这些模型需要集成到车辆的软件堆栈中，允许它们与

其他软件模块和传感器进行通信。它们处理来自各种来源

的实时传感器数据，例如摄像头、激光雷达、雷达和超声

波传感器。这些部署的模型分析传入的数据流，检测对象，

识别车道标记，并根据其解释做出与驾驶相关的决策。这

种实时处理对于提供及时警告和在危急情况下协助驾驶员

至关重要。

持续学习和更新

● 在线学习 ： ADAS 系统可以设计为基于新数据和

经验不断学习和更新深度学习模型。这涉及整合机制，使

模型适应不断变化的驾驶条件、新场景和不断变化的安全

要求。

● 数据收集和注释 ：持续学习需要收集新数据和注

释来训练更新的模型。这可能涉及从各种传感器获取数据，

手动注释或标记收集的数据，并相应地更新训练管道。

● 模型重新训练和微调 ： 收集新数据后，可以使用

新数据重新训练或微调现有的深度学习模型，以适应驾驶

环境中的新兴模式或变化。

ADAS开发中常用的工具、框架和库

● TensorFlow ：谷歌开发的开源深度学习框架。它

为构建和训练神经网络提供了一个全面的生态系统，包括

用于数据预处理、网络构建和模型部署的工具。

● PyTorch ：另一个广泛使用的开源深度学习框架，

提供动态计算图，使其适用于研究和原型设计。它提供了

一系列用于构建和训练深度学习模型的工具和实用程序。

● 克拉斯 ：一个运行在 TensorFlow 之上的高级深

度学习库。它提供了一个用户友好的界面，用于构建和训

练神经网络，使初学者和快速原型都可以访问。

● 咖啡 ：专为速度和效率而设计的深度学习框架，

通常用于 ADAS 中的实时应用。它为模型部署提供了一

组丰富的预训练模型和工具。

● 公开简历 ：一个流行的计算机视觉库，提供广泛

的图像和视频处理功能。它经常用于预处理传感器数据、

执行图像转换以及在 ADAS 应用中实现计算机视觉算法。

将深度学习技术集成到 ADAS 系统中，使他们能够

分析和解释来自各种传感器的实时数据，从而实现准确的

物体检测、碰撞预测和主动决策。这最终有助于实现更安

全、更先进的驾驶辅助功能。█

Sensors

• Cameras

• LIDAR

• Radar

Network Architectures

• CNNs

• RNNs

• LSTM

• R.

CNN

Autonomous features

• Adaptlve cruise control

• Front/Rear collision warning

• Lane keep assist

ADAS中的网络架构和自主功能 • Blind spot detection

技术荟萃 TECHNICAL CLUSTER

14 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

用 AMR 完成您的智能工厂

Complete Your Smart Factory With an AMR

智能工厂是相当新的概念，但在过去十年中比前 50

年发展得更多。首先，智能工厂是一种先进的制造

设施，采用物联网、人工智能和自动化等尖端技术来优化

整个生产过程。

它将机器、设备和系统无缝连接到集中式网络，实现

实时数据交换和分析。这些不同的连接提高了运营效率、

质量控制和响应能力。

为了获得情报，传感器收集有关设备性能、生产指标

和环境条件的数据，促进预测性维护并减少停机时间。人

工智能算法解释这些数据，以优化生产调度、资源分配和

流程调整，从而提高整体生产力。

在过去几年中，智能工厂在自主移动机器人（AMR）、

新视觉技术和人工智能的推动下经历了显着的发展。物联

网允许这些机器以前所未有的速度实时收集数据。人工智

能与机器学习相结合，可实现复杂的预测性和规范性分析，

优化生产流程并最大限度地减少中断。

边缘计算越来越突出，使数据处理更接近源头，从而

更快地做出决策。此外，5G 技术已经开始彻底改变智能

工厂内的通信，促进超低延迟和高带宽连接。

由机器人和智能系统驱动的自动化可以精确快速地

处理重复性任务。这些系统被称为协作机器人或协作机器

人，正变得越来越普遍，增强了生产线中的人机交互和灵

活性。

让抗微生物药物耐药性接管

AMR 可以在不需要持续人工干预的情况下导航和执

行任务。它们集成了各种技术，例如传感器、摄像头、激

光雷达和高级算法，以感知和解释周围环境。这些机器人

可以自主规划路径，避开障碍物并做出实时决策，使其能

够在动态环境中有效地执行任务。

AMR 正用于制造、仓储、物流和医疗保健等各个行

业，以运输货物、执行检查和协助各种操作。与人类工人

作者：嵌入式设计编辑部

不同，AMR 不介意重复性工作，他们不抱怨，他们不需

要假期或病假，尽管他们确实需要定期维护。

AMR 通常由几个关键组件组成，使其能够独立导航

和执行任务。传感器（包括摄像头、激光雷达、超声波和

惯性传感器）为感知和障碍物检测提供环境数据。这些传

感器将信息馈送到负责实时数据处理和决策的板载处理器

（功能强大的 CPU 和 GPU）。机器人的控制系统集成了运

动规划算法，可在避开障碍物的同时生成可行的路径。

为了执行物理任务，自主移动机器人利用轮子、轨道

或腿等执行器进行运动和操纵。这些组件由电机控制器驱

动。Wi-Fi 或 5G 等通信模块有助于与中央系统或其他机

器人的连接，以进行协调和数据交换。此外，机器人的软

件堆栈包括导航软件、定位算法和用于高级决策和学习的

人工智能组件。

通常，您可以期望看到在设施内移动库存、协助拣选

过程并提供灵活分拣解决方案的 AMR。具体而言，这些

应用程序包括 ：

● 自动箱子和托盘处理

● 自动检测

技术荟萃 TECHNICAL CLUSTER

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 15

● 自动存储和检索

● 条形码 / 二维码读取

● 拣选系统

● 机器人引导

● 分拣系统

● 仓库自动化

嵌入式系统胜任任务

像神通 MP1-11TGS 这样的平台非常适合在智能工

厂中驱动 AMR。基于英特尔 Tiger Lake-UP3 酷睿 i7/

i5/i3/ 赛扬 ULV 系列处理器和集成英特尔锐炬 Xe 显卡，

展现出出色的图形计算能力。通过 HDMI 和 DisplayPort

支持四重显示器。可以使用高达 32 GB 的 DDR4 内存，

以及通过热插拔插槽的 SSD/HDD。I/O 由 8 个 USB 端

口和 24 个 COM 接口处理。输入电压范围为 8~24 V。

MiTAC MP1-11TGS-D 提供类似的特性，但它的

包装略大。因此，它将 SSD/HDD 支持增加了一倍，并允

许从 12 到 36 V 的更宽输入电压。此外，该平台在前后

提供 I/O 模块扩展，以及用于摄像机连接的 PoE 端口。

这两个系统都旨在最大限度地提高电源效率。此外，

每个都可以容纳一个扩展模块，通过 LAN，PoE，COM，

CAN 和其他端口大大增加 I / O 支持。

智能工厂正在成为许多制造和自动化设施的最佳选

择。如果您已经决定转向智能工厂，请仔细查看 MiTAC

产品，这些产品非常强大。这里描述的平台可以处理必要

水平的冲击和振动，并且无需风扇即可运行。█

无风扇MP1-11TGS嵌入式系统是AMR的完美候选者。它由Intel Tiger LakeUP3微处理器驱动。

“大多数神经网络都是为了执行一项任务而设计的，

因此，需要专门标记的数据来学习如何完成这项任务，”

辛普森解释说。“相比之下，GPT-3 被训练来预测序列中

的下一个单词，因此数据不需要标记。这是翻译、文本生

成和问答等许多任务的支柱。”

很大程度上由于它们越来越复杂，GPT-3 和 GPT-4

等变压器模型在几个关键方面优于旧的 NLP 基准。他们

不是逐字处理语言，而是一次处理整个句子，然后使用注

意力函数来帮助他们解析这些句子。结果是一个更大的模

型，不仅可以学习更多，而且不再忘记单词之间的关系或

与递归或并行化的斗争。

“由于 GPT-3 和 GPT-4 可通过 OpenAI 提供的应

用程序编程接口获得，因此它们可以合并到其他 AI 中用

于编码产品，从而进一步使编码访问民主化，”辛普森补

充道。

结论

对软件开发人员的需求大大超过供应，并且在可预见

的未来可能会继续如此。

但这不再是开发和分发新软件的瓶颈。通过人工智

能，开发人员可以大大提高他们的输出和代码质量。我认

为，这正是人工智能一直以来的目的——不是作为人类的

替代品，而是作为人类的合作伙伴。

“随着最近基于人工智能的 NLP 模型的巨大改进，为

人类开发人员提供人工智能驱动的配对程序员的梦想正在

成为现实，”辛普森总结道。“通过将此类模型嵌入到他们

的日常工具中，程序员将获得很多收益，而即使是初级开

发人员和技术人员也可以从现在可用的文本到代码功能中

受益。软件可能无法独自吞噬世界，但人工智能肯定可以

提供帮助。”█

参考文献 ：

1. 马克 · 安德森。 “为什么软件正在吞噬世界。 《华尔街日

报》， 2011 年 8 月 22 日

2. 克里斯·格拉姆斯。“开发人员实际花多少时间编写代码？”

新堆栈， 2021 年 10 月 28 日

3. 瑞安 · 道斯。 “DeepCode 为超过 21 万开发人员提供了 AI

代码审查。 人工智能新闻， 2020 年 7 月 21 日。

（上接第 8 页）

特色产品 FEATURED PRODUCTS

16 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

安森美的成像技术助推视觉产品创新

在机器视觉普及的时代，图像传感器作为其“眼睛”有

着越来越多的各样的应用。安森美 (onsemi) 的图像

传感技术通过不断地技术创新，力求满足越来越广泛的市

场领域需要。如今，越来越多的家庭和企业安装摄像头做

监控，据 Yole 统计，预计到 2030 年底，此市场将增长两

倍。因此，消费者需要有更优秀的图像质量、更可靠和更

长电池寿命的设备，来提升整体使用体验。由于这些相机

通常会被放置在难以更换电池或充电的位置，因此低功耗

成为一个关键需求。对此，安森美推出了一些低功耗的高

质量图像传感技术，场景覆盖智能门禁、安防摄像头、增

强现实（AR）/ 虚拟现实（VR）/ 扩展现实（XR）头戴装置、

机器视觉和视频会议等。比如其中的智能运动侦测唤醒技

术（smart Wake on Motion），非常适用于对运动侦测有需

求的低功耗物联网设备，例如安防领域的智能门铃门锁等。

安森美的 Hyperlux LP 系列图像传感器即具备上述的

Wake on Motion 低功耗技术。在增强了设备的侦测能力

的同时，有效地降低功耗。Hyperlux LP 系列同时具有高

分辨率的非常优秀的图像解析力，客户可以根据使用情况，

选用 500 万分辨率的 AR0544、800 万分辨率的 AR0830

或 2000 万分辨率的 AR2020。另外此产品系列还采用堆

叠式架构设计，能最大限度地减少产品体积，最小型号小

如一粒米，成为受尺寸限制困扰的紧凑型设备的理想选

择，大大适应了相关领域产品的发展需求。下面，将针对

Wake on Motion 低功耗技术做一些较为详尽的介绍。

Wake on Motion技术介绍

顾名思义，wake on motion 即为运动侦测唤醒，即

当传感设备检测到前方某距离内有移动物体时，则退出休

眠状态，进入工作状态，这样降低了功耗，保证了设备在

需要工作的状态才工作，其他时候可以通过休眠节电。

传统的 wake on motion 实现一般基于被动红外传感

器（PIR）。这种传感器应用广泛，但存在误触发率高的

问题，导致系统功耗优化有限，产生 50% 左右的功耗额

外消耗。

ansemi's Imaging Technology Boosts Visual Product Innovation

安森美公司供稿

智能运动侦测唤醒技术

针对 PIR 的误触发问题，安森美推出智能运动侦测唤

醒技术，其方案是采用图像传感器融合 PIR 进行运动侦测

唤醒。核心关键在于在很低的功耗下赋予图像传感器运动

侦测能力。该方案采用了独有的 Motion-DCT 算法，结

合图像传感器的 scale 或 binning 技术在获取的较低分辨

率图像上快速实时准确地做出运动侦测。该方案的特点为：

● 准确性高

● 速度快

● 功耗低

● 实时性强

方案示例如下图。从图中可见，左侧采用了 PIR 和

图像传感器两方进行运动侦测并反馈到 CPU 处理器。该

方案有两种使用策略 ：Cascade 级联和 Parallel 并行。具

体含义为 ：

● Cascade ：首先 PIR+MCU 检测到物体移动，然

后再采用图像传感器的检测结果做为确认 ；

● Parallel ：PIR 和图像传感器的检测结果同时传送

到 CPU 作为运动侦测结果的判断依据。

此方案适用的参数范围为 ：

● 10lux ~ 10000lux 亮度范围 ；

● 图像传感器一次检测耗时在 100ms 内 ；

● 视场角在 100 度时，检测距离在 7-8 米内 ；

● 物体尺寸在 4K 分辨率下不能小于 32x32 像素大小；

● 物体最小移动速度不能低于每帧 4 个像素距离。

特色产品 FEATURED PRODUCTS

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 17

感兴趣区域（Zones）选择功能

AR0830 运动侦测技术支持感兴趣区域选择功能，以

进一步降低系统功耗。即 ：将整幅图像分成若干区域，供

用户选择是否使用该区域图像做运动侦测，以避免无效区

域，从而降低算法的计算量，提升检测速度及降低功耗。

如下图展示的一个区域选择示例。图中，将整幅图

像分成了 5X5 的区域块，选取了 A,B,C 三个方块区域

作为 MASK 区域，即不感兴趣区域，不参与运动侦测计

算，其他方块区域作为感兴趣区域参与运动侦测计算。除

ABC 区域外的任何区域中

检测到运动物体，则该区

域将得到一个运动标记。

以上区域划分和设定均可

以由图像传感器的寄存器

操作完成。

下图是在实际应用场景中的示例 ：

可以看到，在该图中，只有中间区域被选作了感兴趣

区域。而我们对画面进行运动捕捉 block 分区，只需关注开

启区域的运动检测，像上图中典型的可视门铃场景内存在树

木花草，一旦有什么“风吹草动”或者小动物经过，很可能

系统就开启误报，而可编程的运动捕捉区域，可以很好的降

低这种误报。配合 PIR，通过 sensor 自带的运动捕捉和超

级低功耗模式，可以让整机系统电池使用时间延长 40%。

工作原理

安森美图像传感器 AR0830 采用的 Motion-DCT 运

动侦测算法基本原理是计算每帧 Gr 像素的 DCT 和，并

比较两个连续帧之间 DCT 和的差异。如果差值等于或大

于预定义阈值，则检测到物体运动发生。

如前所述，安森美的智能运动侦测唤醒技术采用图像

传感器融合 PIR 进行运动侦测唤醒，且该方案有两种使

用策略模式 ：Cascade 和 Parallel。下面详细介绍一下。

● Cascade 级联模式 ：当廉价的 PIR 运动检测传感

器检测到有运动时，它会发送触发信号，将图像传感器从

硬件 / 软件待机状态唤醒。图像传感器启动 Motion-DCT

计算。如果确认了运动，图像传感器会向主机发送中断信

号。在某些帧之后，图像传感器将返回软待机状态，并等

待 PIR 的下一个触发（主机可能会将传感器置于硬待机

状态）。在此模式下，Motion-DCT 侦测使能选项处于启

用状态，但图像数据流保持关闭状态。

● Parallel 并行模式 ：图像传感器与 PIR 运动检测

传感器并行工作（如果有）。当 PIR 传感器或图像传感器

检测到运动时，来自相应传感器的中断信号被发送到主机。

图像传感器将持续检查成对活动帧内的运动，并在每个编

程时隙强制传感器软待机一次，以节省电源。当检测到运

动时，主机可以切换到流模式并再次进入并行模式。

需要注意的是，Cascade 和 Parallel 两种模式互斥，

同时只能选其一。

在实际产品应用的时候二者特点或区别在于 ：

并行模式 ：

● 可在低功耗模式下编程，即图像传感器在仅 t1

模式下输出 1 个 t1 帧，或在基于帧的 HDR 模式下输出

一对 t1/t1 帧，进入待机状态，达到 md 待机计数后唤醒。

无论是否检测到运动，序列都会重复。

● 当主机清除 md_par_en 时，图像传感器退出并

行模式并进入正常流。

● 如 果 stream_mode（ 设 置 了 md_par_en） 或

md_par_n（设置了 stream_mode），md 操作将重新启动。

级联模式 ：

特色产品 FEATURED PRODUCTS

18 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

● 传 感 器 需 要 设 置 Md_cas_en 才 能 监 听 Md_

trigger 引脚（通过 GPI）。

● 在级联模式下，用户的 MCU 为传感器提供有效

的触发脉冲。

● 当应用 md_hd_en 选项时，传感器将检测到较小

的运动，并检查额外的一组帧以确认运动。

性能介绍

下图是当人在垂直于光轴方向水平走过摄像头时候

的运动侦测准确率情况 ：

下图是当人沿光轴方向径直走向摄像头时候的运动

侦测准确率情况 ：

可以看到 ：

● 在八米范围都能检测有效检测到移动物体 ；

● 在较近距离（1 米，2 米）相对于较远距离（4 米，

8 米）有更灵敏的检测 ；

● 更高的环境亮度能带来更灵敏的检测能力。

另外，此方案的功耗性能为 ：

Host CPU wake up + image sensor – 800~1200mw

Host CPU wake up + image sensor +Wifi module – 1.2~1.8W

总体而言，在前述的适用参数范围内，该方案具备良

好的适用性和准确性能以及低功耗的显著特点。█

评奖

“CIIF 大奖”是中国工博会评奖体系下的最高奖项，

授予代表全球工业和信息化融合的前沿水平，在技术创新

和模式创新上取得重大突破，实现示范应用或规模化商用，

并对行业、地区发展起到引领和带动作用的世界工业产品。

“CIIF 专项奖”授予在工业制造专业领域实现关键突破，

引领产业发展，具有突出效益的优秀产品和技术。

第 23 届中国工博会共受理了 559 项参评展品，评选

出 1 项“CIIF 特别大奖”、8 项“CIIF 大奖”，以及六个

专项奖，即“CIIF 机器人奖”、“CIIF 新材料奖”、“CIIF

智能制造奖”、“CIIF 信息技术奖”、“CIIF 创新引领奖”

和“CIIF 高新技术工程奖”。

沪东中华造船(集团)有限公司

17.4万立方米LNG浮式储存再气华装置

中国科学院近代物理研究所

兰州科近泰基新技术有限责任公司

医用重离子加速器

中建材玻璃新材料研究集团有限公司

蚌埠中光电科技有限公司

凯盛科技集团有限公司

中国建材国际工程集团有限公司

8.5代TFT-LCD玻璃基板

上海振华重工(集团)股份有限公司

振华重工天鲲号-天津航道局6600KW

自航绞吸式挖泥船

复旦大学附属中山医院

山东华安生物科技有限公司

Xinsorb生物可吸收冠脉雷帕霉素

洗脱支架系统

南京翼辉信息技术有限公司

自主内核大型嵌入式实时操作系统SylixOS

西门子(中国)有限公司

SiePA: 西门子预测性分析系统

中国石化上海石油化工股份有限公司

核工业第八研究所

东华大学

云路复合材料(上海)有限公司

库贝化学(上海)有限公司

碳纤维冬奥炎炬首创应用及集成技术

上第卫星工程研究所

“天门一号”火星环绕器

CIIF

特别大奖

CIIF

大奖

（上接第 27 页）

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 19

应用空间 APPLICATION AIDS

工业 AI ：甾族化合物的预测性维护

Industrial AI: Predictive Maintenance on Steroid

自工业革命以来，资产密集型组织采用系统的“纸笔”

方法来检查、评估和诊断设备、机械和基础设施，

以识别潜在问题、评估严重性并建议适当的行动。

2006 年，智能制造一词被创造出来，代表利用大规

模优化、传感器网络、数据互操作性和需求驱动的安全性

的技术驱动方法。物联网 （IoT） 的结合推动了互联设备、

传感器和软件网络的转型，这些网络监控和优化了生产过

程。智能资产演变为收集和共享数据，同时与其他互联资

产汇总，提供有关该资产的经济、环境、健康和安全绩效

的主动反馈。

物联网的出现创造了历史上前所未有的信息爆炸式

增长。根据国际数据公司的一份报告，预计到 2025 年将

生成 175 ZB 的数据。其中，大约 80 ZB 的数据可归因于

物联网设备。

资产密集型公司现在正在转向人工智能（AI）来利

用数据的力量。人工智能有助于提高设备的可靠性和可用

性，同时控制维护成本。通过将物联网与高级分析功能以

及传统的精益工具和技术相结合，可以预测和预防设备故

障，同时使不需要维护的资产继续平稳运行。

预测性维护

预测性维护使用机器学习算法从传感器和维护日志中

引入历史数据，以识别数据中的模式。当提供足够的信息时，

收集的数据可用于构建概述正常操作的模型。然后，正常

行为模型可以实时分析设施数据，并识别和标记任何偏离

既定规范的值。当发现正常操作之外的事情时，模型可以

精确地确定故障何时以及如何发生 - 一种主动的资产维护

和管理方法。就像那位拥有数十年经验的专家一样，该模

型可以调用存储在数十年维护日志中的数千年综合经验。

机器学习还会随着时间的推移维护模型。对于不使用

AI 的传统预测模型，即使是单个变量（例如更换的零件）

的更改也需要重新设计整个模型。这也适用于资产在其生

作者：Milton Lopez Sparkcognition首席设计师

命周期内经历的正常变化，即长时间使用的组件的性能与

全新组件不同。机器学习 （ML） 模型通过适应任何组件或

资产并适应变化来动态学习和维护自身。这意味着，随着

模型在资产性能中面临更大的可变性，它对资产使用的自

然变化更具弹性。

当系统或子系统无法提供预测性维护所需的数据类

型或数量时，SparkCognition 的 Deep ML 驱动的自然语

言处理（NLP）技术可以破译和使用非结构化数据，包括

PDF、书籍、期刊、音频、视频、图像、笔记、模拟数据

和一系列其他来源。借助 NLP，预测性维护模型可以使

用传感器以外的数据源，包括所有与资产相关的数据，例

如维护记录。通过从资产的维护历史中提取事实、数字、

实体和上下文数据，配备 NLP 的预测性维护解决方案可

以找到指示潜在故障的因果模式，即使在缺乏传感器的所

谓暗子系统中也是如此。

NLP 技术通过摄取历史记录、服务手册和主题专家

过去的行动方案，使资产管理更进一步，通过列出可能的

后续步骤并提出纠正措施来加快维护过程。

结果，人工智能 （AI） 通过解释条件和做出决策，无

需直接人工干预，从而将资产和连接设备的优势叠加在一

起。人性化的意识和决策提高了效率并改进了流程。这是

对甾族化合物的预测性维护。█

行业风云 INDUSTRY INTERCHANGE

20 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

9 月 中 旬，AMD 正 式 推 出 了 Kira K24 系 统 模 块

(SOM)、KD240 驱动器入门套件，尺寸极小，能效极高，

非常适合对成本非常敏感的工业和商业边缘应用。AMD

核心垂直市场副总裁 Hanneke Krekels 表示 ：“AMD Kria

K24 SOM 和 KD240 开发平台建立在 Kria SOM 产品组合

带来的突破性设计体验之上，为机器人、控制、视觉 AI

和 DSP 应用提供了解决方案。系统架构师必须满足日益

增长的性能和能效需求，同时还要降低成本。K24 SOM

能以小尺寸提供高每瓦性能，并将嵌入式处理系统的核心

组件安装在单块量产就绪型板卡上，以加速上市进程。”

AMD Kira 系列产品历史悠久、型号丰富、功能强大，

有着丰富的应用，比如为视觉处理、AI 与机器学习、驱

动与达控制、嵌入式计算、工业物联网系统集成等等，在

中国市场也有广泛的生态系统，得到了大量中国企业的采

纳，包括 AI 边缘器件。

“我们在工业互联网时代，经常有多任务需要同时

进行，而电机控制系统需要处理很多轴。Kria 产品在

这方面拥有优势，它能够集成很多轴，以此控制成本。”

Krekels 介绍。

作为 Kria SOM 系列的最新成员，Kria K24 SOM 更

注重尺寸、功耗、成本等方面的设计，并采用了先进的

InFO( 集成扇出 ) 封装，尺寸相比 Kira K26 大大缩小，

只有银行卡的一般。其功耗也只有 2.5 瓦，相当于 Kira

K260 的大约一半，是基于 DSP 应用的最佳解决方案之一。

产品优势

Hanneke Krekels 表示 ：“电机无处不在，从公共交

通到其它发电系统，从工厂自动化到仓储所使用的机器人

到医疗设备，甚至农业的空中系统。数据显示，这些电机

消耗了全球工业能源总用量的 70%。而且现在的电机也

变得更加精密复杂，提供各种速度能力，并且越来越多采

用新材料设计，包括碳化硅和氮化镓来提升效率与性能，

同时还能够降低能耗。这些新的现代电机确实令人印象

非常深刻，但是它们也需要电机驱

动系统来控制这些电机，这样才能

使其扭矩、速度以及应变速达到最

大，同时还能使能耗降到最低。电

机驱动系统主要是有三个要素，第

一是驱动器，第二是供电部分，第

三是电机本身。”因此 Hanneke 也

表示 ：“提高电机的效率将对全球

用电量产生显著的积极影响。提高

这些应用的效率够使能耗降低 15% 到 40%。所以，如果

能够提升这些复杂电机的控制系统以及控制这些电机的电

度的话，对于全球用电量会产生非常大的影响。全球工业

总用电量中的约 70％与电机和电机驱动系统相关。因此，

即使驱动系统效率提升 1％，也能显著降低运营成本、节

省能耗、保护环境。”

据介绍，K24 SOM 内含定制打造的 ZynqUltraScale+

MPSoC 器件，配套的 KD240 入门套件是一款价格低于

400 美元的、基于 FPGA 的电机控制套件。与其它基于处

理器的控制套件相比，KD240 支持开发人员在设计周期

中更为成熟的节点入手，使入门级开发人员能够轻松使用。

K24 SOM 满 足 用 于 工 业 环 境 应 用， 其 所 支 持

的 设 计 环 境 比 此 前 任 何 一 代 产 品 都 要 多。 其 中 包 括

MatlabSimulink 等常见的设计工具与 Python 等语言，以

及其对 PYNQ 框架广泛的生态系统支持。此外，它还支持

Ubuntu 和 Docker。软件开发人员也可在使用 AMDVitis

电机控制库的同时，保持对传统开发流程的支持。

Kria K24 SOM 采用 Zynq UltraScale+MPSoC 架构，

带来高水平确定性、可靠性和安全性，多种电机连接和驱

动级技术，构建低功耗数字信号处理 (DSP) 解决方案，实

现高能效计算。

据 Krekels 介 绍 ：“Zynq UltraScale+ 自 适 应 SoC

能够实现混合关键性，通过该功能，K24 SOM 可非常简

单地控制不同任务之间的优先级，并通过使用 MPSoC 来

AMD 核心垂直市场副总裁

Hanneke Krekels

AMD Kira K24 SOM系统模块让

电机运行更智能

AMD Kira K24 SOM System Module Makes Motor Operation More Intelligent

行业风云 INDUSTRY INTERCHANGE

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 21

确保功能安全性，甚至还有一个内置 HMI。可编程的 I/O

结构可以与任何传感器进行连接，包括环境、方向、视觉

和其它传感器。”

此外，Kria SOM 使开发人员能够跳过围绕所选芯片

器件的大量设计工作，而专注于提供差异化增值功能。

结合 KD240 驱动器入门套件

这款开箱即用的、基于电机控制的

开发平台使用时，产品便可提供利

用 K24 SOM 进行量产部署的无缝

路径。用户可以快速启动并运行，

从而加快电机控制和 DSP 应用上

市进程，而无需具备 FPGA 编程专

业知识。

连接器兼容性支持在 K24 和

K26 SOM 之间轻松迁移，无需更换板卡，令系统架构师

能够平衡高能效系统的功耗、性能、尺寸和成本。

K24 SOM 提供商业和工业两种版本。除了支持扩展

的温度范围，工业级 SOM 还包括用于高可靠性系统的具

有 ECC 保护的 LPDDR4 内存。

K24 SOM与K26 SOM 的同与不同

Krekels 特别介绍了 K24 SOM 与 K26 SOM 的同与

不同。相同点是 ：“K24 SOM 是 K26 SOM 的补充和延伸

是，它们基于同样的 Zynq UltraScale+ MPSoC 架构，这

两者都是 A53 四核以及双 R5F 处理器，都拥有非常出色

的外设。”

“ 不 同 之 处 在 于， 首 先，K24 SOM 可 以 说 是 K26

SOM 的可扩展版，特别对于关注尺寸、功耗、成本等方

面，K24 SOM 具有更为出色的设计。K24 SOM 支持最

新版本 22.04 Ubuntu OS，I/O 数量要比 K26 SOM 少，

LPDDR 的数量是 K26 SOM 的一半。工业级的 K24 SOM

的 2GB 的 LPDDR4 由 ECC 支持。其次，对于热门的人

工智能（AI）应用，K24 SOM 可以发挥非常重要的作用。

K24 SOM 能够支持人工智能推理深度神经网络处理单元。

K24 SOM 可以在电路板上做很多人工智能方面的操作，

可应用于很多场景，创造更多的数据集，无论是在本地还

是云端。最后，在工业物联网的工业 4.0 时代，电机控制

系统的职能不仅是控制电机这么简单，K24 SOM 可支持

工业物联网很多功能应用。”

Krekels 表示 ：“Kria SOM 真正的目标是希望能够

吸引新的用户来使用自适应计算。”特别是在机器人行业。

他表示 ：“AMD 在每一个机器人发展层面都与各界有非常

密切的接触。从 STEM 教育开始，到大学、初创企业和

大型的跨国企业。”

“早期推出的 KV260 是视觉 AI 可以用于摄像头与

系统中的视觉来辅助导航，用于机

器人的行动和传动 ；今天推出的

KD240 驱动器入门套件，就像是

机器人的肌肉一样，可控制机器人

的行动和传动。在制作原型之后，

就可以把这些设计进行生产，使用

混合 K26 和 K24 的 SOM，在分布

式和嵌入式的系统当中做为非常有

用的工具。”

对于工业应用中的预测性的维护，Krekels 表示：“预

测性维护可以说是在电机控制系统当中最受欢迎的人工智

能的应用。通过 K24 SOM 来可以很简单的、多种方式来

实现。”他介绍 ：“在 K24 SOM 的人工智能应用当中，有

一些应用是需要比如说深度学习，还有深度神经网络的，

但是有很多其它的应用只要经典的机器学习或者是人工智

能就可以了，不需要用到深度神经网络。”

综上所述，借助在尺寸、功耗、成本等方面进行的大

量优化设计，K24 SOM 在多方面应用更为出色 ：

一是支持最新版本 22.04 Ubuntu OS，I/O 数为 132

个，比 K26 SOM 少，LPDDR 数量是 K26 SOM 的一半。

工业级的 K24 SOM 的 2GB LPDDR4 由 ECC 支持，安全

方面，以硬件信任根及 TPM 2.03 提供支持。

二是支持人工智能（AI）推理深度神经网络处理单元，

从而在本地或云端应用于丰富的场景，并创造更多的数据

集。

三是支持大量工业物联网应用。K24 SOM 是一个

基于 ARM 处理系统的可编程逻辑器件，能够支持在业

界 40 多种常用的工业互联网标准，支持工业互联网从

EtherCAT 到 TSN。连接器兼容性实现 Kria SOM 之间

无缝迁移，这可能是客户最喜欢的一个功能。这个概念客

户支持从低端到高端产品相互之间无缝迁移可扩展性，更

好地满足客户需求。

最后，对于今年 ChatGPT 带火生成式 AI 模型在工

业方面的应用，Krekels 表示 ：“现在生成 AI 模型还没有

在工业场景下运用，随着时间的推移今后可能会有。”█

行业风云 INDUSTRY INTERCHANGE

22 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

2023 年，安森美入选“纳斯达克 100 指数”以及

《巴伦周刊》的“最具可持续发展力的 100 家公司”榜单，

同时上榜标普 500。在 11 月初北京的安森美媒体沟通会

上，安森美总裁兼首席执行官 Hassane El-Khoury 非常

骄傲公司取得的如此成绩 ：“这是对我们强大的团队出色

工作成果的一个证明。更重要的是，这来自于我们所有优

质客户的精诚合作与不懈支持，才使我们有机会能够证明

自己。”

他特别强调 ：“这些成果最关键的驱动力之一，是来

自于中国本土团队与合作伙伴和广大客户的紧密合作。我

们一起进行了广泛深入的创新，包括和客户一起建立联合

技术应用实验室，帮助他们解决复杂难题，包括在电动车、

可再生能源以及能源基础设施方面。我们向客户做出的承

诺不仅仅是交付可靠的解决方案，同时也有长期的供货保

证。”“过往，行业内供应链端很多出现过中断情况，安森

美通过跟每家客户签订长期供应协议，以保证客户在所需

时候得到所需东西。”

汽车和工业两大核心市场

Hassane El-Khoury 表示 ：“面临现今日益复杂的商

业世界，安森美更专注关乎人类未来发展的领域，包括出

行，也包括可再生能源。”

具体来说，就是汽车和工业是公司战略发展的两大核

心市场。“在汽车市场方面，现在电动车是最大增长趋势，

包括自动驾驶辅助系统 ADAS 以及汽车安全领域 ；在工

业市场方面，我们主要看重能源基础设施，尤其是充电站

和充电基础设施领域，把它看作是能源捕捉、存储以及能

源分配。”

同时，客户也看到了可持续生态方面的机遇，“所以，

我们和本地市场的客户和合作伙伴一起实现这种创新转

型。” Hassane El-Khoury 介绍了安森美的制胜之道——

面对复杂问题，首先要做的是简单化。

具体来说，有四个步骤 ：

1、要在竞争当中获胜，就要对重要领域进行投入 ；

2、要实施结构性的变化，使得客户能够长期留在我

们身边 ；

3、我们能获取价值，有更加充分的资本去研发和创

新 ；

4、强大的执行力。

“连接这两个领域的是数据，只有通过数据才能够获

得智能的洞察，才能在广泛的范围内实现更高效率。这就

是我们所定义的可持续的生态系统。我们了解这些因素都

是相互依赖的。连接这一切的技术对于安森美来说就是智

能感知和智能电源技术。”

智能感知和智能电源两大推动力

而两个推动力是安森美的核心制胜的因素 ：在智能感

知方面是图像传感器技术 ；在智能电源方面，是碳化硅和

硅的电源技术 ；

在智能感知方面，安森美的图像传感器在汽车和工业

市场的全球市场排名第一，而这两个都是安森美的核心市

场。根据 2022 年的数据，安森美在汽车领域的市场份额

是 46%，特别是在 ADAS 市场上占 68% 的份额。“这也

双驱轮战略助安森美创骄人成绩

Double Wheel Drive Strategy Helps onsemi Achieve Remarkable Results

安森美总裁兼首席执行官Hassane El-Khoury先生

行业风云 INDUSTRY INTERCHANGE

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 23

意味着我们将进行双倍的投入，继续在这一领域构建更多

解决方案。” Hassane El-Khoury 说。

据他介绍，安森美在智能感知方面的优势首先是技术

卓越，这些技术适用于所有用户场景 ；同时，安森美非常

专注和聚焦汽车和工业领域两大核心市场。针对汽车和工

业市场，安森美提供非常具体的解决方案。

他特别强调 ：“与底层技术同样至关重要的是解决方

案。所有的一切都要转化成解决方案。解决方案如果比较

复杂，要促进客户的采用程度和采用率，就需要提供完整

的软件堆栈，进行很好的集成 ；同时，基于公司数十年的

创新沉淀，我们所有提供的解决方案都是易用的。”

而在智能电源、碳化硅电源和硅电源技术方面，安森

美的市场地位以及增长速度同样非常可观。“对于电源方

面的终端应用，无论是电动车还是能源基础设施方面，控

制层面都非常重要，只有把控制做好了，才能在系统级别

实现最佳效率和技术，进而提升整个系统的效率、可靠性、

设计的便捷性以及降低系统成本，推进整体方案的采用。”

安 森 美 电 源 方 案 部 执 行 副 总 裁 兼 总 经 理 Simon

Keeton 介绍了公司在智能电源方面的发展状况。

他首先介绍了客户、合作伙伴选择安森美主要是因为

四个主要原因—四个 S，即 EliteSiC 碳化硅成功之道的四

个 S。

第一个 S 是供应 Supply，安森美拥有垂直整合方面

的历史经验，同时也是唯一一家既有硅也有碳化硅方面的

晶锭生长的供应商。晶锭生长对于公司来说是非常根本的

优势，它可以保证产品质量和充足的供应能力。实现在晶

锭、器件和封装层面的全面发力，可以让公司最终确保为

终端用户提供充足产品供应。

第二个 S 代表规模 Scale，安森美预见的是一个跨越

几代的对于碳化硅的高增长需求。碳化硅在汽车电动化和

能源基础设施方面的大规模应用驱动了它的需求增长。作

为碳化硅的供应商，安森美将会和终端市场一起成长，按

照市场增长趋势实现公司战略。基于公司在汽车和工业市

场深耕几十年的结果，可以保证安森美在超高增长的市场

中快速满足客户期望。

第三个 S 是应用范围 Scope，除了最主要的汽车电动

化和能源基础设施应用外，公司还提供成千上万在终端用

户的应用层面的全套解决方案，不仅有碳化硅也在硅基解

决方案。

第四个 S 就代表卓越技术 Superior Technology，安

森美把在硅基材料方面几十年的裸片设计经验沿用到碳化

硅方面，同时也把硅材料的模块设计制造经验沿用到碳化

硅材料上，保证为客户提供最优的解决方案。

此外，安森美还在中国本土市场和超过 15 家中国客

户建立了联合技术应用实验室，包括与汇川联合动力、上

能电气等中国客户，同时与他们签订了长期的供应协议。

除了与本土汽车品牌客户建立联合应用实验室外，在

基于 EliteSiC 产品方面，安森美与蔚来签订了战略合作

协议，同时也和极氪有战略的长期供应协议。“我们一直

在聚焦和加大在中国汽车、电动车市场的投入，以推动本

土市场电气化变革，助力中国保持在电动汽车行业的领先

地位。” Hassane El-Khoury 说。

最后，Hassane El-Khoury 表示：“环境一直在变化，

但通过我们给客户做出的长期承诺，我们一定能够帮助客

户实现光明未来。我们将会以更快、更广的力度渗透到市

场中，进行更大投入以支持所有客户，实现他们在电动车

以及能源基础设施方面的目标，服务好他们的客户。”

安森美通过创新为客户创造更多价值，实现差异化，

使得客户能在相应的赛道当中取得成功。这其中，垂直

整合的能力非常关键。在当前变化、不确定和中断的环

境下，它能够使得公司帮助客户实现其目标增长。“作

为一家企业，除了业务方面的责任，我们也承担相应社

会责任。我们和合作伙伴一起都将为中国环境目标的

实现做出积极贡献，包括 2030 年“碳达峰”和 2060

年“碳中和”，我们将在 2040 年实现近零的环保贡献。”

Hassane El-Khoury 说。█

安森美电源方案部执行副总裁兼总经理Simon Keeton先生

市场动态 NEWS

24 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

2023 年 9 月 26 日，第 11 届 EEVIA 年度中国硬科

技媒体论坛暨产业链研创趋势展望研讨会在深圳正式召

开。行业优秀的半导体企业资深人员齐聚一堂，共同探讨

了行业前沿趋势，带来了精彩的内容分享。英飞凌电源

与传感系统事业部应用管理高级经理徐斌，ADI 公司亚

太区电源市场经理黄庆义，艾

迈斯欧司朗大中华区及亚太区

汽车应用技术总监白燕恭，合

见工软副总裁孙晓阳，兆易创

新 Flash 事业部产品经理张静，

Bosch Sensortec GmbH 的高级

现场应用工程师皇甫杰带来了

精彩技术分享，他们就传感器、

存储、电源管理、EDA 软件等

技术与解决方案跟与会行业人

士做了深入交流与沟通。

英飞凌电源与传感系统事业部应用管理高级经理徐

斌的演讲主题为“一站式系统解决方案，助力户用储能爆

发式发展”，他认为，气侯变化是我们所处这个时代最大

的挑战。过去一百年的时间，二氧化碳的排放量呈指数级

递增，最大的排放量 40% 来自于发电，第二部分是工业

应用占 25%，加强新能源包括风能、光伏发电，代替传

统通过煤、油、气来发电，以减少二氧化碳排放量。

徐斌表示，从硅的 MOS 和 IGBT 到碳化硅 650V 到

1200V 的 MOS、包括 GaN 的产品，英飞凌是目前全球

少数几家能同时做到以上三种半导体的公司之一。此外，

英 飞 凌 可 以 提 供 MCU、 安 全

保护芯片、电流传感器等方案。

所以，在整个户用储能里面，

英飞凌可以提供一站式的解决

方案，帮大家做最快最易用的

设计。

艾迈斯欧司朗大中华区及

亚太区汽车应用技术总监白燕

恭做了题为“创新性光学和传

感技术如何提升未来汽车价值”

的演讲。他介绍到，该公司可以提供完整的光学所有关键

环节器件，目前产品也被应用在汽车领域，比如车的前、

后静态信号灯，环境光、雨量传感器等光传感器，车里面

所有的内饰功能照明等等。

该公司全新推出的产品—OSIRE® E3731i。通过 OSP

总线连接多达 1000 个灯串，并且通过驱动芯片实现灯的

色点校准、亮度调节等问题。OSP Converter，可以将

I

2

C 协议数据转换为 OSP 协议，实现传感器的接入。他强

调，这种 OSP 总线的应用不仅限于智能表面，还可以在

车内外的各种场景中实现传感和照明的结合，为整个产业

带来潜力。

ADI 公司亚太区电源市场

经理黄庆义的演讲主题为“泛

在的高性能电源技术和解决方

案正在如何演进” ，他分享了

他对电源的看法以及未来发展。

他认为电源是多学科交叉的领

域。

ADI 衍生出了在业界比较

领先、比较有特点的一些方向

和技术。目前已经到了 Silent

Switcher 3，它在普通的 DC/DC 性能之上，增加了低噪

声功能，使得它输出的噪声非常接近 LDO 的水平，适合

很大电流的应用。它的封装也很多的优化，超低的低频噪

声、超快的瞬态响应，使得 Silent Switcher 3 能够很好

地解决效率、面积、电子辐射带来的问题。

ADI 有很多这种类型的模块，比如超低噪声的、超

薄的、带监控的，也有一些电流特别大的，多路输出可以

并联的，这些电源可以提供多样选择。

来自 Bosch Sensortec GmbH 的高级现场应用工程

师皇甫杰先生的演讲主题为“嵌入式 AI 与 MEMS 传感器

塑造未来 开启全新视野”，据他介绍，Bosch 集团涉及到

四大业务领域 ：主要的领域是汽车和智能交通领域 ；第二

块是工业技术 ；第三块是能源与建筑技术 ；最后一块是消

费品。Bosch 不造车，但汽车里面的零部件涉及到 Bosch

各种各样的模块或者传感器，或者底盘系统等，都涉及到

第11届EEVIA年度中国硬科技媒体论坛暨

产业链研创趋势展望研讨会召开

英飞凌电源与传感系统事业部应

用管理高级经理徐斌

艾迈斯欧司朗大中华区及亚太区

汽车应用技术总监白燕恭

ADI公司亚太区电源市场经理黄

庆义

市场动态 NEWS

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 25

Bosch 的零部件工艺。

Bosch 半 导 体 是 隶 属 于

Bosch 汽车的市场领域，主要涉

及到四大产品模块 ：一是功率

器件，主要是车规的功率器件，

包括碳化硅芯片 ；二是 ASICs

芯片，也是属于车规产品 ；三

是车规半导体、车规 MEMS 传

感器，涉及到加速器、陀螺仪、

其他传感器等 ；四是消费类的

MEMS，主要的成品是聚焦在

消费类的电子产品，包括手机、穿戴、IoT 等设备里面。

Bosch 的 MEMS 传感器发展从汽车拓展到消费领域，

目前 Bosch Sensortec 新推出的传感器型号为 BHI380，

B 代表 Bosch，H 代表 hub，I 代表 ACC 和陀螺仪二合一

的传感器。它的尺寸非常小，所以这个传感器可以应用在

所有的电子产品，手机、手表、TWS 耳机。

它的优势在于 ：一，紧凑的尺寸可以方便集成到各种

各样的消费类电子产品里面 ；二，功耗非常低，同时内置

了一个处理器，在出厂时集成了一些基本的功能或 AI 的

算法。用户也可以做自己的二次开发，具备更高的扩展性。

Bosch Sensortec 还推出了一款四合一的环境类传感

器——BME 688，这也是目前世界上最小的一颗四合一

传感器，它里面集成了温度、气压、湿度、气体传感功能。

基于这个环境类传感器，可以给用户提供一个微环境的监

测，甚至可以做一些微环境的天气预报预估，以及配合智

能家居的联动等。

此外，Bosch Sensortec 还最新推出了气压传感器

BMP581，具备精准的数据识别能力，可以识别每一个检

测的气压数据变化。气压计在耳戴产品或者穿戴产品里面

也有一些典型的场景，比如说用户在佩戴智能耳机，气压

计在做俯卧撑的时候，可以检测用户贴到地面或者撑起来

的时候高度的变化，来识别用户做了多少次俯卧撑。

皇甫杰透露，目前 Bosch Sensortec 的传感器主要是

运动、环境相关的，主要聚焦在这两个领域。未来 Bosch

Sensortec 也会拓展到一些光学类的传感器，比如 AR 眼

镜，还有 PM2.5 传感器等等。

合见工软副总裁孙晓阳在其题为“支撑芯片发展新态

势，助力国产 EDA 新生态”的演讲中， 从高端芯片面对

的发展挑战和机遇出发，重点谈了 EDA 验证环节对芯片

开发的重要性，并介绍了合见

工软的最新验证解决方案。合

见工软秉承以 EDA 为核心的工

业软件战略，布局从芯片级的

设计验证、系统级的封装设计

一直到应用级，可以支撑超算、

大数据、AI 等方面的应用。而

其中最重要的着力点就是验证

领域，这是因为验证贯穿整个

芯片设计流程，是花费时间、

资源最多的步骤。

作为一家以 Nor Flash 闻名的公司，兆易创新 Flash

事业部产品经理张静在其题为“持续开拓，兆易新一代

存储产品助力行业创新”的演讲中表示 ：在物联网、手

机 OLED 屏幕、5G 基站和汽车电子等新兴领域的推动

下，NOR Flash 又迎来了新机遇。为了满足不同的应用

对 Flash 的需求，兆易创新已将其产品线拓展得非常丰

富——不止有 NOR Flash，NAND 类型也拓展得更丰富，

还支持四种类型，容量拓展到 8GB。根据不同应用，兆

易创新还推出了非常丰富的产品系列，也开发出较多的新

型封装。在温度等级方面，兆易创新不但拓展了工规的

85 度，对车规 125 度也可以支持。

演讲环节结束后，EEVIA 公司旗下 E 维智库团队还

举办了“2023 年度硬科技产业纵横奖”颁奖仪式，这是

首次为持续开拓、不断创新的硬核科技企业 / 产品颁发系

列“年度产业纵横”奖项，以表彰他们的产业贡献和卓越

成就。

Bosch Sensortec GmbH高级现场

应用工程师皇甫杰

合见工软副总裁孙晓阳

兆易创新Flash事业部产品经理张静

市场动态 NEWS

26 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

第23届中国工博会《展后报告》正式出炉！

第 23 届中国国际工业博览会于 2023 年 9 月 19 日 -23

日在国家会展中心（上海）成功举办。

本届中国工博会以“碳循新工业、数聚新经济”为全

新主题，展览总面积达 303,224 平方米，吸引了来自全

球 32 个国家和地区的 2,978 家参展商，其中境外及外商

投资企业参展商数为 438 家，近 300 场论坛及现场活动

同期举行。来自境外 42 个国家和地区和中国境内 31 个

省区市的专业观众参观达 205,278 人次，较上届增长了

7.03%。

参展商分析

第 23 届中国工博会参展商总数为 2,978 家，展览净

面积 137,611 平方米，其中境外及外商投资企业参展商

438 家，境内上海以外地区参展商 1,819 家，上海市内参

展商 721 家。境内展商来自 28 个省市自治区，境外和外

商投资参展商来自 31 个国家和地区。

第 23 届中国工博会吸引了来自境外 31 个国家和

地区的 438 家境外及外商投资企业参展商，参展净面积

37,059 平方米，来自比利时、丹麦、德国、俄罗斯、法国、

韩国、荷兰、美国、日本、意大利、中国台湾等国家和地区。

中国工博会近5届规模

第23届中国工博会九大专业展概况

各专业展参展商分析

参展商地域分析

近5届境外参展商数统计

市场动态 NEWS

工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM 11/ 12月 2023 27

观众分析

第 23 届中国工博会共到场专业观众 205,278 人次，

分别来自境外 42 个国家和地区以及中国境内 31 个省、自

治区和直辖市。

论坛活动

第 23 届中国工博会同期举办了近 300 场同期论坛及

现场活动，紧扣“碳循新工业、数聚新经济”全新主题，

分设部市论坛、发展论坛、科技论坛、行业与企业论坛四

大系列版块，紧紧围绕我国工业转型升级发展的新要求、

新挑战、新理念，以及绿色低碳、数字化转型、数字经济、

科技创新、智能制造等热点议题展开，聚焦数字化技术赋

能产业转型发展、双碳目标与绿色发展深度融合、经济数

字化新机遇，同步放大“数字工博”云功能，开辟线上论

坛新路径，为线下展览赋能、赋值、赋智，深化实现“以

会促展、以展会促产业”的增值效应。

境外参展商国家和地区分析

近5届专业观众人次统计

观众对各专业展感兴趣比例

观众参观展会目的分析

观众的采购角色分析

（下转第 18 页）

28 11/ 12月 2023 工 业 AI AI IN MANUFACTURING WWW.AIM-MAG.COM

广告索引 Advertisers Index

行政及销售人员 Administration & Sales Offices

行政人员 Administration

HK Office (香港办公室)

ACT International (雅时国际商讯)

Unit B, 13/F, Por Yen Building,

No. 478 Castle Peak Road,

Cheung Sha Wan, Kowloon,

Hong Kong

Tel: 852 2838 6298

Publishing Director (出版总监及全球销售总监)

Adonis Mak (麦协林)

adonism@actintl.com.hk

Editor (主编)

Katie Huang (黄莺 )

katieh@actintl.com.hk

Editor-in-Chief (总编辑)

Chris Everett (魏弘德)

chrise@actintl.com.hk

销售人员 Sales Offices

Hong Kong (香港特区)

Floyd Chun (秦泽峰)

floydc@actintl.com.hk

Tel: 852 2838 6298

Shanghai (上海)

Sales Director-China (中国区销售总监)

Helena Xu（许海燕）

helenax@actintl.com.hk

Hatter Yao (姚丽莹)

hattery@actintl.com.hk

Amber Li (李歆)

amberl@actintl.com.hk

Tel: 86 21 6251 1200

Shenzhen (深圳)

Yoyo Deng (邓丹）

yoyod@actintl.com.hk

Tel: 86 755 2598 8573

Beijing (北京)

Cecily Bian (边团芳)

cecilyb@actintl.com.hk

Tel: 86 135 5262 1310

Wuhan (武汉)

Grace Zhu ( 朱婉婷)

gracez@actintl.com.hk

Tel: 86 159 1532 6267

Advertiser 广告商名称 网址 页码

CDIIF 2024 成都国际工业博览会 www.cdiif.com 1

SPS–Smart Production Solutions Guangzhou 广州国际智能制造技术与装备展览会 www.spsinchina.cn IBC

投 稿 指 南

我们诚挚地邀请您提供技术类文章，即那些涵盖影响制造业技术趋势的议题，以及工程师如何应对制造问题的文章。

《工业AI》杂志的存在是为了提供一个专家与生产/制造工程师交流的平台—这些工程师正在寻找通过AI来改进他们的制造工艺方法。

我们非常欢迎收到与编辑计划主题契合的技术文章、应用案例和教程文章。一般来说，您提供文章的目标是一个普遍的、为制造问

题提供一个特定设计或技术选项。文章应该避免宣传公司或产品。

技术文章

1. 技术文章应在1500~4500中文字，并附英文题目。杂志保留文章发表前的编辑权。

2. 以Word文档提交内容和图表，图片分辨率>300 dpi。

3.《工业AI》杂志中的技术文章需独家提供。

4. 除作者姓名外，还请提交公司及职位。

产品特写/技术简报

1. 产品特写和新产品集中于特定产品(或产品系列)，大约300~800中文字。 2.产品应该是新推出的，并可在中国购买。

3. 内容应确定产品主要特点和优势、具体应用领域。 4. 请提供产品图片，分辨率>300 dpi。

5. 内容以Word格式提交。 6. 请提供联系信息，包括电话号码、邮箱和公司网址。

欲知更多详情，请联系我们：

中文：Katie Huang（katieh@actintl.com.hk）

英文：Chris Everett （chrise@actintl.com.hk）

www.aim-mag.com

微信公众号 免费索阅

今天的中国制造业正在向数字化转型。帮助实现这一目标的关键技术之一是在制造系统和制造过程中

加入人工智能（AI）。

《工业 AI》杂志由雅时国际商讯出版，2019 年 11 月开始发行，是聚焦 AI 在工业领域的技术应用的专

业杂志，目的是让中国的工艺和制造工程师、经理和制造企业高管了解有关将人工智能纳入制造领域的最

新新闻及技术信息。编辑团队分布在北京、上海、深圳、香港。双月刊杂志以简体中文出版。印刷版免费

赠阅予 10,000 名读者，同时在全国各地与制造业有关的主要展会和会议上分发，电子版杂志送达

20,000 名读者。

《工业 AI》亦致力于打造业内领先的综合传媒及价值平台，拥有各类主流线上载体。“工业 AI 研讨会”

充分利用 ACT 二十多年来在制造业的深度参与经验，为 AI 在工业领域的落地应用提供切实交流平台。自

2019 年开始，《工业 AI》举办了 20 多场线上以及线下研讨会均获业界广泛好评。未来《工业 AI》还将继

续举办多场线上线下专题研讨会助力行业发展。