内存计算如何支持边缘AI并提高制造效率

在过去的几十年里，工厂在效率方面取得了显著的进步；他们越来越多地使用智能机器人和其他联网机器来提高生产效率。现在，由于边缘AI处理的进步，制造业的下一波变革正在到来，允许工厂将计算机视觉（CV）的能力与AI结合起来，以提高产量，更快、更高效、更具成本效益地制造东西。

这种进展的一个例子是工厂如何部署人工智能（AI）和深度学习（DL）解决方案来实时检查生产线上的产品，包括从检查谷物箱的缺陷到检查汽车的划痕。机器不仅可以更准确地检测生产线上的异常，AI还可以使它们实时做出智能决策。这是由极其强大的边缘AI解决方案实现的，这些解决方案不再需要将数据发送到云进行处理，而是现在可以准确处理来自边缘深度神经网络（DNN）的海量信息，延迟极低。

工业自动化的不同领域

直到最近，AI全部潜力还受到许多不同因素的限制。一个挑战是边缘设备的计算能力有限。这限制了制造和工厂自动化中所需的推理处理，其中神经网络在面对真实世界的数据时执行不同的功能。幸运的是，边缘AI处理的最新进展已经开发出来，以查明和解决这些确切的挑战。

内存计算的前景

一种显示出惊人潜力的方法是模拟内存计算（CIM）。边缘AI处理需要能够满足小尺寸、低延迟、低功耗等苛刻要求的芯片，越来越明显的是，这些要求已经超过了CPU和GPU等数字解决方案的能力。这种在闪存中利用模拟计算的新方法提供了几个关键优势。

第一，CIM的效率惊人；通过将闪存元件用于神经网络权重存储和计算，它消除了AI推理处理期间系统组件之间的数据移动。这带来了高性能和低延迟，同时显著提高了推理操作的功效。CIM适用于计算在向量运算期间并行发生的成千上万的乘加运算。这种低延迟、精确的处理在工业领域是绝对必要的，在工业领域，每分钟都有数千种产品生产出来，实时检测对良率至关重要。

此外，模拟CIM方法利用高密度闪存来实现紧凑的单芯片处理器设计。这使得模拟CIM处理器可以进入各种规模的机器，无论是进行安全检查的小型无人机还是生产线上的机器视觉系统。此外，与使用尖端半导体工艺节点的数字解决方案相比，模拟CIM处理器采用成熟的半导体工艺节点生产，具有更好的供应链可用性和更低的器件成本。

也许最重要的是，模拟CIM大大降低了功耗，使其效率比数字系统高10倍，同时仍能实现极高性能的计算。模拟计算是AI处理的理想方法，因为它能够使用更少的功率以更高的性能运行，延迟时间为毫秒。模拟计算技术的极高能效将使产品设计师能够在小型边缘设备中释放出难以置信的强大新功能，并有助于降低所有类型的AI制造应用的成本和大量浪费的能源。

随着工厂自动化需求的不断增长，某些处理器中更强大的AI和深度学习能力将提高日常操作的准确性和效率。这为将更多“智能”应用引入今天的工厂打开了大门，从cobots到自动送货无人机到自动驾驶叉车等等。没有现有的功耗、成本和性能限制，创新的可能性是无限的。