网络边缘人工智能是影响未来科技产业走向的基石。如果人工智能是变革的引擎，那么半导体就是推动机器学习、神经网络、5G连接以及区块链、数字孪生和元宇宙的出现所定义的新时代的石油。尽管最近由于供应链和宏观经济因素对芯片行业造成了干扰，但人工智能和物联网的融合有望将世界从以云为中心的智能转变为更加分布式的智能架构。到2025年，物联网设备生成的数据量预计将达到惊人的73.1兆字节。因此，从2017年到2025年，端点数据将以85%的复合年增长率增长，推动智能从云端到端点，运行微型机器中的AI/ML工作负载。一些最具颠覆性的应用包括开发“语音作为用户界面”以改善人机交流，以及环境意识、预测分析和维护。主要增长领域包括可穿戴设备、智能家居、智能城市和智能工业自动化。在端点嵌入智能有什么好处？许多IIoT应用在受内存容量、有限计算和电池电量以及次优连接性限制的环境中运行。此外，这些应用程序通常需要实时响应，这对于任务和系统而言可能至关重要。期望此类设备和应用程序在以云为中心的智能架构中运行是行不通的。这就是在末端嵌入智能的力量，它正在从标准的工业物联网实施演变为我们所说的用于工业应用的AIoT。在收集源转换数据可最大限度地减少延迟，并为时间关键型应用程序实现优化处理。由于不通过网络处理和传输数据，因此大大减少了与数据传输和流量相关的安全问题。另一个优势是数据处理可以连接到端点的信任根，使实施免受攻击。由于数据处理发生在源头或非常靠近源头，我们可以充分利用数据引力并减少与打开无线电或通过网络移动数据相关的功耗。我们对客户的承诺是通过最广泛的MCU和MPU在端点计算技术方面引领行业。这已经使设计人员能够通过利用技术生态系统来利用我们丰富的物联网生态系统和AI/ML构建模块，其中包括来自瑞萨电子值得信赖的合作伙伴的300多个商业级软件构建模块。我们不断增长的AIoT产品组合也解释了我们最近对RealityAI的收购，RealityAI是一个使用瑞萨处理器在工业物联网应用中实现边缘和端点AI的新平台。RealityAI自动搜索各种信号处理转换并生成自定义机器学习模型，同时保留其方法的可追溯性并提供有价值的硬件设计分析。该模型几乎运行在瑞萨电子提供的每个MCU和MPU内核上，并不断添加新的内核。这为设计人员提供了一个非常强大的工具，可以帮助他们解决最困难的问题，因为模型是专门为非视觉感知用例开发的，并且基于高级信号处理数学和边缘部署。这使得高级分析能够支持完整的硬件设计和完整的框架，包括数据收集、检测、固件和ML工作流。其他解决方案只是简单地生成算法和模型，通常只占典型项目成本的5%，而忽略了其他95%的开发费用。我们的AIoT设计整体方法使开发人员能够减少计划外设备停机时间、提高生产率并执行复杂的质量保证任务，这些任务在当前测试环境中成本高昂或难以复制。用于实时分析的自动化ML解决方案-高级信号处理+端点人工智能区分个体在故障情况下可以达到95%以上的准确率。该测试还发现，在制热和制冷模式下，室内和室外气流阻塞以及充电故障均有5%的OEM规格。人工智能与物联网在工业应用中的融合是大趋势，潜力巨大。在瑞萨电子丰富的硬件、软件、工具和生态系统的支持下，对RealityAI的收购释放了将高级信号处理与人工智能相结合的潜力，提供了释放创造力所需的所有构建模块。
