网络边缘的人工智能是影响未来科技产业走向的基石。如果说人工智能是变革的引擎，那么半导体就是驱动机器学习、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破坏，但人工智能和物联网的融合，正准备将世界从以云为中心的智能转变为更分布式的智能架构。
预计到2025年，物联网设备产生的数据量将达到惊人的73.1兆字节数据。因此，从2017年到2025年，端点数据将以85%的复合年增长率增长，驱动智能从云到端点，在微型机器中运行AI/ML工作负载。
最具颠覆性的一些应用包括“语音作为用户界面”的开发，以改善人机通信，以及环境感知、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。
在终端嵌入智能的好处有哪些?许多工业物联网应用在受内存容量、有限的计算和电池功率以及次优连接限制的环境中运行。此外，这些应用通常需要实时响应，这可能对任务和系统至关重要。期望这样的设备和应用在以云为中心的智能架构中运行是行不通的。
这就是在终端嵌入智能的力量，正在从标准的工业物联网实现演变为我们所说的工业应用的AIoT。
在收集源转换数据可以最大限度地减少延迟，并为时间关键型应用实现优化处理。由于数据不通过网络进行处理和传输，与数据传输和流动相关的安全问题大大降低。
另一个优点是，数据处理可以与端点的信任根连接，使实现不受攻击的影响。由于数据处理是在源处或非常接近源处进行的，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以最广泛的MCU和MPU在端点计算技术方面领先于行业。这已经使设计师能够利用我们丰富的物联网生态系统和AI/ML构建模块，通过利用技术生态系统，以瑞萨可信赖的合作伙伴提供的300多个商业级软件构建模块为特色。
我们不断增长的AIoT投资组合也解释了我们最近收购的RealityAI，这是一个使用瑞萨处理器在工业物联网应用中支持边缘和端点AI的新平台。
现实AI自动搜索广泛的信号处理转换，并生成定制的机器学习模型，同时在其方法中保留可跟踪性，并提供有价值的硬件设计分析。该模型运行在瑞萨提供的几乎每一个MCU和MPU核心上，并不断添加新的。
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，因为模型开发专门针对非视觉感知用例，并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、仪器、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。
我们对AIoT设计的全面方法允许开发人员减少计划外的设备停机时间，提高生产效率，并执行复杂的质量保证任务，这些任务在当前测试环境中是昂贵的或难以复制的。
实时分析的自动ML解决方案-高级信号处理+端点的AI
在一个3吨重的住宅暖通系统中，在51种不同的环境和负载条件下测试的真实用例中，现实AI在检测和区分单个故障条件时能够达到95%以上的准确率。测试还发现，在加热和冷却模式下，室内外空气流动堵塞和充电故障的OEM规格均为5%。
人工智能和物联网在工业应用上的融合是一个具有巨大潜力的大趋势。对现实AI的收购释放了将先进信号处理与AI相结合的潜力，并得到瑞萨丰富的硬件、软件、工具和生态系统的支持，提供释放创造力所需的所有构建模块。
