01

AIoT 與 Edge AI 現狀與趨勢 

——如何挖掘數據的價值？

在 AIoT 與 Edge AI 快速發展的當下，數據價值挖掘面臨哪些核心挑戰？企業該如何突破數據 “采集 - 處理 - 應用” 的閉環瓶頸？

A:

1.現狀與挑戰

當前 AIoT 場景中，數據呈現多源異構（如傳感器、設備日志、視頻流）、實時性要求高（毫秒級響應）、隱私合規壓力大（如 GDPR、《數據安全法》）等特征，傳統數據處理架構難以平衡 “效率” 與 “成本”。

邊緣端算力碎片化（從微控制器到高性能 SoC）導致算法適配復雜，云端集中處理面臨時延瓶頸與帶寬成本問題，數據價值在傳輸與存儲環節易流失。

2.破局路徑

分層架構設計：通過 “邊緣實時處理（本地決策）+ 云端深度分析（全局優化）” 的混合架構，在邊緣側完成數據清洗、特征提取（如異常檢測、預測性維護模型），僅向云端上傳高價值摘要數據，降低傳輸負載。

工具鏈整合：安富利提供從邊緣硬件（如 NXP i.MX、瑞薩 RZ/G 系列）到 AI 開發平臺（如IoTConnect低代碼工具、TensorFlow Lite 邊緣推理框架）的端到端方案，幫助客戶快速實現數據標注、模型訓練到邊緣部署的閉環。

行業場景落地：以智能制造為例，通過邊緣 AI 實時分析設備振動數據，毫秒級識別軸承故障并觸發本地控制，同時將趨勢數據同步云端優化預測模型，使設備停機時間降低 30% 以上。

02

工業與專業消費市場客戶面臨的困境是什么？

—— 算法、算力與數據

工業自動化、智能終端等領域的客戶在 AI 落地時，常遇到算法適配難、算力資源錯配、數據質量差等問題，這些困境的本質是什么？安富利如何助力客戶跨越 “技術 - 應用” 鴻溝？

A:

1.核心困境解析

算法層面：傳統工業場景依賴專家經驗規則，AI 模型需從 “規則驅動” 轉向 “數據驅動”，但行業 know-how 與算法工程化能力缺失，導致模型泛化性不足（如復雜工況下的視覺缺陷檢測準確率波動）。

算力層面：客戶常陷入 “算力過剩” 或 “算力不足” 的悖論 —— 高端設備堆砌高性能芯片造成成本浪費，低端設備因算力受限無法運行輕量化模型，缺乏 “算力 - 算法 - 成本” 的協同優化。

數據層面：工業現場數據多為非結構化（如點云、3D 圖像），且存在標注成本高（人工標注效率低）、樣本不平衡（故障數據稀缺）等問題，導致模型訓練 “輸入失真”。

2.安富利的解決方案

模塊化算力平臺：提供覆蓋邊緣端（如Tria邊緣計算平臺）、網關層（集成IoT合作伙伴的網關）到云端(IoTConnect云平臺)的算力組合，支持客戶根據場景需求（如實時性、功耗、成本）靈活選擇硬件方案，例如為馬達等震動監測場景定制低功耗 MCU + 輕量級神經網絡(如Qeexo)的組合，在 0.5W 功耗下實現 99% 的計量精度。

算法工程化賦能：聯合算法合作伙伴提供行業預訓練模型（如視覺模塊內置人臉檢測、物體追蹤算法），并通過安富利實驗室提供數據標注工具、模型壓縮優化服務（如將 ResNet 模型參數壓縮 70% 仍保持精度），幫助客戶將算法落地周期從 6 個月縮短至 2 個月。

數據閉環構建：在專業消費市場（如智能醫療設備），通過安全數據管道（符合 ISO 13485 標準）實現設備數據采集、匿名化處理與合規上云，結合聯邦學習技術（多方數據協同訓練不共享原始數據），解決隱私敏感場景下的數據質量問題。

03

如何實現 AIoT？——AI 能力向前端及后端轉移

AI 能力從云端向邊緣端下沉、向行業后端場景滲透的過程中，技術架構與產業生態需要哪些關鍵變革？安富利在生態協同中扮演什么角色？

A:

1.技術架構變革方向

前端（邊緣端）：AI 能力下沉要求硬件設計從 “功能導向” 轉向 “AI 導向”，例如在攝像頭中集成 NPU（如ARM NPU，NXP eIQ）實現本地圖像識別，在 PLC 控制器中嵌入 AI 加速核實現實時控制策略優化，需解決散熱、功耗、成本與算力的平衡問題。

后端（云端 / 行業端）：AI 向行業后端滲透需構建 “垂直領域數據中臺”，如電力行業的負荷預測中臺、零售行業的貨架分析中臺，整合行業知識庫（如電力設備老化模型、商品陳列規則）與 AI 算法，實現從 “數據可視化” 到 “決策自動化” 的升級。

2.生態協同與安富利定位

硬件生態整合：作為全球電子元器件分銷商與方案提供商，安富利連接 1000 + 上游芯片廠商（如恩智浦、AMD賽靈思）與下游行業客戶，通過 “硬件參考設計 + 軟件適配包” 降低客戶研發門檻，例如基于 Trial SMARC模組 的邊緣計算產品已服務超 500 家中小企業。

軟件生態共建：聯合微軟 Azure IoT、AWS IoT等云服務商，將邊緣端數據無縫接入云端 AI 服務（如Machine Learning 模型自動部署到邊緣節點），同時開放安富利開發者社區（超 20 萬注冊用戶）共享行業最佳實踐，加速技術迭代。

行業場景孵化：例如在智慧城市領域，安富利聯合路燈廠商、交通管理部門構建 “邊緣計算 + 視覺 AI” 的智慧燈桿解決方案，前端實時識別車牌、人流量并調節照明策略，后端通過城市大腦實現全局能耗優化，形成 “端 - 邊 - 云 – 管” 的完整閉環。

04

安富利如何幫助客戶解決問題？

面對不同行業客戶的差異化需求，安富利的技術服務與解決方案有哪些獨特優勢？能否舉例說明從需求洞察到落地交付的全流程服務模式？

A:

1.全周期服務優勢

需求診斷：通過行業專家團隊（覆蓋工業、新能源、醫療等領域）深入調研客戶痛點，例如在半導體制造客戶現場發現 “晶圓缺陷檢測依賴人工目檢，漏檢率達 0.8%” 的問題，針對性提出 “機器視覺 + 邊緣 AI” 方案。

方案定制：基于全球供應鏈優勢快速整合硬件（如 Teledyne FLIR 紅外相機、Xilinx FPGA 加速卡）與軟件（如 Halcon 視覺算法庫），提供 “硬件設計 + PCB Layout + 嵌入式軟件開發” 的交鑰匙工程，某物流客戶通過安富利定制的 AGV 邊緣計算控制器，使貨物分揀效率提升 40%。

量產支持：依托亞太區7個研發中心與制造基地，提供從小批量試產（10-1000 件）到大規模量產（百萬級）的供應鏈保障，同時通過 ISO 9001/14001 認證確保質量一致性，例如為某工業客戶實現從原型設計到量產上市僅需 16 周。

2.行業案例：智慧工廠產線升級

客戶痛點：傳統產線人工巡檢效率低，產品瑕疵漏檢導致客訴率達 1.2%，且產線設備協議不統一（Modbus、Profinet、EtherCAT）造成數據孤島。

安富利方案：

邊緣層：部署基于 Nvidia Jetson AGX Orin 的視覺檢測單元，搭載缺陷檢測算法（精度 99.2%），實時分析產品表面缺陷并控制機械臂剔除不良品。

網絡層：通過研華 UNO-2483G 工業網關實現多協議轉換，將設備數據統一接入云端 MES 系統。

云端：利用 AWS IoT Analytics 進行質量趨勢分析，反向優化產線工藝參數。

價值成果：漏檢率降至 0.1% 以下，產線人工成本減少 60%，設備 OEE（綜合效率）提升 15%。

05

安富利邊緣計算、算力與算法方案

邊緣計算領域，安富利如何平衡算力供給與能效優化？針對不同算力需求（如低功耗 MCU、高性能 SoC）的客戶，是否有分層解決方案？

A:

安富利通過Tria模塊化計算架構 + 場景化適配”構建分層方案，近期推出的Tria?邊緣計算模塊成為連接硬件與場景的核心載體。作為 2025 年全新整合的嵌入式計算品牌，Tria 依托安富利全球研發制造網絡，提供從標準化模塊到定制化系統的全鏈條服務，尤其在中高端邊緣算力場景中展現獨特優勢。

1. Tria 模塊：軟硬協同的邊緣算力引擎

以基于恩智浦 i.MX芯片 的MSC SM2S-IMX95 模塊為例，其六核 Arm Cortex-A55（2.0GHz）+ 專用 Cortex-M33 實時處理器的異構架構，搭配集成的 Neutron NPU（支持 1.5 TOPS 算力），可同時處理兩路 1080P 視頻流的 AI 推理（如工業視覺檢測、醫療影像預處理）。模塊采用 SMARC 2.2 標準，支持 LPDDR5 內存（帶 ECC 糾錯）與 256GB eMMC，通過 10G 以太網、PCIe Gen3 等高速接口，實現邊緣端與云端的低延遲數據交互。

能效優化方面，Tria 模塊內置動態電源管理單元，可根據負載自動調節 CPU/GPU 頻率（如從 2.0GHz 降至 0.8GHz），結合板級散熱設計（如超薄熱管 + 金屬屏蔽罩），在工業級 - 40℃~+85℃環境中保持 15W 以下功耗。對比傳統通用板卡，其算力利用率提升 30%，適用于智能制造、智慧交通等高可靠場景。

2. 分層方案：從 μA 級到 275 TOPS 的全場景覆蓋

端側（低功耗）：針對智能傳感器、可穿戴設備，Tria 提供基于 Cortex-M85 的超低功耗模塊（如 Tria S1 系列），集成 TinyML 框架，在 1μA 待機下實現心率異常檢測等本地決策，典型案例為某醫療手環項目，續航延長至 14 天。

邊緣側（中算力）：SM2S-IMX95 模塊定位工業級邊緣中樞，應用于某新能源企也的電池管理系統，實時分析 200 + 電芯數據，結合板載 Edgelock 安全飛地，實現數據加密與故障預警（響應時間 < 10ms），較傳統方案算力成本降低 40%。

邊緣云（高算力）：面向自動駕駛路側單元、醫療影像處理，Tria 推出基于 Nvidia Jetson AGX Orin 的定制化系統，支持 275 TOPS 算力與容器化部署，在某智慧港口項目中，單節點同時處理 8 路 4K 攝像頭數據，完成車輛識別與路徑規劃，延遲 < 20ms。

3. 場景化定制：從原型到量產的加速路徑

Tria 模塊支持 “即插即用” 與深度定制雙模式。例如，為某 3C 制造客戶開發的視覺檢測邊緣單元，基于 SM2S-IMX系列預集成 Halcon 視覺算法庫，客戶僅需通過 SDK 調用接口，即可在 2 周內完成缺陷檢測模型部署（傳統開發需 8 周）。量產階段，安富利依托亞太區的制造基地，提供模塊級到整機的質量管控，確保交付的一致性。

4. 生態協同：連接芯片、算法與行業

Tria 模塊深度適配恩智浦 i.MX 系列、瑞薩 RZ/G、Intel/AMD等主流平臺，并與微軟 Azure IoT、AWS Greengrass 預集成，實現 “邊緣推理 - 云端優化” 無縫協同。

總結：

Tria 的核心價值在于將安富利 30 年的嵌入式經驗轉化為標準化模塊，通過 “算力分層 + 場景定義”，讓客戶既能享受即用型方案的便捷，又可保留定制化空間。正如安富利嵌入式總裁 Thomas Staudinger 所言：“Tria 不是賣硬件，而是賣‘從設計到量產的確定性’。” 這種軟硬一體化能力，正是安富利在邊緣計算賽道的差異化壁壘。

~END~