华为昇腾构建了一幅怎样的AI百业全景图？

    文 |魏启扬
    来源|智能相对论
    AI在哪里?
    这个问题如果放在几年以前,很多人会感觉高深莫测,但在如今,我们回答起来游刃有余:在客厅里,天天与我们对话的智能音箱;在手机中,随手拍出的美颜照片;在电商平台上,总被猜中心思的商品推荐……
    让AI无处不在,是正在进行中的第四次产业革命的目标,也是每一个参与其中的开发者、建设者们心中的梦想。
    然而当AI逐渐进入到产业深处,深度参与工业领域的智能化转型时,如何让AI从无到有,从最开始的简单应用或者单一场景出发,继而完成对整个产业的覆盖,成为实现智能制造的关键。
    近日,凌华科技发布了一系列基于华为昇腾的AI边缘计算产品,推进AI算力融合在工业智能领域,让AI应用落地于更多工业制造场景。
    就像涓流成河汇成海一般,华为昇腾携手合作伙伴正在构建一幅让AI无处不在的百业全景图。
    智能制造的AI算力需求,华为昇腾来满足
    一提到产业智能化转型,很多人的第一反应就是“上云”,确实,在面对高并发、小吞吐、长时延的计算需求时,“上云”是最便捷的一条解决路径,然而在工业领域,大量视频、图像、高频传感器构成的异构数据需要进行实时处理, 使得异构大计算的需求满足也成了不容忽视的重点,特别是智能制造领域普遍采用的混合云+AI+5G等新技术的组合,更是带来了更加复杂且多元的多样计算需求。
    另外一个维度,与我们经常遇到的消费生活场景有所不同,在工业领域,AI应用首先需要对应不同的行业,如电子、汽车、医药、冶金等,然后每个行业还会有无数的落地场景,如视觉质量检测、设备预测维护、生产排产等,即便是同一类场景,不同企业在该场景下的分析对象也有区别,如果都用通用CPU计算来处理,需要匹配极为强大的处理能力和算力,这将与智能制造所指向的“降本增效”的目的相悖,因而针对不同的业务场景、不同的数据类型和实时性要求,匹配不同的算力部署方案,这样的计算架构也就更加科学。
    正是在这样的背景之下,凌华科技推出了基于华为昇腾的四款AI边缘计算产品:昇腾AI边缘小站、昇腾边缘AI工作站、增强型昇腾工作站以及昇腾AI工控机。
    如果应付一些工业应用场景一般的基本算力需求,昇腾AI边缘小站(DLAP-221)就能胜任了,这款产品尺寸体积小,可以灵活部署,由于集成了华为Atlas-200 AI加速模组,可以在非常紧凑的尺寸内具备较为强劲的AI算力,单机可实现20路高清视频实时分析,同时还预装了昇腾制造业mxManufacture SDK,可以说麻雀虽小五脏俱全。
    如果某些工业应用场景对算力有一定的需求,那么搭载了华为Atlas 200/Atlas 300I推理卡的昇腾边缘AI工作站(MVP614X)就比较适合了,这款产品使用了Intel第九代i3/i5/i7处理器,整机可实现无风扇运行,经过特殊优化的散热设计可确保多张Atlas 200或Atlas 300I推理卡同时工作。
    如果有工业应用场景有非常高的算力需求,那么可以采用多华为Atlas 300I推理卡搭载平台的增强型昇腾工作站(DLAP8000),DLAP8000可支持更高级的Intel Xeon处理器,经过优化后的电源同时可确保4张Atlas 300I工作;考虑到用户现场对于大容量数据的存储要求,DLAP8000在有限的体积下安装了4块2．5”硬盘。
    如果某个应用场景需要同时扩展图像采集、现场IO、运动控制功能时,凌华科技用可以扩展多路华为Atlas 300I推理卡的昇腾AI工控机(RK608/M43AI)来进行匹配,该产品有额外的PCI/PCIe插槽,可以同时搭配凌华科技特有的现场采集卡和运动控制卡。
    从以上产品的功能亮点我们可以看出,凌华科技充分利用了昇腾的AI多样计算能力,根据不同场景的不同算力需求,开发了与之适配的产品,可以说智能制造需要怎样的AI算力,凌华科技和昇腾就有相对应的算力产品或算力部署方案。
    哪里需要AI,哪里就有昇腾
    说了这么多,凌华科技的这些产品到底好不好用,基于昇腾的智能制造解决方案到底发挥作用了吗?下面,我们一起来看看凌华科技与昇腾的几个落地案例。
    众所周知,在工业质量检测领域,目前还有很多企业依赖于人工检测,但受专业技术能力和经验传承的影响,检测结果和检测效率受人的干扰因素较大,特别是当人长时间重复单一工作,容易疲劳,会更加加重上述问题的产生。
    于是,有的企业开始采取用工业相机拍照,图文图片模板比对的视觉检测方式,相比依靠人的传统视觉检测方式,效率会有所提升,但新的问题又产生了,由于产品自身质量波动,图像取像的角度、亮度变化甚至环境因素的干扰,从而使得视觉检测测试的准确率始终难以达到理想水平,特别是当产品换线从A产品切换到B产品时,期间要经历一段很长的调试时间,对于企业而言是个不小的负担。
    时下最新的AI质量检测方案,则是传统视觉融合深度学习技术,自动图像特征提取,基于大量的历史缺陷图片完成模型训练,只要检测物的相似度达到一定程度即完成检测过程,这种方案柔性很强,准确度和效率也大大提升。
    在电子组装行业,凌华科技在华为南方工厂智能计算产品生产线智能质检项目中,直接将装载Atlas 300I推理卡的工控机部署到产线,搭载2000万像素高清工业相机,对电子组装产品的标签铭牌、螺钉、涂胶等对象进行检测,将误报率降低到1%以下,检出率提高到99．9%,从1个人管理一条产线到目前1个人管理3条产线,检测效率直接提升了3倍。
    
    相比电子组装行业对标签铭牌的检测对算力要求不高,我们再来看看集成电路行业中对集成电路板的品控监测,其中焊点异常的检测最为重要,由于电路板上焊点数量极大,这就涉及到算力升级的问题。
    凌华科技采取的解决方案是通过部署搭载Atlas 300I推理卡的工控设备至检测设备上,同时配以AI深度学习算法,从而获得了同等算力下较低成本的算力配置,工业生产场景下,直接提升了10%-50%AOI直通率。
    如果上述两个案例检测项目比较单一,对于算法的要求不高,那么我们再来看看凌华科技的AI边缘计算解决方案在医药生产行业中的落地。
    一板药物胶囊是否合格达到出厂条件,需要比对药板批号是否清晰无误、胶囊是否漏粉、是否有压泡、空囊这样的纰漏,因而除了算力的要求之外,还需要多算法的融合。
    凌华科技在工控设备中配置Atlas 300I推理卡,再加上算法合作伙伴的AI深度学习算法,实现了极低的误检率,小于3%,正确率高于99．47%,减少了95%的人力依赖。与此同时,还能对产品缺陷进行可视化标记,实现缺陷快速精准定位,在空胶囊、漏粉、坏囊、编号打印错误等常规必检项之外,还能检测包括药板毛边、折痕、白边等无规律缺陷。
    
    以上只是昇腾在工业智能化转型中使能百业中的一点点进展,管中窥豹,昇腾AI算力正在以各种形态和各种方式进入到工业领域的纵深,可以说,哪里需要AI,哪里就有昇腾。
    智能制造新旧动能转换趋势之下的昇腾画卷
    其实,无论是新基建还是“十四五”规划,在制造强国、质量强国、网络强国、数字中国等一系列国家战略之下,产业智能化与智能制造新旧动能转换的时代趋势已成,作为为各行各业解决AI算力需求的昇腾正处于巨大的历史机遇之中。
    需要确定的是,这个机遇并不仅仅只属于昇腾,从上述案例可以看出,在昇腾的普惠AI战略之下,通过硬件开放软件开源的方式,昇腾构建了一个以自身AI算力和完善的AI软硬件开发环境为基础的昇腾生态,在这个生态中,通过强力专业的生态伙伴,完成了对足够广泛产业的覆盖。
    从凌华科技与昇腾的合作来看,双方取长补短,不但实现了自身的商业价值,同时在产业智能化的时代趋势之下获得了共同成长。
    在这里,我们也应该看到,产业智能化的道路才刚刚开始,有数据显示,目前AI与行业的渗透率仅有4%,这也意味着为了完成AI无处不在的目标,昇腾还需要更多的同行者一起在这场时代洪流中去探索更多的可能。