在过去几十年里，工厂的效率取得了巨大的进步，逐渐地利用智能机器人和其他连接设备来提高生产效率。如今，制造业的下一波转型即将到来，这要归功于边缘人工智能处理技术的进步，使工厂能够将计算机视觉（CV）与人工智能结合起来，从而提高生产量，更快速、更高效、更具成本效益地制造产品。
工业自动化的不同领域
工厂部署人工智能（AI）和深度学习（DL）解决方案，实时检查生产线上的产品，这包括检查谷物盒子的瑕疵，检查汽车是否有划痕等。机器不仅可以更准确地检测生产线上的异常，AI还使它们能够实时做出智能决策。这得益于极其强大的边缘人工智能解决方案，它们不再需要将数据发送到云端进行处理，而是可以在边缘准确处理大量信息，实现极低延迟的深度神经网络（DNN）处理。
然而，直到最近，人工智能的全部潜力一直受到多种因素的限制。其中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，即神经网络在处理真实世界数据时执行不同功能的能力。幸运的是，最近边缘人工智能处理的进展已经被开发出来，以准确定位和解决这些确切的挑战。
在解决这些挑战方面，一种方法显示出了令人难以置信的潜力，那就是模拟计算内存（CIM）。边缘AI处理需要满足小型尺寸、低延迟和低功耗的硅，而数字解决方案如CPU和GPU已经无法满足这些要求。CIM通过利用闪存存储器进行神经网络权重存储和计算，消除了AI推理处理期间系统组件之间的数据移动，从而实现了高性能和低延迟，并大大提高了推理操作的功耗效率。
此外，模拟CIM方法利用高密度闪存存储器，实现了紧凑的单芯片处理器设计。这使得模拟CIM处理器可以用于各种尺寸的机器，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。而且，模拟CIM处理器使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，相比之下，数字解决方案则使用最新的半导体工艺节点。
最重要的是，模拟CIM大大降低了功耗，使其比数字系统高出10倍的效率，同时仍然实现了极高性能的计算。模拟计算是AI处理的理想方法，因为它能够在毫秒级的延迟下以更低的功耗实现更高的性能。模拟计算技术的极端功耗效率将使产品设计师能够在小型边缘设备中解锁出色的新功能，并有助于减少各种基于AI的制造应用中的成本和大量的能源浪费。
随着工厂自动化需求的不断增长，某些处理器中更强大的人工智能和深度学习能力将提高日常操作的准确性和效率。这将为当今工厂引入更多“智能”应用打开大门，从协作机器人到自动送货无人机，再到自动驾驶叉车等。没有现有的功耗、成本和性能限制，创新的可能性是无限的。
首个存内计算开发者社区-CSDN存内计算
全球首个存内计算社区创立，涵盖最丰富的存内计算内容，以存内计算技术为核心，绝无仅有存内技术开源内容，囊括云/边/端侧商业化应用解析以及新技术趋势洞察等， 邀请业内大咖定期举办线下存内workshop，实战演练体验前沿架构；从理论到实践，做为最佳窗口，存内计算让你触手可及。
传送门https://bbs.csdn.net/forums/computinginmemory?category=10003
社区最新活动存内计算大使招募中,享受社区资源倾斜，打造属于你的个人品牌，点击下方一键加入。
https://bbs.csdn.net/topics/617915760
首个存内计算开发者社区，0门槛新人加入，发文享积分兑超值礼品；
成为存内计算大使，享受资源支持与激励，打造亮眼个人品牌，共同引流存内计算潮流。
