以支援邊緣 AI 的裝置打造明日創新
邊緣 AI 技術正使裝置更高效、易於存取且更準確，而這僅正要開始
讓醫療照護更平價、更普及
邊緣 AI 技術正協助醫療照護從僅專注於醫院和專科診所的中心化模式，擴展到更快速、更易於存取且以患者為中心的去中心化模式。
TI 系統暨工程行銷總經理 John Varela Munoz 表示：「日常裝置已開始提供我們過去只能在看診時獲得的洞察。」
穿戴式心率監測器就是範例。邊緣 AI 讓裝置能就地分析心律、篩選雜訊，並即時標記異常。裝置可使用在本機執行的 AI 模型，學習個人的獨特基線並自訂警示，為使用者提供可靠的高品質監測。
現今，我們使用 AI 來提高一到兩個感測器輸入的準確度。但在五到十年內，AI 模型將能納入多個感測器輸入的資料，例如溫度、壓力和電氣資料，從而更深入了解患者狀況。
John 表示：「未來，AI 有望最佳化個人體驗並加速學習每個人的獨特性，並據此調整演算法的運作方式。」
例例如，某位患者得到的診斷，可能是基於 90% 出現類似症狀的人都罹患同一種疾病。但如果他們是那 10% 的例外，AI 可以深挖患者的病史和生活習慣，將細微差異納入考量，讓診斷更加精準。
促進永續能源的採用與創新
隨著永續能源在日常應用中的供電日益普及，邊緣 AI 可推動更廣泛的採用。再生能源將在 2030 年成為全球最大的能源來源，TI 正致力於開發支援邊緣 AI 的解決方案，以協助支援系統並提高可靠性。
在太陽能板中，TI 預先訓練的模型使用邊緣 AI 偵測電弧，準確度提高了近 20%。支援邊緣 AI 的電弧故障偵測可提升系統可靠度，並降低導致系統關閉的誤觸發機率，避免終端使用者高價報修、與等待技術人員到場確認是否真為電弧故障的時間成本。
太陽能逆變器和儲能 (ESS) 電源轉換系統使用複雜的電源轉換拓撲（例如單級轉換器），要在寬廣的輸入和輸出範圍內維持高效率，仍是設計難題。在支援邊緣 AI 加速的 MCU 上執行的神經網路，可透過軟切換（即在沒有電流流過時關閉電路）來加速實作並協助維護轉換器，從而減少功率損耗，提高終端使用者系統的效率和可靠性。
邊緣 AI 還有助於加速 ESS 的電化學阻抗光譜 (EIS) 演算法，提供更準確的充電狀態和健康狀態評估，以延長電池壽命。EIS 還能更準確地預測熱失控，有助於提高系統安全性。
TI 電網基礎設施總經理 Henrik Mannesson 表示：「TI 是首批推出具備 AI 加速器之微控制器的半導體公司之一。這些 AI 加速器協助客戶在以往無法實現的應用中導入 AI。」這些微控制器中整合的神經處理單元 (NPU) 還可協助系統達到超過 99% 的故障偵測準確度。
Henrik 表示：「我們將繼續開發在能源基礎設施中具實質意義的應用案例。」「但我們也認識到需要建立通用工具，讓客戶能利用邊緣 AI 進一步創新，應用在我們可能沒有想到的案例上。」
為樓宇帶來舒適、安全與保障，同時節約能源
樓宇自動化的一項共同挑戰是，如何在性能、隱私和功耗之間找到適當的平衡點，以便制定關於居住者福祉和最大化能源效率的決策。Patrick 表示：「邊緣 AI 為工程師提供了直接在裝置上實現這種平衡的工具。」
以動作偵測器為例。使用舊式被動紅外線感測器時，HVAC 通風口吹出的一陣風或寵物穿過房間，都可能觸發錯誤警報，造成能源浪費或使居住者感到困擾。將邊緣 AI 整合到紅外線感測器中，使動作偵測器能夠區分人、背景雜訊或移動，從而實現更準確的照明、安全和舒適系統。
同樣的想法也適用於其他應用案例。透過音訊事件偵測，具備邊緣 AI 功能的高效能嵌入式處理器，可在安全攝影機或玻璃破碎偵測器等裝置上管理語音辨識，同時實現低功耗和高準確度。邊緣 AI 還可協助 HVAC 系統學習入住模式，並辨識溫度和濕度等環境因素，自動調整以達到舒適和節能。
各種應用案例都有一項共同優勢：預測能力。Patrick 表示：「採用 AI 的工程師必須自問：我的裝置應該解決哪些預測性的議題和問題？」
可能性是無窮的。醫療、樓宇自動化和再生能源只是開始。
John 表示：「隨著我們不斷與設計人員合作，我們為他們奠定了基礎，使其輕鬆採用邊緣 AI，或實現下一個支援邊緣 AI 的突破。由於邊緣 AI，現今的裝置已經更便利、易於存取且更高效，那麼下一步是什麼？又將在哪裡實現？」