Traditionelle KI-Anwendungen verlassen sich typischerweise auf Cloud-Server für Modelltraining, Inferenz und Datenanalyse, während Endgeräte Daten sammeln und in die Cloud hochladen.In industriellen Produktionsumgebungen, kann dieser Ansatz jedoch durch Netzwerklatenz, Konnektivitätssicherheit, Datensicherheit, Bandbreitenkosten und die Notwendigkeit eines kontinuierlichen Betriebs eingeschränkt werden.Immer mehr Unternehmen nutzen Edge-KI-Architekturen, die KI-Inferenz, Datenverarbeitung und ausgewählte Entscheidungskapazitäten auf industriellen PCs, Edge-Gateways und intelligenten Geräten, die näher an der Datenquelle liegen, einsetzen.
Zum Beispiel auf einer automatisierten Produktionslinie erfassen Industriekameras Produktbilder,und ein Edge-Computer verwendet KI-Modelle, um Fehler in Echtzeit zu identifizieren, bevor die Ergebnisse an das Produktionssteuerungssystem gesendet werden. Die Inspektion erfolgt lokal, während die Cloud Modellupdates, Datenerfassung, Fabrikübergreifende Analysen und langfristige Optimierungen übernimmt.Edge AI ersetzt Cloud Computing nicht, sondern ermöglicht eine kollaborative Architektur, in der Modelle in der Cloud trainiert werden, Inferenzen am Rand durchgeführt werden,und Aktionen werden von Endgeräten ausgeführt.Dies ist ein wichtiger Treiber für den Übergang von industriellen PCs von herkömmlichen Steuerungsterminals zu intelligenten Rechenplattformen.
In den letzten Jahren haben Industrieunternehmen ihren Fokus von KI-Projekten für den Proof-of-Concept hin zur Implementierung in tatsächlichen Produktionsworkflows verlagert.Die Forschungsreihe "State of Industrial AI" von Cisco untersucht, wie industrielle Organisationen KI einsetzen und ihre Betriebstechnologie und Netzwerkinfrastruktur weiterentwickeln.Eine konsequente Botschaft ergibt sich aus dieser Forschung:Der Erfolg der industriellen KI hängt nicht nur von Modellen und Rechenleistung ab, sondern auch von der Anbindung an die Werkstatt, der Datenerfassung, der Systemintegration und dem Sicherheitsmanagement.Für die Hersteller von industriellen PCs geht der Wettbewerb daher über die Lieferung von Computerhardware hin zu integrierten Plattformen, die KI-Verarbeitung, Netzwerkverbindung,Sicherheitsmanagement, und Systemintegration.
Industrieinformatik-Anbieter integrieren zunehmend Edge AI, Robotik und Systemintegration in ihre Produkt- und Ökosystemstrategien.und andere Embedded-Computing-Unternehmen investieren weiterhin in Edge-AI-Hardware, Software-Toolchains, Geräteverwaltung und branchenspezifische Lösungen.Der Markt für industrielle Rechner geht über den Wettbewerb hinaus, der ausschließlich auf traditioneller IPC-Hardware beruht.und Konnektivität.Der Wert eines industriellen PCs wird zunehmend nicht nur darin liegen, einen Computer bereitzustellen, sondern auch in der Bereitstellung einer Edge-Computing-Plattform, die in der Lage ist, KI-Anwendungen über die Zeit zuverlässig auszuführen.
Traditionelle industrielle PCs haben hauptsächlich mit der Datenerfassung, PLC-Kommunikation, Mensch-Maschine-Interaktion und Produktionsüberwachung zu tun.und autonome Robotik werden immer häufiger verwendet, industrielle PCs nehmen anspruchsvollere Arbeitslasten an, einschließlich Produktfehlererkennung, vorausschauende Wartung von Geräten, Roboterwahrnehmung, Überwachung der industriellen Sicherheit und intelligente Lagerhaltung.In einer typischen heterogenen Rechenarchitektur, die CPU handhabt die allgemeine Steuerung und Systemplanung, die GPU führt parallele Rechen- und Visualisierungsabschlüsse durch, und die NPU beschleunigt die energieeffiziente KI-Abschlüsse.Heterogene Computer werden zu einer wichtigen Designrichtung für Edge-KI-Geräte der nächsten Generation.
Physische KI konzentriert sich darauf, KI-Systeme in die Lage zu versetzen, die reale Welt zu verstehen und physische Aufgaben durch Roboter und Automatisierungsausrüstung auszuführen.Industrie-Roboterarme, autonome mobile Roboter (AMRs) und automatisierte fahrbare Fahrzeuge (AGVs), Inspektionsroboter und automatisierte Lagersysteme.und SteuerterminalsDa sich Aufgaben von der Ausführung einzelner Aktionen zu autonomer Wahrnehmung und komplexer Zusammenarbeit entwickeln, müssen Rechenplattformen mehr Echtzeitdaten verarbeiten.Industrieroboter werden daher zu wichtigen Endpunkten für Edge Computing, während Edge-Computer einen wichtigen Teil der Wahrnehmung, Inferenz und Kommunikationsfähigkeiten bieten, die sie unterstützen.
Auf Produktionslinien für Halbleiter, Automobilkomponenten, Elektronik und Lebensmittelverpackungen werden Industriekameras zur Qualitätskontrolle, Dimensionsmessung,und Fehleranalyse. Da die Anzahl der Kameras, die Auflösung der Bilder und die Komplexität des KI-Algorithmus zunimmt, wächst auch das Volumen der im Werk generierten Daten.,Übertragung über ein Netzwerk an einen Randcomputer, Ausführung von Bildmodellen auf einer GPU oder NPU, Rückgabe der Inspektionsergebnisse an das Produktionssteuerungssystem,und Synchronisierung der Inspektionsdaten mit der CloudMulti-Stream-Videos, drahtlose Vision-Terminals und mobile Inspektionsgeräte erfordern eine zuverlässige Konnektivität und eine ausreichende Datenleistung.Es ist wichtig zu beachten, dass der primäre Datenpfad für die industrielle Bildverarbeitung häufig weiterhin Industrial Ethernet oder dedizierte Schnittstellen verwendet, abhängig von Bandbreite, Entfernung,und DeterminismusanforderungenWi-Fi ist im Allgemeinen besser als eine ergänzende Option für den drahtlosen Einsatz, mobile Endpunkte und Fernwartung positioniert.
Die kommerzielle Bereitstellung von industrieller KI erfordert mehr als nur GPUs.Fernüberwachung von GerätenDie Hersteller von industriellen Rechenplattformen verwenden Softwareentwicklungskits, Linux-Unterstützung, Containermanagement, OTA-Updates,Die Entwicklung und Nutzung von, Validierung und Skalierung von KI-Anwendungen.Für Anbieter von drahtlosen Modulen: Verfügbarkeit von Treibern, Linux-Kompatibilität, SDKs, technische Dokumentation,und Plattformintegrationsfähigkeiten werden wichtige Faktoren bei den Kaufentscheidungen der Kunden sein.
Das Wachstum der industriellen KI stellt neue Anforderungen an industrielle Netzwerke.Fernwartungsterminals benötigen Zugang zu AusrüstungsinformationenTraditionelle kabelgebundene industrielle Netzwerke bleiben jedoch unerlässlich, aber die drahtlose Konnektivität kann für mobile Geräte eine größere Flexibilität bieten.flexible ProduktionslinienDie WLAN-Tracking-Berichte von IDC können helfen, die Einführung von Wi-Fi 7 in der Unternehmensnetzinfrastruktur zu veranschaulichen.Der Markt für Unternehmenszugangspunkte muss jedoch von dem Markt für drahtlose Module unterschieden werden: Die Lieferung von Zugangspunkten oder der Umsatzanteil sollten nicht als direkte Indikatoren für die Nachfrage nachoder Verbringungen von, industrielle WLAN-Module.
Wi-Fi 7 (IEEE 802.11be) führt Verbesserungen in der Kanalbandbreite, Modulation, Multi-Link Operation (MLO) und Kommunikation zwischen mehreren Benutzern ein.Für KI-Edge-Computing und industrielle PCs beschränkt sich sein Wert nicht nur auf Spitzen-Datenraten, sondern bietet auch zusätzliche Konnektivitätsfunktionen für Anwendungen mit hoher Bandbreite.mehrere angeschlossene Geräte, und herausfordernde drahtlose Umgebungen.
Wi-Fi 7 unterstützt Kanalbandbreiten von bis zu 320 MHz im 6 GHz-Band und verdoppelt damit die maximale Kanalbandbreite von 160 MHz, die mit Wi-Fi 6/6E verfügbar ist.Dies schafft potenzielle Vorteile für Multi-Stream-Hochwertigkeit-Video, Datenübertragung durch Bildverarbeitung, drahtlose industrielle Inspektionsterminals und große Dateitransfers.Der Zugang zu 320-MHz-Kanälen hängt von der Verfügbarkeit des entsprechenden 6 GHz-Spektrums auf jedem Zielmarkt ab.Der tatsächliche Durchsatz wird auch durch Entfernung, Signalqualität, Störungen, Antennenentwurf und Netzwerkkonfiguration beeinflusst.
Wi-Fi 7 führt eine 4096-QAM-Modulation ein. Unter idealen Signalbedingungen kann es mehr Daten pro Zeiteinheit übertragen als die 1024-QAM-Modulation, die von Wi-Fi 6 verwendet wird.Eine höhere Modulation erfordert auch eine bessere SignalqualitätMetallausrüstung, Fabrikstrukturen, elektromagnetische Störungen und Gerätemobilität können alle die Leistung in der realen Welt beeinflussen.
MLO ermöglicht es einem Gerät, über mehrere Frequenzbandverbindungen zu kommunizieren und diese Verbindungen entsprechend den Fähigkeiten des Geräts und den Netzwerkbedingungen zu planen.Potenzielle Vorteile sind eine verbesserte Konnektivität in komplexen drahtlosen Umgebungen, eine effizientere Nutzung der Verbindungsressourcen, in bestimmten Szenarien eine geringere Latenzzeit und eine größere Verbindungsflexibilität.MLO sollte nicht als Garantie für ein vollständig nahtloses Roaming oder eine deterministische industrielle Echtzeitkommunikation interpretiert werden.,Zugriffspunkt und Chipsatz.
Neben dem Netzwerkzugang müssen industrielle Edge-Computing-Geräte möglicherweise mit nahegelegenen Peripheriegeräten wie Bluetooth-Sensoren, industriellen Inbetriebnahmewerkzeugen,drahtlose Mensch-Maschine-SchnittstellenWi-Fi wird für die Hochgeschwindigkeitsverbindung mit lokalen Netzwerken verwendet, während Bluetooth für Kurzstreckenkommunikation und periphere Interaktion unterstützt wird.Die Kombination der beiden Protokolle kann die Designkomplexität von separaten Konnektivitätsmodulen reduzierenDie tatsächlichen Ergebnisse hängen jedoch von der Funkkoexistenz, dem Antennenlayout, der Fahrerunterstützung und den Anforderungen des Endgeräts ab.
Da sich industrielle PCs von herkömmlichen Computing-Terminals zu KI-Edge-Computing-Plattformen entwickeln, müssen sich drahtlose Module an neue Gerätearchitekturen anpassen.Die Anschlussanforderungen eines industriellen PCs hängen in erster Linie von seiner Installationsumgebung ab, Host-Plattform-Schnittstellen, verfügbaren Platz und vorgesehene Kommunikationsfunktionen.
Das O2072PM ist ein Wi-Fi 7 und Bluetooth 6.0 Combo-Modul von QOGRISYS. Es verfügt über einen 22 × 30 mm Formfaktor und eine M.2 PCIe-Schnittstelle.Zu den wichtigsten Funktionen gehört die Qualcomm QCC2072-Plattform, 2,4 GHz/5 GHz/6 GHz Dreibandbetrieb, 2T2R MIMO, maximale theoretische PHY-Rate von 5,8 Gbps und Wi-Fi 7-Verbesserungen.2 Schnittstellen sind in eingebetteten Computern und industriellen Motherboards weit verbreitet.Industrie-Motherboards, eingebettete Computing-Plattformen und edge-AI-Computer mit einem kompatiblen M.2 Schlitze und Host-Schnittstelle kann drahtlose Konnektivität in der Motherboard-Design-Phase integrierenPotenzielle Anwendungen umfassen industrielle PCs, Edge-KI-Boxen, Roboter-Computing-Plattformen und ausgewählte Bildverarbeitungssysteme.Designer sollten beurteilen, ob Industrial Ethernet oder eine dedizierte Schnittstelle aufgrund der Bandbreite weiterhin erforderlich istDie Bluetooth-Host-Schnittstelle, Treiberunterstützung, Kompatibilität mit dem Betriebssystemund Plattformintegrationsdetails sollten auch anhand der entsprechenden Produktdokumentation überprüft werden.
Das O2072PB verfügt über einen kompakten 13 × 15 mm Formfaktor, der es für eingebettete Motherboard-Designs mit begrenztem Platz geeignet macht.Zu den wichtigsten Funktionen gehört die Qualcomm QCC2072-Plattform, Wi-Fi 7 und Bluetooth 6.0, 2,4 GHz/5 GHz/6 GHz Betrieb, 2T2R MIMO und eine maximale theoretische PHY-Rate von 5,8 Gbps.Sein Hauptwert liegt in der kompakten Integration, anstatt einfach höhere drahtlose Geschwindigkeiten zu erreichen.Die kleinere Modulfläche kann eine größere Layoutflexibilität für KI-Vision-Terminals, kompakte industrielle Gateways, intelligente Steuergeräte und eingebettete Robotersysteme bieten.Die endgültigen Entwürfe müssen dennoch die Antennenplatzierung 2T2R berücksichtigen., HF-Isolation, thermisches Management, Störungen durch nahegelegene Komponenten und die mechanische Struktur des fertigen Gehäuses.
In der Halbleiterherstellung, in der Automobilelektronik, in der Unterhaltungselektronik und in der Präzisionsherstellung wird die Bildverarbeitung bereits für die Qualitätskontrolle von Produkten, Dimensionsmessungen,und Fehleranalyse. KI-Vision-Modelle ermöglichen es Inspektionssystemen, komplexere Bildverarbeitungsaufgaben zu bewältigen. Für Vision-Terminals, die drahtlose Datenverbindungen, Fernwartung oder Zusammenarbeit mit mehreren Geräten unterstützen,Wi-Fi 7 kann als ergänzende Verbindungsoption dienen.
Roboter müssen mit Computing-Plattformen, Managementsystemen und anderen Geräten verbunden bleiben.und Datenrücklauf für ausgewählte Robotersysteme, während Bluetooth Peripheriegeräte und Kurzstreckeninteraktionen unterstützen kann.
Industrielle Edge-Computer werden in der Nähe von Geräten eingesetzt, um Datenakquise, KI-Inferenz, Geräteüberwachung und Cloud-Konnektivität zu verarbeiten.RS-485, Wi-Fi und Bluetooth.
In Energieversorgern, petrochemischen Anlagen, Schienenverkehrssystemen und großen Industrieparks sammeln Inspektionsroboter hochauflösende Videos, Wärmebilder, Temperaturwerte,und Ausrüstungszustandsdaten. Edge AI kann Bildanalyse und Anomalie-Erkennung lokal durchführen. Wi-Fi 7 kann für mobile Inspektionsgeräte in Einrichtungen mit geeigneter drahtloser Infrastruktur einen schnellen Netzwerkzugang bieten.
Die Wartung von Industrieanlagen wird immer weiter entfernt und digitalisiert.Während Bluetooth die Interaktion mit nahegelegenen Peripheriegeräten unterstützen kannFür die Anlagenhersteller können diese Fähigkeiten die Bereitstellung und Wartung flexibler machen.
Smart Warehousing kombiniert KI-basierte Identifizierung, Roboterflottenkoordination, automatisierte Sortierung und digitale Verwaltung.edge-computing-PlattformenDie hohe Bandbreite und die Multi-Link-Fähigkeiten von Wi-Fi 7 bieten eine weitere Konnektivitätsoption für Umgebungen mit dichten drahtlosen Geräteinsätzen.Die tatsächlichen Einsätze müssen für Roaming noch validiert werden, Abdeckung, Netzwerkübergang und Latenzstabilität.
IDC verfolgt die weltweiten Ausgaben für KI-Infrastruktur, einschließlich beschleunigter Rechenleistung, Server, Speicher und verwandter Bereiche.Sie sollten jedoch nicht als Marktgröße der industriellen Edge AI interpretiert oder zur direkten Schätzung der Nachfrage nach Wi-Fi-Modulen verwendet werden.Für den Industrie-Computing-Sektor ist eine relevantere Frage, wie sich die KI-Computing-Fähigkeiten von Rechenzentren in Fabriken, Lagerhäuser, Transportsysteme,und EnergieinfrastrukturWenn Sie die neueste Ausgabe des weltweiten vierteljährlichen IDC-Trackers für KI-Infrastruktur zitieren, geben Sie das Datum der Veröffentlichung des Berichts, das Berichtsquartal, die Währung und die Ausgabenkategorien an.
Die nächste Phase der industriellen KI wird mehr beinhalten als nur die Bereitstellung einer begrenzten Anzahl von KI-Systemen zur visuellen Inspektion.FabrikflächenDie EDP-Plattformen müssen Daten vor Ort verarbeiten und gleichzeitig mit Cloud-Plattformen, industriellen Netzwerken und mobilen Geräten koordinieren.
Da KI-Vision-Systeme, Roboter und mobile Industriegeräte immer weiter verbreitet werden, werden industrielle Umgebungen eine breitere Palette drahtloser Konnektivitätsoptionen erfordern.Wi-Fi 7 bietet neue Möglichkeiten für Hochbandbreite und Multi-Link-Kommunikation, aber der Wert der Bereitstellung hängt immer noch von der Netzabdeckung, den Frequenzvorschriften, den Zugangspunkteigenschaften, der Kompatibilität von Endpunkten und der Validierung vor Ort ab.
