2018 NI趨勢展望報告

NI供稿

加速到來的未來

我們進(jìn)入21世紀(jì)已近20年，從自主學(xué)習(xí)機(jī)器人、價格不再遙不可及的基組測序、到無處不在的數(shù)據(jù)存儲，不可否認(rèn)，技術(shù)的發(fā)展從未如此之快。以此速度面向未來，我們是時候?qū)徤魉伎嘉覀儗⑷ハ蚝畏?、我們該如何到達(dá)。

近期有一些最令人興奮的科技進(jìn)步，包括人工智能和云計算超越人類智慧的時間比預(yù)測提前了整整10年；硅鍺異質(zhì)雙極晶體管設(shè)定了新的速度參數(shù)標(biāo)準(zhǔn)。此外，NIOEP9電動超級跑車在2:40:33的時間內(nèi)以160英里每小時的速度自主完成了3.4英里的美洲賽道（Circuitof Americas track），創(chuàng)造了新的世界記錄；而經(jīng)過原型驗(yàn)證的超級高鐵系統(tǒng)有望以600英里每小時的平均速度將乘客送到目的地。延續(xù)這一趨勢，2018年無疑將成為技術(shù)進(jìn)步的又一標(biāo)桿年。

在即將到來的這一年，基于大模擬數(shù)據(jù)（Big AnalogData?）解決方案和功能日益強(qiáng)大的機(jī)器學(xué)習(xí) 將會生成新的商業(yè)視角。我們將繼續(xù)迎來車輛網(wǎng)技術(shù)和智能工廠的重大里程碑、看到在集成電路日趨復(fù)雜的需求下測試時間反而大幅減少、見證5G通信和連接振奮人心的進(jìn)展。

我們都在競相奔向未來，NI將繼續(xù)以軟件為中心的開放平臺加快所有用戶定義的測試、測量和控制系統(tǒng)的開發(fā)，助力用戶始終走在技術(shù)最前沿。未來正加速而來，您準(zhǔn)備好了嗎？

文章目錄

   成功管理IIoT的3大準(zhǔn)則

工業(yè)物聯(lián)網(wǎng)(IIoT)中智能設(shè)備和互聯(lián)設(shè)備的數(shù)量快速增加，為提高性能和降低成本提供了巨大的機(jī)會，但一個往往被忽視的挑戰(zhàn)是如何高效地管理這些分布式系統(tǒng)。

   5G將顛覆測試過程

5G創(chuàng)新不止于設(shè)計測試和測量解決方案將成為產(chǎn)品商業(yè)化周期中的關(guān)鍵環(huán)節(jié)，但是5G需要的測試方法與之前的無線技術(shù)截然不同。了解哪些技術(shù)正在讓5G逐步變成現(xiàn)實(shí)。

   打破摩爾定律

盡管最近關(guān)于摩爾定律消亡的言論很多，實(shí)際情況與摩爾定律也有所偏差，但數(shù)十年的創(chuàng)新基本上還是一直遵循著摩爾定律。但現(xiàn)在，這個經(jīng)過50多年驗(yàn)證的定律再次面臨挑戰(zhàn)。了解這一現(xiàn)狀如何影響半導(dǎo)體市場的未來發(fā)展。

   汽車電氣化：顛覆汽車產(chǎn)業(yè)及其他行業(yè)

電氣化的影響 - 汽車電氣化趨勢不只是全球從內(nèi)燃機(jī)汽車和混合動力汽車向全電動汽車的轉(zhuǎn)變。除了車輛本身日益復(fù)雜化的影響，我們還需要考慮對支持基礎(chǔ)設(shè)施提出的新要求。

   通過機(jī)器學(xué)習(xí)，自動獲取工程信息

智能系統(tǒng)不僅生成大量數(shù)據(jù)，也依賴于數(shù)據(jù)，但大幅增加的數(shù)據(jù)量加劇了大模擬數(shù)據(jù)挑戰(zhàn)。了解機(jī)器學(xué)習(xí)如何幫助工程師解決面前的問題，專注于探索和應(yīng)對下一個重大挑戰(zhàn)。

成功管理IIoT的3大準(zhǔn)則

工業(yè)物聯(lián)網(wǎng)（IIoT）已經(jīng)從概念和試點(diǎn)項目迅速演變?yōu)榇笠?guī)模的廠級部署，并取得了豐碩的成果。這些成果主要表現(xiàn)在為前瞻性公司（如捷豹路虎、中國鋼鐵和杜克能源）提供更加優(yōu)化的數(shù)據(jù)分析和決策，以最大限度地延長正常運(yùn)行時間，提升性能并推動未來的產(chǎn)品創(chuàng)新。工業(yè)正在日益智能化和互聯(lián)化。如果無法跟上IIoT創(chuàng)新的步伐，不僅可能丟失市場份額，而且會消耗許多不必要的成本。事實(shí)上，據(jù)埃森哲2017年3月的《ConnectedBusiness Transformation》報告指出：“95%的商業(yè)領(lǐng)袖期望他們的公司在未來三年內(nèi)使用IIoT?！?/span>

結(jié)合目前的邊緣節(jié)點(diǎn)硬件和數(shù)據(jù)分析軟件，通過小型IIoT試點(diǎn)實(shí)現(xiàn)設(shè)備預(yù)測性維護(hù)和智能機(jī)器互聯(lián)控制所獲得的商業(yè)優(yōu)勢是顯而易見的?，F(xiàn)有的技術(shù)已經(jīng)完全可以容納更大規(guī)模的工業(yè)互聯(lián)系統(tǒng)，但同時也帶來了更大的工業(yè)數(shù)據(jù)智能管理挑戰(zhàn)。而現(xiàn)在，最受關(guān)注的技術(shù)熱點(diǎn)和挑戰(zhàn)是：如何擴(kuò)展和管理大型IIoT部署，包括遠(yuǎn)程系統(tǒng)管理、軟件配置管理和數(shù)據(jù)管理。

1.遠(yuǎn)程系統(tǒng)管理

隨著運(yùn)營技術(shù)成本的降低，針對關(guān)鍵資產(chǎn)的監(jiān)測和控制系統(tǒng)應(yīng)用日益普及。資產(chǎn)和維護(hù)經(jīng)理正在面臨的挑戰(zhàn)是，如何利用高性價比的策略來管理這些運(yùn)營資產(chǎn)并最大限度地減少資產(chǎn)停機(jī)。公司可以利用云托管技術(shù)提供的靈活性來實(shí)現(xiàn)遠(yuǎn)程系統(tǒng)管理解決方案，從而掌握多個互聯(lián)系統(tǒng)的狀態(tài)。

成功的遠(yuǎn)程系統(tǒng)管理解決方案需要能夠解決配置、診斷和邊緣設(shè)備管理等方面的挑戰(zhàn)。遠(yuǎn)程系統(tǒng)管理功能通常包括任務(wù)或進(jìn)程級的系統(tǒng)參數(shù)監(jiān)測，如內(nèi)存和CPU使用情況、網(wǎng)絡(luò)和I/O統(tǒng)計信息，以幫助最大限度地減少由于軟件錯誤而導(dǎo)致停機(jī)所產(chǎn)生的影響，并發(fā)現(xiàn)潛在的安全漏洞。

2.軟件配置管理

IIoT市場對持續(xù)交付和改進(jìn)有很高的期望。與日俱增的快速上市壓力要求企業(yè)使用靈活的軟件來修復(fù)漏洞、修改功能以及解決安全漏洞。如果沒有有效的軟件管理策略，就會導(dǎo)致系統(tǒng)運(yùn)行的軟件過時，從而影響資產(chǎn)性能、安全性和可靠性。IIoT公司可通過部署經(jīng)驗(yàn)證的框架和最佳實(shí)踐來避免手動軟件部署的高成本和低效率。

在工業(yè)環(huán)境中，高效的軟件配置管理策略應(yīng)可應(yīng)對高度動態(tài)環(huán)境中不斷變化的系統(tǒng)利用率和網(wǎng)絡(luò)穩(wěn)定性。位于IIoT不同階段的多個供應(yīng)商提供的系統(tǒng)方案是高度混合的，更加需要能夠跟蹤和控制應(yīng)用程序級以及固件級微小軟件更改的技術(shù)。展望未來，企業(yè)需要在保證現(xiàn)有業(yè)務(wù)的基礎(chǔ)上，轉(zhuǎn)換到一個集成了軟件配置管理的優(yōu)化平臺，以探索運(yùn)營技術(shù)（OT）和主流IT解決方案之間的邊緣聯(lián)接。

“百分之九十五的商業(yè)領(lǐng)袖期望他們的公司在未來三年內(nèi)使用IIoT?！?/span>

—埃森哲, 2017

3.數(shù)據(jù)管理

IIoT系統(tǒng)會生成大量數(shù)據(jù)，數(shù)據(jù)量將會達(dá)到TB級，甚至是艾字節(jié)級別。管理這些數(shù)據(jù)以實(shí)現(xiàn)優(yōu)化的商業(yè)決策是企業(yè)在了解自身業(yè)務(wù)并實(shí)現(xiàn)提升的過程中必須實(shí)現(xiàn)的一個要素。IIoT系統(tǒng)產(chǎn)生的數(shù)據(jù)中隱藏著大量有價值的信息，這些信息可以借助先進(jìn)的智能信號處理算法挖掘出來。隨著數(shù)據(jù)管理技術(shù)的日益普及，企業(yè)可以有多種方案來管理其數(shù)據(jù)，在整個企業(yè)范圍內(nèi)獲取不同層次的有用信息。

數(shù)據(jù)管理策略需要同時包含能夠運(yùn)行在邊緣側(cè)和企業(yè)級的分析功能。據(jù)《IDCFutureScape: Worldwide Internet of Things 2017 Predictions》報告指出：到2019年，至少有40%的IoT數(shù)據(jù)將存儲到邊緣設(shè)備進(jìn)行處理、分析和操作。高效的數(shù)據(jù)管理解決方案必須能夠整合來自多個分散源的數(shù)據(jù)，并提供不同級別的分析，以便讓正確的人員獲得正確的信息，并將原始數(shù)據(jù)轉(zhuǎn)化為有據(jù)可依的決策。

是時候展示平臺的力量

現(xiàn)在，構(gòu)建IIoT解決方案可以為企業(yè)帶來前所未有的競爭優(yōu)勢，同時避免被不斷更新的市場淘汰。 各行各業(yè)的公司正在采用一系列顛覆性的平臺和生態(tài)系統(tǒng)，利用傳感器驅(qū)動的計算、工業(yè)分析和智能機(jī)器應(yīng)用等智能技術(shù)，將業(yè)務(wù)轉(zhuǎn)變?yōu)閷?shí)現(xiàn)創(chuàng)新和發(fā)展的引擎。借助IIoT技術(shù)，我們可以利用這些最先進(jìn)的平臺的優(yōu)勢，降低維護(hù)成本，提高資產(chǎn)利用率。

5G將顛覆測試過程

5G代表著新一代的變革，將深刻影響全球的企業(yè)和消費(fèi)者。它有望提供革命性的無限制的體驗(yàn)，具有更快的數(shù)據(jù)，更短的網(wǎng)絡(luò)響應(yīng)時間（更低的延遲），隨時隨地的即時訪問以及數(shù)十億個設(shè)備的容量。我們這里說的不只是更快速地將視頻下載到手機(jī)上。與3G和4G不同，5G的應(yīng)用領(lǐng)域遠(yuǎn)不只是移動設(shè)備，它將擴(kuò)展到我們生活的各個方面。從實(shí)現(xiàn)工業(yè)物聯(lián)網(wǎng)到確保自主汽車的安全，5G將以難以想象的方式改變我們的生活。

十年后，我們回頭看時，肯定會說5G是迄今為止最重要的技術(shù)之一。它實(shí)現(xiàn)了當(dāng)今正在興起的一切，包括可以相互通信的自主駕駛汽車，以及最快速的視頻體驗(yàn)。

—Patrick Moorhead，Moor   Insights & Strategy總裁兼首席分析師

通往5G之路

3GPP標(biāo)準(zhǔn)機(jī)構(gòu)正在馬不停蹄地定義5G，但真正的工作才剛剛開始?，F(xiàn)在，半導(dǎo)體、網(wǎng)絡(luò)基礎(chǔ)設(shè)施、云、軟件、制造和測試技術(shù)領(lǐng)域的公司必須設(shè)計、開發(fā)、測試和交付能夠利用這些新無線功能的解決方案。這并非易事。

5G采用了大規(guī)模MIMO和毫米波等新技術(shù)。兩種技術(shù)都使用多天線和波束成形技術(shù)，這與目前和以往的無線架構(gòu)有很大的不同。5G還包括新的無線控制機(jī)制，通過將控制與數(shù)據(jù)分割開來實(shí)現(xiàn)網(wǎng)絡(luò)切片的概念，使服務(wù)擴(kuò)展到單個用戶設(shè)備。

另外，5G標(biāo)準(zhǔn)比3G和4G標(biāo)準(zhǔn)要復(fù)雜得多。5G將變革我們的網(wǎng)絡(luò)，所以行業(yè)必須改變這些系統(tǒng)的設(shè)計、開發(fā)和測試方式。對于算法設(shè)計，如果要從概念過渡到生產(chǎn)，只是對系統(tǒng)進(jìn)行建模而沒有進(jìn)行真實(shí)的驗(yàn)證是不夠的。而對于測試來說，僅針對單個組件的傳統(tǒng)方法將無法解釋對系統(tǒng)的整體影響。

基于平臺的方法

世界各地的無線研究人員很快就發(fā)現(xiàn)，成功的唯一途徑是采用以軟件為中心的平臺化方法來開展5G研究。諾基亞推出了首個73GHz的毫米波5G原型，并使用毫米波頻譜打破了移動接入數(shù)據(jù)速率的紀(jì)錄。隆德大學(xué)開發(fā)了第一個大規(guī)模MIMO原型，布里斯托大學(xué)和Facebook的研究人員擴(kuò)展了其大規(guī)模MIMO原型，創(chuàng)造了前所未有的頻譜效率里程碑。

這些系統(tǒng)原型已經(jīng)成為5G技術(shù)演變中的重要環(huán)節(jié)。這些案例中使用的平臺化設(shè)計方法充分利用了軟件無線電（SDR）來應(yīng)對系統(tǒng)挑戰(zhàn)以及縮短獲得結(jié)果的時間。用于設(shè)計和原型驗(yàn)證的SDR將隨著軟件的變化而不斷發(fā)展。我們甚至可以預(yù)想功能更加強(qiáng)大的SDR，其軟件將擴(kuò)展到擴(kuò)展到物理層之上，以利用龐大的開源軟件生態(tài)系統(tǒng)。這將使研究人員能夠解決更上層的網(wǎng)絡(luò)，進(jìn)一步減少采用時間，并打破了孤立的設(shè)計方法。

5G創(chuàng)新不止于設(shè)計

測試和測量解決方案將成為5G商業(yè)化周期的關(guān)鍵。測試系統(tǒng)必須擴(kuò)展到物理層之上，才能使用可控/可轉(zhuǎn)向的波束來快速且經(jīng)濟(jì)高效地測試這些新的多天線技術(shù)。此外，這些系統(tǒng)必須解決具有極寬帶寬的新毫米波設(shè)備。這些測試解決方案不僅需要能夠測試設(shè)備的重要參數(shù)，而且還要具有成本效益，不僅能充分發(fā)揮5G的潛力，而且可使之得到廣泛應(yīng)用。

基于這些特性，5G需要采用不同的方法來測試無線設(shè)備和系統(tǒng)。例如，系統(tǒng)級空口傳輸技術(shù)(Over-the-air,OTA)測試將成為5G生態(tài)系統(tǒng)的標(biāo)準(zhǔn)測試之一。OTA測試提出了幾個挑戰(zhàn)，但最困難的地方或許是測試設(shè)備和待測設(shè)備共存的環(huán)境?？諝馐且环N不可預(yù)知的媒介，而信道本身也隨時間和環(huán)境條件而變化。無線測試工程師必須在OTA場景中隔離通道，并逐個使用波束來控制設(shè)備，以有效地“測試”設(shè)備。

此外，英特爾等公司已經(jīng)推出了早期的相控陣天線模塊，其特征是直接連接到RF前端的天線，以最大限度減少系統(tǒng)損耗。因?yàn)樵O(shè)備的訪問會受到限制，測試設(shè)備的頻率必須升高到毫米波頻帶，然后逐個波束地分析主要性能參數(shù)。

最后一點(diǎn)，盡管帶寬是一個常見的測試挑戰(zhàn)，但是經(jīng)過測試的5G帶寬預(yù)計將比標(biāo)準(zhǔn)LTE信道寬50倍。在這些帶寬下，測試系統(tǒng)不僅必須生成和采集更寬帶寬的波形，還需要能夠?qū)崟r處理所有數(shù)據(jù)。

下一步

無線研究人員采用基于SDR的平臺設(shè)計方法，加快了5G的早期研究階段以及所獲得的成果?，F(xiàn)在，測試解決方案提供商也必須這樣做。5G要求我們必須以前所未有的方式轉(zhuǎn)變測試方法，而靈活且可配置的平臺化方法對于生態(tài)系統(tǒng)的發(fā)展至關(guān)重要。

打破摩爾定律

最近關(guān)于摩爾定律終結(jié)的言論非常多。 雖然經(jīng)過了五十多歲的反復(fù)驗(yàn)證，這一定律再次再次面臨挑戰(zhàn)，但請不要對半導(dǎo)體和電子市場的前景悲觀失望。英特爾聯(lián)合創(chuàng)始人戈登摩爾（GordonMoore）提出了一個著名的定律：半導(dǎo)體的晶體管數(shù)量一開始將每12個月翻一番，之后將每24 個月翻一番。盡管有一些微小的偏差，但半導(dǎo)體處理技術(shù)的發(fā)展數(shù)十年來一直遵循這一定律。 這種“無限制”的體積縮小（scaling）可允許復(fù)用類似的架構(gòu)設(shè)計，為半導(dǎo)體技術(shù)的發(fā)展提供更低的成本、更低的功耗以及更快的處理速度。而這種“無限制”的體積縮小的終結(jié)是否意味著計算技術(shù)的進(jìn)步即將走到盡頭？ 盡管這一威脅嚴(yán)重到足以讓DARPA增加資金投入到后摩爾定律世界的研究，但科學(xué)家和工程師一直以來都在不斷地克服縮小體積芯片過程中的障礙，而純粹針對半導(dǎo)體芯片體積縮小的一些創(chuàng)新替代方案則描繪了一個明朗有趣的未來。“摩爾定律的終結(jié)可能是一個轉(zhuǎn)折點(diǎn)。”Microsoft Research企業(yè)副總裁PeterLee博士在《經(jīng)濟(jì)學(xué)人》2016年3月的季度技術(shù)報告中表示。這將充滿挑戰(zhàn)- 但同時也是一個機(jī)會，可以探索不同的方向，并真正打破這一定律。

打破摩爾定律的歷史

從摩爾定律的角度是看在芯片上的三極管數(shù)量（也就是更小的體積上存在更多的三極管數(shù)量），但是對于半導(dǎo)體行業(yè)來說這些并不意味著所有半導(dǎo)體瞄準(zhǔn)的方向，包括更高速的處理速度和更低的功耗，都是半導(dǎo)體技術(shù)提升帶來的好處。人們對半導(dǎo)體技術(shù)提升帶來的好處的預(yù)期數(shù)十年來一直在變成現(xiàn)實(shí)，但這些好處將不再容易實(shí)現(xiàn)或預(yù)期。處理器的冷卻問題阻礙了處理器頻率技術(shù)的指數(shù)級上升，但這種明顯的“障礙”激發(fā)了大量創(chuàng)新，促進(jìn)了多核處理器的普及。雖然核心頻率的增長受到限制，但由于多核技術(shù)的發(fā)展，結(jié)合可加快圖形、游戲和視頻播放速度的專用矢量處理單元，PC系統(tǒng)性能仍不斷提升。但這些新技術(shù)給開發(fā)軟件模型最好地利用這些新的處理塊帶了新的挑戰(zhàn)。隨著處理架構(gòu)的變化，高速晶體管的應(yīng)用不再僅限于CPU，也應(yīng)用到I/O子系統(tǒng)中，為處理器提供更高網(wǎng)絡(luò)、攝像頭和數(shù)據(jù)采集帶寬。高速信號處理在無線和有線標(biāo)準(zhǔn)中的應(yīng)用使得I/O帶寬的增長速度已經(jīng)超過了純粹的晶體管體積縮小速度。

“摩爾定律的終結(jié)可能是一個轉(zhuǎn)折點(diǎn)。這將充滿挑戰(zhàn) - 但同時也是一個機(jī)會，可以探索不同的方向，并真正打破這一定律?！?/span>

—Peter Lee博士，企業(yè)副總裁，Microsoft  Research

利用第三維度（3D-IC和SiP）

隨著芯片設(shè)計方面的不斷突破，以前對摩爾定律終結(jié)的預(yù)測已經(jīng)變成現(xiàn)實(shí)。目前的技術(shù)正在通過堆疊芯片和晶體管來更充分地利用第三維度，這將進(jìn)一步增加晶體管的密度，但也可能帶來新的設(shè)計和測試問題。例如，晶體管體積越小，成本越高，這要求新的芯片能夠結(jié)合更多的系統(tǒng)功能來匹配更高的價格。這種先進(jìn)的“片上系統(tǒng)(SoC)”方法表現(xiàn)在FPGA從簡單的邏輯門陣列演變成高性能I/O和處理系統(tǒng)，將處理器、DSP、存儲器和數(shù)據(jù)接口組合到單個芯片中。許多擴(kuò)大芯片密度的新選擇從第三維度來考慮，即如何設(shè)計晶體管以及如何使用3D-IC技術(shù)將現(xiàn)有芯片組合到一個封裝中。雖然片上系統(tǒng)在設(shè)計和測試方面更為復(fù)雜，但它們的設(shè)計目的是通過高集成度來降低終端設(shè)計的成本。即便有這些好處，但芯片堆疊會帶來新的復(fù)雜性，進(jìn)而帶來新的挑戰(zhàn)。隨著越來越多的系統(tǒng)開始從第三維度考慮體積縮小，調(diào)試和測試挑戰(zhàn)將變得更加明顯，更多的芯片空間將被用于提供集成的調(diào)試和測試功能。

新的計算架構(gòu)

歷史表明，以往在縮小芯片體積時遇到的各種問題激勵工程師進(jìn)行創(chuàng)新，通過改進(jìn)架構(gòu)來更好地利用硅技術(shù)。最新的各種挑戰(zhàn)開創(chuàng)了需求導(dǎo)向的計算時代，即通過將多個不同類型的獨(dú)特計算架構(gòu)相結(jié)合來解決問題。這種趨勢越來越廣泛地應(yīng)用于圖像處理器GPU，并與通用CPU相輔相成，但是隨著FPGA、向量處理器甚至針對特定應(yīng)用的計算塊促進(jìn)專用計算技術(shù)加速發(fā)展，該技術(shù)也在更快速地擴(kuò)張。這些加速的技術(shù)，如機(jī)器學(xué)習(xí)技術(shù)，將成為未來片上系統(tǒng)的標(biāo)準(zhǔn)組成模塊。利用這些混合處理架構(gòu)的關(guān)鍵是能夠幫助用戶使用上層描述語言進(jìn)行設(shè)計并部署到各種處理引擎以提高處理速度的軟件工具和框架。隨著異構(gòu)計算成為縮小芯片體積的的選擇，最初研發(fā)多核芯片以利用并行性的場景將重演。盡管摩爾定律的適用性再次受到威脅，但機(jī)器學(xué)習(xí)和自主駕駛等市場需求將持續(xù)擴(kuò)展處理能力和I/O帶寬，為推動架構(gòu)創(chuàng)新提供新的機(jī)遇。

汽車電氣化：顛覆汽車產(chǎn)業(yè)及其他行業(yè)

在全球范圍內(nèi)，政府正在推行新的指令，這些指令將導(dǎo)致內(nèi)燃機(jī)逐漸消失。中國率先規(guī)定在2018年之前上路的新車輛中，必須有8％是“新能源”或零排放車輛，這是很大的挑戰(zhàn)，因?yàn)槟壳斑@一比例僅為2％至3％。類似的限制內(nèi)燃機(jī)未來發(fā)展的政府法規(guī)已經(jīng)遍及全球，與此同時，混合動力汽車和全電動汽車產(chǎn)業(yè)的重要性和發(fā)展也不容忽視。沃爾沃可能是汽車制造商中立場最堅定的，該公司承諾到2019年僅生產(chǎn)混合動力汽車或全電動汽車，并承諾到2025年將銷售超過100萬輛電動汽車。“這個法令標(biāo)志著內(nèi)燃機(jī)汽車的結(jié)束。” 沃爾沃總裁兼CEO H?kan Samuelsson在2017年7月的一次聲明中表示。

“這個法令標(biāo)志著內(nèi)燃機(jī)汽車的結(jié)束?！?/span>               —H?kan  Samuelsson，沃爾沃總裁兼CEO

不只是EV / HEV

從內(nèi)燃機(jī)到混合動力以及全電動汽車的轉(zhuǎn)變只是車輛電力電子系統(tǒng)中變化最顯著的一部分。電氣化對車輛子系統(tǒng)也同樣很重要。10年前，方向盤和前輪之間采用完全機(jī)械聯(lián)接并不罕見。方向盤連接到一根轉(zhuǎn)動軸，轉(zhuǎn)動軸再連接到用于轉(zhuǎn)動車輪的齒條齒輪裝置，甚至是更高效的液壓系統(tǒng)，也仍保持方向盤和輪胎之間的機(jī)械耦合。油門踏板和手動變速器也采用相似的連接。

線控技術(shù)在現(xiàn)代車輛中的普及打破了這種模式。傳感器、遠(yuǎn)程執(zhí)行機(jī)構(gòu)和多個控制系統(tǒng)已經(jīng)取代了機(jī)械耦合。方向盤與前輪之間不再直接連接，而是由轉(zhuǎn)向柱上的傳感器測量車輪的角度。然后，嵌入式控制器將該測量換算成一個角度值，并將該值發(fā)送到車輛的通信總線。在通信總線上的另一個端，另一個控制器接收該值，根據(jù)車速和駕駛員設(shè)置將其轉(zhuǎn)換為車輪角度，然后命令執(zhí)行機(jī)構(gòu)將車輪移動到所需的角度。在許多車輛中，安全系統(tǒng)位于線控轉(zhuǎn)向系統(tǒng)的中間，以確保車輛停留在行車道內(nèi)，并避免車道中的障礙物。隨著車輛電力電子子系統(tǒng)數(shù)量的增長，汽車本身也開始看起來像一個微電網(wǎng)，在微電網(wǎng)中，公共電力總線連接著越來越多的源極和漏極組件，每個組件都由獨(dú)立的嵌入式控制系統(tǒng)進(jìn)行管理。

更廣泛的影響

從更廣義的角度來看政府汽車法令的影響，電氣化的指數(shù)增長和內(nèi)燃機(jī)時代的即將終結(jié)要求電力基礎(chǔ)設(shè)施發(fā)生根本性的變化才能支持汽車發(fā)電廠的轉(zhuǎn)型。在任何街角的加油站中，一輛內(nèi)燃機(jī)汽車只需大約10分鐘的時間就能將油箱加滿，繼續(xù)行駛300英里。而即使是使用專用增壓器，類似的充電站需要至少一個小時的時間才能使全電動車輛充滿電。即使是針對日常通勤所需的緩慢充電，充電硬件也有需要一定的考量。對于房主來說，安裝充電站可能像在車庫中放置大電流電路一樣簡單，但對于房屋或公寓的租賃者而言，情況就有點(diǎn)復(fù)雜。如果汽車主人都住在一個城市，并在街上停車，那么家庭收費(fèi)站的概念可能是完全不可能實(shí)現(xiàn)的。

從電力公司的前景來看汽車電氣化的未來，基于日常勞動力進(jìn)度的循環(huán)需求加上快速充電的高負(fù)載需求，為電網(wǎng)提出了難以置信的新挑戰(zhàn)。如果所有上班者都在下午5點(diǎn)回家，并在同一時間內(nèi)插入電動汽車，這會改變電網(wǎng)典型峰值需求的時間，區(qū)域高峰耗電領(lǐng)域?qū)墓┡蛑评渥兂山煌ㄟ\(yùn)輸。對于規(guī)模較大的加油站，眾多用于快速充電的增壓器將需要類似于中等規(guī)模小區(qū)所需的電能。政府法規(guī)驅(qū)動的電動汽車趨勢直接導(dǎo)致車輛復(fù)雜性的增長，并間接導(dǎo)致對增加基礎(chǔ)設(shè)施的迫切需求。汽車行業(yè)的未來將推動電網(wǎng)的未來，這將需要更智能的控制系統(tǒng)。將其變?yōu)楝F(xiàn)實(shí)需要建立安全可靠的控制系統(tǒng)，這是一個真正跨領(lǐng)域的挑戰(zhàn)。為了快速上市，這將需要更多地依賴實(shí)時測試、生產(chǎn)測試以及能夠熟練使用業(yè)界領(lǐng)先的靈活開放平臺來開發(fā)各種工具的生態(tài)系統(tǒng)合作伙伴。借助正確的工具，工程師將能夠適應(yīng)汽車電氣化所需的變革性技術(shù)。

通過機(jī)器學(xué)習(xí)，自動獲取工程信息

機(jī)器學(xué)習(xí)已經(jīng)在模式識別（patternrecognition）相關(guān)的某些利基領(lǐng)域取得了顯著的成果，但是該技術(shù)正在對企業(yè)產(chǎn)生更大、更長遠(yuǎn)的影響，需要相關(guān)行業(yè)提出更廣泛的見解以及提高效率。技術(shù)巨頭對機(jī)器學(xué)習(xí)應(yīng)用的投資正在引起廣泛的關(guān)注。Google在美國總部以外的最大型開發(fā)人員團(tuán)隊就是致力于研究機(jī)器學(xué)習(xí)。微軟公司推出開源CNTK，百度發(fā)布了PaddlePaddle、亞馬遜決定在AWS上支持MXNet，此外Facebook也開發(fā)了兩個深度學(xué)習(xí)框架。消費(fèi)者領(lǐng)域的機(jī)器學(xué)習(xí)應(yīng)用浪潮將滲透到工業(yè)中，這將幫助工程師和管理人員通過自動化數(shù)據(jù)分析改進(jìn)業(yè)務(wù)運(yùn)營。除了推動創(chuàng)新，機(jī)器學(xué)習(xí)還帶來了直接即時的業(yè)務(wù)改進(jìn)，例如正常運(yùn)行時間延長、生產(chǎn)成本降低以及工程開發(fā)效率提高。

機(jī)器學(xué)習(xí)以數(shù)據(jù)為基礎(chǔ)

網(wǎng)絡(luò)智能系統(tǒng)提高數(shù)據(jù)可見性的能力一方面使物聯(lián)網(wǎng)（IoT）大大受益，另一方面也帶來了大模擬數(shù)據(jù)的挑戰(zhàn)。ABIResearch (QTR 1 2017)指出，工業(yè)設(shè)備的傳感器和機(jī)器數(shù)據(jù)預(yù)計到2020年將超過78艾字節(jié)，這些數(shù)據(jù)可能包含當(dāng)今技術(shù)無法發(fā)現(xiàn)的機(jī)器故障、制造缺陷或重要驗(yàn)證測試數(shù)據(jù)相關(guān)的證據(jù)。大量數(shù)據(jù)結(jié)合機(jī)器學(xué)習(xí)算法，可訓(xùn)練出更精確的模型，更快速生成結(jié)果，但前提是能夠有效獲取這些海量數(shù)據(jù)。系統(tǒng)設(shè)計人員在部署機(jī)器學(xué)習(xí)技術(shù)時，首先需要能夠查看到規(guī)范有序的數(shù)據(jù)集，然后才能為互連系統(tǒng)開發(fā)更全面的數(shù)據(jù)采集和管理策略。

驅(qū)動創(chuàng)新

在產(chǎn)品開發(fā)過程中處理設(shè)計缺陷可能會導(dǎo)致昂貴的代價，這也是工程師將很多時間、注意力和預(yù)算用在設(shè)計驗(yàn)證和測試上的原因。在機(jī)器學(xué)習(xí)幫助工程師將寶貴的工程時間集中在最需要測試和驗(yàn)證的產(chǎn)品領(lǐng)域之前，我們需要整理歷史測試數(shù)據(jù)，使其便于訪問。

提高產(chǎn)量

目前大多數(shù)制造商的做法是篩選通過/失敗條件并保存數(shù)據(jù)以便進(jìn)行取證分析、校準(zhǔn)記錄和溯源。一些制造商使用更先進(jìn)的自動測試方法，但機(jī)器學(xué)習(xí)模型可以幫助他們更加高效的定位產(chǎn)品缺陷，而不論其產(chǎn)生的根本原因是什么。當(dāng)前版本的硅片組件是否來自新的晶圓廠？設(shè)計是否包括仿冒組件？實(shí)際工程應(yīng)用中，無數(shù)的異常可能會導(dǎo)致缺陷，因此為所有異常分別設(shè)置測試條件是不切實(shí)際的。但機(jī)器學(xué)習(xí)技術(shù)能夠幫助制造測試工程師發(fā)現(xiàn)在設(shè)計和測試產(chǎn)品時未察覺的缺陷。

提高正常運(yùn)行時間

許多加工制造或其他加工行業(yè)的公司都擁有龐大的數(shù)據(jù)庫來存儲工業(yè)資產(chǎn)維護(hù)和運(yùn)營數(shù)據(jù)。當(dāng)今的現(xiàn)狀是維護(hù)工程師手工處理這些數(shù)據(jù)，但未來將采用機(jī)器學(xué)習(xí)方法來處理這些數(shù)據(jù)、對操作狀態(tài)進(jìn)行分類以及檢測異常。經(jīng)過訓(xùn)練的系統(tǒng)將能夠自動識別異常情況，并提醒維護(hù)人員進(jìn)行故障排除。

利用邊緣

從許多角度來看，機(jī)器學(xué)習(xí)的時代已經(jīng)到來。高性能處理以及傳感器融合與機(jī)器學(xué)習(xí)的結(jié)合，將幫助工程師開發(fā)更高性能的系統(tǒng)，可以在邊緣側(cè)解讀數(shù)據(jù)，而無需與企業(yè)堆棧進(jìn)行通信。一些技術(shù)可以在邊緣設(shè)備上直接訓(xùn)練和運(yùn)行模型，為工程師提供以下三種系統(tǒng)架構(gòu)選項來進(jìn)行模型訓(xùn)練和部署：云端、邊緣或兩者結(jié)合。基于真實(shí)物理信號將邊緣設(shè)備智能化，可以減少決策的延遲和對昂貴的IT基礎(chǔ)架構(gòu)的需求，這有助于緩解數(shù)十億臺新設(shè)備競爭有限帶寬的狀況。

平臺將利用機(jī)器學(xué)習(xí)的強(qiáng)大力量

需要注意的一個關(guān)鍵因素是將機(jī)器學(xué)習(xí)納入現(xiàn)有技術(shù)平臺，這將有助于開發(fā)人員專注于新問題，快速將相鄰的技術(shù)整合在一起，避免中間件丟失。大多數(shù)工程師不希望將時間花在處理已有答案或者僅因?yàn)楣ぞ哝湹木壒识徽J(rèn)為是必要問題。當(dāng)前平臺支持哪些云分析？哪些公司的云？部署模型時是否會存在RTOS兼容性問題？ 將機(jī)器學(xué)習(xí)集成到云、軟件和硬件平臺將提供前期的技術(shù)棧，使工程師可以專注于新的挑戰(zhàn)。

“有很多選擇可以幫助企業(yè)提取其分散的商業(yè)信息系 統(tǒng)中隱藏的有用信息。機(jī)器學(xué)習(xí)平臺可以通過最新獲取的IoT傳感器數(shù)據(jù)快速的將這些數(shù)據(jù)整合在一起。讓平臺來完成這些瑣碎的工作，使企業(yè)可以專注于進(jìn)行更加優(yōu)化的決策。”

—Andy Timm, CTO, PTC

當(dāng)今的機(jī)器學(xué)習(xí)應(yīng)用可以非?？焖俚卦谝槐鞠鄡灾姓业疥P(guān)于狗的照片，但商業(yè)領(lǐng)袖正在尋找合適的工程師和平臺以及下一代機(jī)器學(xué)習(xí)，以在大模擬數(shù)據(jù)中找到提高正常運(yùn)行時間、產(chǎn)量和效率的有用信息。