虹科干货 | 嵌入式AI崛起，CAN总线如何重塑新角色？

你是否注意到，AI正从「云端」下沉，融入我们身边的各类设备？这就是「嵌入式AI」，它让终端设备拥有了感知、决策的能力。

但一个关键问题随之而来：这些分散的「小智能」，如何被可靠地联结起来，协同工作？答案，或许就藏在历经考验的通信技术——CAN总线之中。

虹科分享的这篇来自国际CAN领域权威组织CiA（CAN in Automation）协会的最新文章，将为你揭示「CAN + AI」这套组合拳的独特优势。它关乎一个更智能、更高效、更自主的未来，而且，这个未来正在加速到来。

“

当AI遇见CAN：嵌入式智能的未来

Google AI将嵌入式人工智能定义为「人工智能与物理设备及系统的融合」，借助这种融合，设备与系统无需依赖云连接，即可在本地完成数据处理、决策制定与动作执行。

实现这一功能的关键，需要在高效硬件上运行 「轻量化」（lean）AI模型，进而带来效率提升、精度优化及实时性能增强等优势。其应用场景包括了自主机器人、智能传感器、医疗、制造业等领域的智能系统。

嵌入式人工智能（Embedded AI）是嵌入式控制网络升级的下一步，人工智能最初应用于大型远程计算机集群，这类集群能耗极高。当然，部分此类AI应用的数据也来自前端嵌入式网络中的传感器：远程AI系统对传感器数据进行处理后，会向前端网络中的执行器发送由AI生成的指令。

在部分嵌入式控制应用中，为摆脱对需依赖网络连接的中央AI计算资源的依赖（对于实时控制系统而言，往往会存在响应迟缓的问题），大家开始部署边缘AI控制器。而如前文所述，嵌入式控制网络发展的下一个阶段，便是引入基于AI的传感器与执行器——这些设备可根据实际需求，选择是否连接至本地边缘AI控制器。

一项新技术诞生初期，采用集中式控制架构往往是行业常规选择；而集中式之后的下一步，通常是去中心化。去中心化的优势在于，经过预处理的数据可通过低带宽网络实现实时传输——这对于所有自主运行系统都是重要利好，例如自动导引车（AGV）、自主移动机器人（AMR）、无人机、无人驾驶商用车（应用于农业、林业、土方工程、建筑）等。

从历史应用来看，这类自主系统大多采用基于CAN总线的网络；在医疗设备与实验室设备领域，这一网络选择逻辑同样适用。此外，去中心化还带来另一项附加效应：此类嵌入式AI网络不一定需要远程接口，因此更容易防范网络攻击，安全性显著提升。

首批嵌入式人工智能（AI）设备可能聚焦两大类别：一是用于导航的传感器融合设备，二是用于状态监测的设备，这两类设备均能输出经过人工智能预处理的「智能」数据。

在执行器端，具备自配置与自优化功能的电力驱动装置有望成为嵌入式AI的典型应用；此外，电机的预防性维护与基于AI的电机状态监测也是备受关注的方向。当然，用户也可使用嵌入式实时AI主机控制器，但将AI软件直接集成到执行器设备中，能为系统设计人员省去AI编程的工作负担，著降低设计难度。

我们有理由相信，芯片制造商很快将推出具备AI处理能力的适配硬件——这类硬件不仅功耗低于当前产品，价格也将处于合理区间，这一进展将使嵌入式AI技术能够延伸至电池供电类应用场景中。在笔者看来，基于CAN总线的网络是连接AI传感器、AI执行器与主机控制器的理想选择：CAN技术的稳健性、可靠性及可扩展性，正是搭载嵌入式AI功能的实时控制系统所必需的核心特性。

首个适配嵌入式人工智能的CANopen协议实例，是针对物品检测设备的CiA 462协议。该协议不依赖具体传感器技术（无论是摄像头、雷达、超声波传感器等），明确规定了映射到过程数据对象（PDO）报文的过程数据格式。此类传感器融合设备可输出由嵌入式AI算法生成的过程数据。此外，其他CiA协议也需在状态监测参数方面进行扩展，以适配嵌入式AI应用场景。

嵌入式AI将智能推向边缘，而稳定可靠的通信是其关键。正如文中所揭示，CAN与CANopen凭借其固有特性，正成为嵌入式AI理想的「神经网络」。

面对这一趋势，虹科致力于提供从经典到前沿（如最新虹科PCAN XL套件）的CAN总线工具与方案，我们期待与行业同仁共同迎接嵌入式AI与实时网络融合的未来。

文章来源Source

Holger Zeltwanger

本文基于Holger Zeltwanger（CiA协会创始人）在CAN Community News (16-2025)的文章，由虹科智能互联团队翻译并分享，旨在与行业同仁共享前沿技术成果。