边缘AI技术如何重塑医疗、可再生能源及楼宇自动化领域

边缘人工智能 (Edge AI) 不仅是我们的未来，更是我们的当下。这项技术直接在电子设备上处理数据，而非依赖云端，从而确保真实场景的高效稳定运转。

“基于云端的 AI 存在诸多局限。例如若使用中央处理器来执行简单的接近感应或关键词识别，系统延迟和功耗都会大幅增加。在这些使用场景下，边缘 AI 就能体现出显著的优势。”——德州仪器 (TI) 楼宇自动化与家电总经理 Patrick Zeng

边缘 AI 已全面赋能 TI 的嵌入式产品，持续激发工程师的创新潜能。为深入理解边缘 AI 的实际影响与价值，我们与多位TI 的 AI 专家一起，共同探讨这些创新技术如何重塑医疗、可再生能源及楼宇自动化领域中电子设备的能力与潜力。

让医疗更普惠，让健康更可及

边缘 AI 技术正在推动医疗保健从以医院和专科诊所为中心的模式，转向一种更快速、便捷的，以患者为中心的模式。

TI 系统与应用工程部总经理 John Varela Munoz 表示：“如今，许多日常设备已经能够提供我们以往只有通过医生问诊才能获得的健康洞察。”

可穿戴心脏监测设备就是一个很好的例子。借助边缘 AI，设备能够在本地分析用户心律、过滤噪声并实时识别异常。通过在设备端运行 AI 模型。它还能学习用户个人的生理基线并精准生成个性化提醒，从而提供更加稳定、可靠的高质量健康监测服务。

当前，我们正利用 AI 来提升一到两种传感器数据的精确度。然而，放眼未来五到十年，AI 模型将能够整合来自温度、压力和电生理信号等多维传感器信息，从而更全面地洞察患者的健康状况。

“未来，AI 将有潜力更快地识别每个人的独特特征，并据此调整算法，从而提供更加个性化的体验。” ——TI 系统与应用工程总经理 John Varela Munoz

例如，临床诊断往往基于这样一个规律“90% 的相似症状患者通常患有同一种疾病”。但如果某患者恰好属于剩下的10% ，AI 便可调取该患者更详尽的病史与其他健康数据，提取个体化细微差异，为诊断提供更细致的参考信息。

让助力可持续能源的普及与创新

随着可持续能源在日常应用中的日益普及，边缘 AI 技术也在助力其进一步推广。预计到 2030 年，可再生能源将成为全球最大的能源来源。TI 正在开发能够支持系统运行并提升可靠性的边缘 AI 方案。

以太阳能电池板为例，TI 通过预训练模型利用边缘 AI 实现更高精度的电弧检测，可提升近 20% 的电弧检测准确率。基于边缘 AI 的电弧故障检测技术，系统可靠性得以增强，同时也可减少因误触发导致的系统停机，避免终端用户因判断是否为电弧故障而产生的额外时间和成本。

在光伏逆变器和储能系统 (ESS) 的功率转换架构中，常采用“单级变换器”等复杂拓扑结构。要在如此宽泛的输入输出范围内实现高效率，是极具挑战性的。通过在搭载边缘 AI 加速的微控制器上运行神经网络，不仅可以加速此类系统方案的实现，还能通过“软开关”（在电流为零时关断电路）技术来维持变换器性能，从而降低功率损耗并提升终端用户系统的效率与可靠性。

此外，边缘 AI 还能加速 ESS 中的电化学阻抗谱 (EIS) 算法运算，提供更加精确的电池荷电状态与健康状态估算，以延长电池寿命。EIS 也能实现更优秀的热失控预测，从而提升系统安全性。

“TI 是率先推出搭载 AI 加速器的微控制器的半导体企业之一。这些 AI 加速器能帮助客户在过往难以实现的场景中应用 AI。” ——TI 电网基础设施部门总经理Henrik Mannesson

这些微控制器中集成的神经处理单元 (NPU)，能够助力系统实现超过 99% 的故障检测准确率。

Henrik 补充道：“我们将持续拓展在能源基础设施领域的相关应用场景。同时，我们也认识到构建通用型开发工具的重要性。它能够让客户借助边缘 AI 进行进一步创新，探索更多我们未曾设想过的应用场景。”

让建筑更舒适、安全与节能

在楼宇自动化领域，一个普遍挑战在于如何兼顾性能、隐私与功耗，在保证用户的使用体验与实现效能最大化之间取得最佳平衡。Patrick 表示：“边缘 AI 能够让工程师直接在设备端实现这种平衡。”

以运动探测器为例，传统的被动红外传感器可能会因暖通空调 (HVAC) 通风口的一阵风或穿过房间的宠物而触发误报，这不仅浪费能源，也给使用者带来困扰。将边缘 AI 集成于红外传感器后，运动探测器便能精准识别人类活动、背景噪音或物体移动，使照明、安防及环境舒适控制系统更加精准可靠。

这一理念同样适用于其他场景。在音频事件检测中，搭载边缘 AI 的高性能嵌入式处理器能够在安防摄像头或玻璃破碎检测器等设备上本地执行语音识别，在确保精度的同时实现低功耗。边缘 AI 还能赋能暖通空调系统学习人员活动模式，识别温度与湿度等环境状态，从而自动优化调节，以提升舒适度并节能。

尽管应用场景多种多样，但它们都指向一个共同优势：预测能力。Patrick 表示：“工程师在采用 AI 时应当思考：我的设备应该解决哪些预测性问题？”

其可能性无穷无尽。医疗、楼宇自动化和可再生能源领域仅仅是一个开端。

John 表示：“随着我们与开发人员的持续合作，我们正在为他们更轻松地采用边缘 AI 打下基础，也为下一波边缘 AI 的创新铺路。如今，边缘 AI 已让设备变得更加便捷、易用且高效。那么，下一个变革会是什么，又将发生在何处？”