芯科科技携手Emanate Wireless实现智慧医院高精度定位

Silicon Labs（芯科科技）很荣幸与Emanate Wireless公司共同通过基于BG22与MG26 SoC所打造的RadioVision实时定位服务（RTLS）解决方案，荣获Edge AI Foundation的2026年Blueprint奖项。依托芯科科技优异的低功耗无线连接、AI/ML和安全技术支持，Emanate Wireless的RadioVision方案可达到99.9%房间级别（Room-Level）的定位精确度，意指在室内环境中，该RTLS服务能够准确区分人员或设备所在的房间，将医院应用的RTLS推向更实用的边缘驱动架构。

Edge AI Foundation的2026年Blueprint奖表彰了芯科科技和Emanate Wireless合作开发的标准、边缘驱动的RTLS方案，使得医疗院所得以从传统的专有、基础设施密集型RTLS转换至更具成本效益且仍可在真实医疗环境中实现99.9%室内房间精度的新型解决方案。

为什么多数医院仍缺乏可靠的房间级定位智能

深究其原因并不是医院没有相关需求，而是现有系统无法在不依赖昂贵、专有基础设施的情况下提供临床级精度。

多年来，医疗机构被迫在两种方案间取舍：要么部署基于有线基础设施和供应商锁定技术的昂贵系统以获得精度，要么采用低成本但无法满足真实临床工作流的解决方案。在病患护理、员工安全与合规依赖精确房间级感知的环境中，这种取舍根本行不通。

RadioVision为解决医疗RTLS问题提供新方法

RadioVision并非持续估算房间内的位置，而是专注于更可靠的指标：准确知道某物何时进入或离开房间。这一转变彻底改变了架构。

门口成为智能点。

电池供电的低功耗蓝牙5.1 AoA卡点部署在门槛处，利用设备端机器学习实时分类移动。

不再只是病人或资产“可能在哪里”的模糊信息，而是提供“是否在房间内”的确切信息。

这种方式使系统在真实医院环境中实现99.9%的房间级精度，而无需有线基础设施或专有读写器生态。

边缘AI带来准确且实用的部署

室内无线信号复杂多变，反射、干扰与持续移动让传统算法难以可靠定位。RadioVision采用根本不同的方法：

不依赖更多基础设施或复杂信号处理，而是用机器学习识别真实运动模式。

在门口直接分类进出事件，所有处理在设备端完成。

高带宽AoA 数据在本地转化为确定性的房间状态事件，仅上传这些事件。

Emanate Wireless首席执行官Neil Diener表示：“行业一直试图通过增加基础设施来解决房间级精度问题。我们采取了不同的方法—聚焦门口并使用边缘机器学习，在没有高成本与复杂性的情况下实现99.9%精度。芯科科技的低功耗无线与设备端AI能力是实现这一架构实用与可扩展的关键。”

房间级精度为医疗服务带来的实质影响

当具备可靠的房间级精度，它将能提供更智能化的医疗服务，例如：

护士进入房间时自动取消呼叫

员工求助警报更精准可执行

洗手合规可被可靠监控

资产基于实际使用而非估算进行追踪

患者与员工互动可在真实语境中理解

这些不是渐进改进，而是直接影响病患结果、员工效率与运营可视性。

以MG26和BG22实现医疗临床级RTLS

RadioVision基于芯科科技的MG26多协议无线SoC与BG22蓝牙SoC，结合低功耗无线连接、AoA能力与嵌入式AI/ML硬件加速器。

BG22作为AoA接收器，收集CTE包与相位信息。

MG26处理数据并在集成AI加速器上运行机器学习推理。

即使在多径与干扰丰富的医院环境中，也能以99.9%精度分类门口进出。

低功耗架构消除了密集有线基础设施需求。无需PoE安装与专用读写器网络，RadioVision可作为紧凑电池供电卡点部署，在典型医院工作负载下电池寿命可达五年。

成果是一个可扩展、节能的RTLS模型，将每间房的基础设施成本从超过1,000美元降至约100美元，使临床级房间精度更易于各类医院采用。

边缘AI的新蓝图

Edge AI Foundation Blueprint Award不仅关注性能，更强调架构上的根本创新。RadioVision代表了这种转变：

用基于标准、电池供电的方式取代专有、基础设施密集型系统。

构建在确定性边界智能与设备端机器学习之上。

虽然最初为医疗而开发，但该架构远不止于此，任何需要可靠实时室内感知的环境都能受益。芯科科技与Emanate Wireless合作将这一创新推向市场。通过获奖的RadioVision RTLS解决方案证明，实现99.9%室内房间精度无需复杂基础设施或专有生态，而是需要一种全新的思维方式。