米歇尔·查布罗

当我谈到智能边缘时，我喜欢指的是机电边缘。你可能会说，这是边缘的最边缘——距离大型数据中心最远、最接近真实物理世界的地方。机电边缘的设备通常由实时操作系统（RTOS）控制为了给它与物理世界互动所需的精确度。

RTOS在机电边缘的特点一直是可预测性、决定论和安全性。但我认为不久就会出现一个新的特征：人工智能（AI）和机器学习（ML）。这里我将称之为配对AI。

人工智能的重担是使用大量数据和密集计算资源对模型进行训练，这一部分很可能在未来一段时间内留在云中和数据中心。但人工智能的实际应用——使用经过训练的模型从新数据中推断出结论——正准备彻底改变RTO的能力。我们将首先看到人工智能在RTOS环境中被用于什么样的场景？

考虑一些用例

随着RTOS应用程序成为主流，我希望看到人工智能的一个使用案例是预测性维护。除了可能具有预测价值的其他数据（如错误率、声音和振动水平等）外，还将收集关于设备使用量和使用条件的各种数据我们将根据收集到的所有数据，构建并培训预测设备何时需要维修或更换。这些模型将嵌入RTOS中的推理机，以便设备能够预测其自身的维护需求。

人工智能的另一个可能用途是在安全领域。学会识别自身正常行为的系统可能更具弹性，能够发现可能预示安全事件的意外偏差。

根据与领先机器人制造商的对话，我看到人工智能通过利用实际观察而不仅仅是数学模型来改进现有过程，如运动控制。无论是在自动驾驶汽车中还是在自动化工厂中，嵌入实时系统的AI都将带来更好的理解和适应机器与之交互的物理环境的能力。

像这样的人工智能场景需要对传统RTO进行重大改造，此外还需要调整数据科学和人工智能工具，以便在RTO所处的更受限环境中执行。

为人工智能开发RTO

在风河®我们正在对VxWorks®，我们的RTOS进行现代化，为在智能边缘上的嵌入式AI奠定基础。人工智能的核心需要三个要素：数据、生成预测的模型和将模型应用于数据并得出结论的推理机。我们的首要重点是提供引擎，以便拥有数据和模型的客户可以开始构建他们的AI解决方案。

我们从支持Python开始，Python是一种广受欢迎的语言，它简化了神经网络的开发，NumPy库将Python变成了数据科学的发电站。现在，我们正在添加熊猫数据分析库作为我们的第一个人工智能引擎。接下来，我们将添加对TensorFlow Lite的支持，因为我们扩展了可用于AI解决方案开发的工具。

RTOS在本地收集的数据需要发送到云端，用于人工智能模型的计算密集型培训。VxWorks支持多种通信协议，因此您可以收集设备信息并发送到云端，以用于人工智能培训。我们未来的目标是提供额外的技术，使其能够您更容易在本地接收更多数据并将这些数据传输到云，这样您就可以使用反馈循环进行持续改进。

查看VxWorks在智能边缘为AI奠定基础的其他方式：www.windriver.com/products/vxworks.