解決智能邊緣物聯(lián)網(wǎng)解決方案固有的關(guān)鍵可擴(kuò)展性障礙和部署挑戰(zhàn)

通過生成龐大且多樣化的數(shù)據(jù)集來提高可擴(kuò)展性，加速邊緣應(yīng)用人工智能解決方案的開發(fā)

將對(duì)真實(shí)數(shù)據(jù)的依賴性從 80%（市場標(biāo)準(zhǔn)）降低到 10%，從而加速創(chuàng)新并縮短部署時(shí)間

TDK株式會(huì)社（TSE：6762）宣布在傳感器技術(shù)方面取得進(jìn)展，推出用于優(yōu)化并加速智能物聯(lián)網(wǎng)解決方案部署的 SensorGPT?。該技術(shù)利用生成式人工智能、信號(hào)處理、統(tǒng)計(jì)方法和仿真技術(shù)，實(shí)現(xiàn)大規(guī)模地創(chuàng)建和管理傳感器數(shù)據(jù)。TDK的SensorGPT將助力智能物聯(lián)網(wǎng)市場和新興的環(huán)境物聯(lián)網(wǎng)細(xì)分市場克服關(guān)鍵的可擴(kuò)展性挑戰(zhàn)。它還簡化了模型開發(fā)和部署流程，從而縮短時(shí)間和降低成本，并顯著提升邊緣人工智能模型和應(yīng)用的性能和效率。

數(shù)據(jù)是智能邊緣系統(tǒng)智能的基石——然而，如今數(shù)據(jù)收集耗時(shí)遠(yuǎn)超構(gòu)建其所驅(qū)動(dòng)的智能所需的時(shí)間。近80%的人工智能解決方案開發(fā)時(shí)間都花費(fèi)在數(shù)據(jù)收集和管理上（福布斯）。隨著邊緣人工智能的需求持續(xù)加速增長，預(yù)計(jì)將在2026年成為行業(yè)標(biāo)準(zhǔn)（Gartner），數(shù)據(jù)可用性已成為可擴(kuò)展性的主要障礙。SensorGPT 通過智能傳感器數(shù)據(jù)合成直接應(yīng)對(duì)這一挑戰(zhàn)，減少對(duì)現(xiàn)實(shí)世界數(shù)據(jù)的依賴，將數(shù)據(jù)收集工作量從80%降低到近10%，從而實(shí)現(xiàn)更快、更具可擴(kuò)展性的邊緣人工智能開發(fā)。

利用人工智能合成傳感器數(shù)據(jù)

“通過使用先進(jìn)技術(shù)擴(kuò)展和增強(qiáng)現(xiàn)有數(shù)據(jù)集，可以將原本需要數(shù)月才能構(gòu)建的邊緣人工智能模型縮短至數(shù)周?！盩DK株式會(huì)社美洲總公司總經(jīng)理、技術(shù)?知識(shí)產(chǎn)權(quán)本部副總經(jīng)理Jim Tran表示。他還補(bǔ)充道：“通過利用生成式人工智能建模、仿真等技術(shù)，工程師可以使用人工智能生成反映真實(shí)世界狀況的更多高質(zhì)量數(shù)據(jù)，從而將數(shù)據(jù)轉(zhuǎn)化為可擴(kuò)展的資源?！?/p>

SensorGPT 數(shù)據(jù)合成技術(shù)進(jìn)展：

生成式人工智能模型：在有限的真實(shí)世界數(shù)據(jù)訓(xùn)練生成式模型，學(xué)習(xí)潛在模式，并生成能夠忠實(shí)模擬真實(shí)世界數(shù)據(jù)的高質(zhì)量合成數(shù)據(jù)。

基于物理的仿真模型：利用基于物理和數(shù)學(xué)的模型來模擬和生成合成傳感器數(shù)據(jù)。

信號(hào)處理方法：采用數(shù)學(xué)和計(jì)算技術(shù)來模擬反映真實(shí)傳感器輸出動(dòng)態(tài)特性和特征的數(shù)據(jù)。

數(shù)據(jù)增強(qiáng)技術(shù)：自動(dòng)將現(xiàn)有傳感器數(shù)據(jù)轉(zhuǎn)換為涵蓋各種條件和場景的豐富多樣的數(shù)據(jù)集。

輔助標(biāo)注：簡化訓(xùn)練數(shù)據(jù)的標(biāo)注流程，提高其對(duì)模型訓(xùn)練的有效性和質(zhì)量。

SensorGPT 能夠使合成數(shù)據(jù)與真實(shí)傳感器數(shù)據(jù)達(dá)到90%的相似度，從而利用合成數(shù)據(jù)更快地部署邊緣 AI 解決方案。部署后，它會(huì)驅(qū)動(dòng)一個(gè)良性循環(huán)，通過反饋不斷改進(jìn)：真實(shí)數(shù)據(jù)會(huì)隨著時(shí)間的推移逐步完善和強(qiáng)化合成模型，進(jìn)而提高模型的部署效率。

SensorGPT 與現(xiàn)有技術(shù)的區(qū)別：

通過生成龐大且多樣化的數(shù)據(jù)集來提高可擴(kuò)展性，從而快速幫助創(chuàng)建用于邊緣應(yīng)用的人工智能解決方案。

通過快速訪問數(shù)據(jù)以進(jìn)行原型設(shè)計(jì)、測試和部署初始模型提供快速數(shù)據(jù)訪問，從而加快創(chuàng)新和開發(fā)速度。

通過提供工具來定制數(shù)據(jù)，使其適應(yīng)特定的傳感器、智能物聯(lián)網(wǎng)應(yīng)用以及它們所處的真實(shí)場景和條件，從而實(shí)現(xiàn)可定制性。

作為邊緣智能賦能者，滿足對(duì)高質(zhì)量數(shù)據(jù)的日益增長需求，以支持智能邊緣人工智能應(yīng)用。

TDK 的新型 SensorGPT 最終加速了原型設(shè)計(jì)和概念驗(yàn)證，實(shí)現(xiàn)了數(shù)據(jù)集規(guī)模的擴(kuò)展（具體取決于應(yīng)用和用例），從而顯著地將邊緣人工智能模型的構(gòu)建時(shí)間從5個(gè)月以上縮短到幾周。

主要應(yīng)用

物聯(lián)網(wǎng)、可穿戴設(shè)備、移動(dòng)設(shè)備

環(huán)境物聯(lián)網(wǎng)

工業(yè)物聯(lián)網(wǎng)

物理人工智能應(yīng)用

主要特點(diǎn)和優(yōu)勢

合成生成數(shù)據(jù)，將真實(shí)世界數(shù)據(jù)收集工作量從80%減少到近10%，使團(tuán)隊(duì)能夠比以往更快地構(gòu)建和擴(kuò)展邊緣人工智能解決方案

更廣泛的應(yīng)用場景、條件和邊緣案例覆蓋范圍

更強(qiáng)大的邊緣人工智能模型性能

更快的模型迭代周期

加速原型設(shè)計(jì)和概念驗(yàn)證 (POC)，使數(shù)據(jù)集規(guī)模成數(shù)量級(jí)擴(kuò)展，以顯著減少的真實(shí)世界數(shù)據(jù)量在邊緣解鎖機(jī)器學(xué)習(xí)

更低的數(shù)據(jù)采集成本

更短的從構(gòu)思到可部署模型的路徑