8月28日，英特尔、芯海科技、极达科技携手在深圳英特尔大湾区科技创新中心，共同举办了“轻量级带外管理edge BMC解决方案新品发布会”。本次活动以“边缘计算 聚智创芯”为主题，吸引了工业、教育、医疗、信息安全等100多位行业知名客户的高度关注和积极参与，共同深入探讨了边缘计算领域的未来趋势和产品创新。

当前，AI浪潮席卷全球势不可挡，智能边缘与AI的逐步融合，必将带来一场深刻的行业变革与创新浪潮，为各行各业开辟前所未有的价值创造空间。据机构预测，到2026年，全球将有80%的企业采纳生成式AI，且超过半数的边缘部署将集成AI功能。然而，随着边缘设备的普及与应用深化，如何有效管理这一庞大的设备网络，以实现运维成本的最小化及系统运行的持续稳定，成为业界关注的焦点和亟待解决的挑战。

边缘AI生态共创

活动伊始，芯海科技创始人、董事长卢国建先生发表欢迎辞。他提到：正是基于对这一市场需求的深刻洞察，在英特尔的带领及支持下，芯海科技携手极达科技共同推出了基于CSCB2400芯片的针对英特尔IA平台深度优化的edge BMC轻量化远程带外管理方案。此方案旨在深度探索并实施高效的边缘设备管理策略，力求为客户带来实实在在的价值回报，进而确保边缘智能生态的健康发展。

卢董回顾了芯海科技自2019年进军计算外围芯片领域的历程。他强调公司要始终坚守“以客户为中心，为客户创造价值”的核心理念，通过“小芯片”撬动“大市场”，不断研发创新产品，强化市场竞争力。同时，要与英特尔紧密合作，不断深化英特尔平台的技术适配，共同构建一个横跨个人至边缘、云计算多个领域的计算外围产品生态。

随后，英特尔中国区技术部总经理高宇先生发表致辞。他表示，边缘AI生机蓬勃，英特尔作为行业推动者，致力于通过推广开放标准、构建开放生态系统及融入软件定义的便捷性，与国产芯片供应链紧密合作，为企业用户铺设一条畅通无阻的边缘AI应用部署与管理之路。他高度评价了芯海科技与极达科技合作推出的edge BMC方案，称赞该方案在轻量化设计、高性能表现、易开发和生态合作等方面展现出的独特优势及创新，这些优势无疑将增强方案在基于英特尔IA大生态的边缘计算领域“开枝散叶”，吸引更广泛的市场关注。

edge BMC新品发布

一直以来，边缘设备在部署之后的长期维护是一个隐性难题。在偏远甚至恶劣的工况环境下，缺乏适应性的边缘设备往往频繁报错，导致高昂的运维成本负担。为此，B2400及其edge BMC解决方案凭借其技术创新与卓越性能，在远程设备管理、运维成本降低等方面展现出显著优势，为各行各业提供了高效可靠的边缘计算解决方案。

英特尔作为方案技术支持的底层“基石”，提供了强大的系统平台和优化技术；芯海科技作为edge BMC芯片“设计师”，专注于从硬件方面提供芯片方案；极达科技则作为行业应用的“专家”，提供固件和运维管理系统。

随后，发布会进入了“edge BMC轻量化远程带外管理方案”发布的高潮部分。芯海科技资深产品经理周振生详细展示了芯海科技自主研发的首款edge BMC芯片B2400。该芯片资源丰富，拥有更大的程序空间和数据空间，更多的IO接口，支持多种总线连接和标准IPMI管理协议，还具有带外监控、Super IO功能和硬加密引擎等实用功能，以及简单易用的开发工具和管理软件，可帮助客户实现远程高级诊断、远程配置/修复，省时省工。

兴汉网际专注于网络安全设备硬件设计、生产与制造。随着数字化趋势的发展，对边缘侧设备需求日益增加。随着兴汉引入该项目以来，经过一年半的努力，edge BMC方案不仅很好地满足了公司在边缘网关的通用安全需求，同时出色地满足了其二次开发的创新性需求，并已成功实现客户端成功量产，发挥了公司更大的研发创新价值。

信步科技是一家专注于物联网设备主板的公司，系统介绍了edge BMC方案在水文监测中的应用案例。信步提到，案例中的边缘终端设备大部分安装中电线杆上，由于分布零落导致安装与后续维护十分困难。然而在导入基于edge BMC方案的主板设计之后，在保持硬件设计的模块化、小型化同时拥有了强大的远程监控和维护功能，节省了人力成本，并实现了更大的客户价值创造。

两位嘉宾的精彩介绍不仅加深了现场观众对edge BMC解决方案的理解与认识，也为后续的市场推广与合作奠定了坚实的基础。

最后，英特尔、芯海科技、极达科技举行了三方联合发布仪式，标志着这一创新性的边缘计算解决方案正式推向市场。这一仪式的举行不仅彰显了三方在边缘计算领域的深厚合作基础，也为未来的共同发展奠定了坚实的基础。

结语

服务计算，驱动计算。芯海科技在计算生态的布局中，始终积极强化与英特尔平台的深度适配与战略合作，致力于构建完善的计算外围产品生态，相关产品实现了从技术到市场的跨越，在多个品牌客户的旗舰终端产品中获得规模化量产。

截至目前，芯海已成功建构起以EC芯片为核心，横向覆盖PD、HapticPad、USB HUB、BMS的多元化产品布局，实现了与Intel新平台的完美兼容，并有多款产品如PD芯片顺利通过雷电4认证，成功进入Intel平台组件列表。此外，公司还相继推出了EC、SIO、edge BMC等产品，完成了从个人计算到边缘计算、云计算的纵向拓展、探索和创新。

未来，芯海科技将继续在更多产品领域紧随英特尔的战略步伐，深化合作层次，拓宽合作领域，实现业务战略的全面适配和融合。我们坚信，在技术变迁中实现创新，在繁荣生态中实现合作共赢。公司将持续与英特尔、极达以及各领域卓越的客户伙伴们保持紧密合作，共同促进全球计算产业供应链的健康发展。

随着以ChatGPT为代表的AI大模型的衍生应用不断推出，许多终端开始智能化体验升级，从而产生了海量的终端数据分析处理需求。企业的业务部署场景和数据产生正在向端侧、边缘侧“迁移”。边缘人工智能，又称为“边缘计算”，是指在边缘侧使用人工智能算法和模型处理和分析数据，而不是将数据传输到中央服务器进行处理。在边缘侧设备中运行AI有很多优势：设备响应速度快、超低延时；降低数据传输量；更有效地保护隐私、增强信息安全；降低边缘侧设备的运行功耗；还可以降低推理成本以实现其他新的功能操作。

目前，逐步成熟并规模化落地的边缘AI应用场景主要集中在工业和物联网领域。

预测性维护

预测性维护（PdM）是工业互联网的重要应用，在上世纪90年代就已经被用于飞机发动机领域。最近几年，随着工业人工智能技术和边缘计算技术的逐步推进和成熟，过去仅仅集中应用于高端装备的预测性维护，可以“飞入寻常百姓家”，具备了大范围应用的经济性前提。

在工业维护 — 状态监测/预测性维护应用中，边缘AI系统可用于实时监测工业设备和系统的健康状况和性能，主动且精确地识别潜在的故障，从而将供电中断的影响降至最低。  

ST基于STM32硬件平台，通过NanoEdge Studio模型创建工具，为工业预测性维护提供完整的解决方案，如为驱动层的变频器、伺服等设备提供的方案自带机器学习功能，只需通过本体电流、电压进行故障检测和预测性维护，用户不需要增加额外的传感器，可以有效节约成本。为确保开发者能够轻松、快速地构建准确、高效的人工智能算法，以经济的方式将算法部署在资源受限的边缘计算设备上，NanoEdge AI Studio现已完全免费，允许在所有STM32 MCU上免费无限量部署。

另一个预测性维护应用场景是振动检测。用户只需在设备外置振动检测小盒子，借助NanoEdge AI库在终端设备上的学习能力进行渐进式学习，通过传感器（振动传感器、超声、温湿度、气压和加速度计）以高精准度实时检测设备的任何偏移或者异常，然后通过不同的通信协议发出警报，以便在发生重大故障之前作出调整。这些功能的实现得益于在超低功耗STM32微控制器上运行的机器学习算法。

机器视觉

随着工业数字化、智能化转型逐渐深入，市场对于工业机器视觉的需求逐渐增多。机器视觉用计算机模拟人的视觉功能，用于实际检测、测量和控制，具有高度自动化、高效率、高精度和适应较差环境等优点。

在工业领域，机器视觉对计算高效性和实时性有严格要求，将计算资源部署在工业现场附近才能满足需求，因此边缘计算成为关键节点。

机器视觉在工业领域的应用场景主要是通过工业相机进行拍照，并利用AI算法进行快速判断，实现丰富的视觉识别应用，如各种条形码、二维码识别、瑕疵识别/检测、PCB检测、半导体产线破损检测系统等。 

STM32针对机器视觉应用提供了强大的硬件平台，包括集成硬件NPU和丰富视频接口的STM32MCU和MPU。

STM32N6是ST首款集成自研硬件NPU神经网络硬件处理单元的通用微控制器，其算力可达0.6TOPS(每秒0.6万亿次运算)。STM32N6还集成了新IP和视频外设，如MIPI CSI摄像机、机器视觉图像信号处理器（ISP）、H.264视频编码器和支持时间敏感网络（TSN）端点的千兆以太网控制器。此外，STM32N6是一款通用STM32产品，符合工业客户的所有要求，包括在高温环境中工作。

STM32MP2是ST去年推出的第二代MPU产品，是一款带有神经处理单元（NPU）的64位微处理器，采用大小核异构架构：主频为1.5GHz的双核Cortex-A35和主频为400M的Cortex-M33内核，大小核均可单独启动。Cortex-A35大核通常运行基于Linux 或Android 的应用，Cortex-M33核运行基于裸机或RTOS的硬实时应用。异构双核可基于片上共享内存实现高效的双核通信，并可灵活分配片上资源。

STM32MP25具有先进的边缘AI能力以及丰富的多媒体功能。它内置有1.35 TOPS算力(每秒1.35万亿次运算)的NPU加速器，并且还支持带ISP的 MIPI CSI接口，可以实现如机器视觉在内的多种AI应用；STM32MP25还内置有900MHz的3D GPU，全高清视频编解码，并配有ISP处理器的MIPI CSI-2 摄像头接口，以及丰富的显示接口，支持RGB、LVDS 和DSI输出的全高清视频。

基于STM32MP2卓越的处理性能及先进的边缘AI和多媒体功能，开发者可灵活选择在CPU、GPU、NPU上运行AI应用。

典型应用场景：电梯

边缘AI解决方案为很多传统行业赋予了新价值和新生命，其中一个典型案例就是电梯应用。该应用将预测性维护与机器视觉场景汇于一身，可实现语音识别、视觉识别、手势识别、群控箱智能算法、电梯故障点检测和预测性维护。

智能化电梯预测性维保解决方案融合了云计算、大数据和机器学习的优势，可以对所有连接的设备进行实时监控，并通过数据分析识别潜在问题并提供建议，以便维保人员及时修复故障以及进行预防性保养，大大提升电梯的安全性和可用性。

电梯的机器视觉识别应用将高清影像、精准数据与智能分析融为一体，赋予电梯前所未有的“视觉”、“感知”与“思维”，确保安全、高效运行。具体场景包含：

• 负责安全、身份识别的人脸识别；

• 负责电梯安全的危险物品识别（如电瓶车识别，这是最近热议话题）；

• 判断人员流动、计数功能，可配合群控箱算法做群控，实现节能减排的目标。

ST 边缘AI助工业客户快速落地

ST为边缘AI提供丰富的硬件产品、软件工具和强大的生态系统，保证开发者能够在MCU和MPU上优化和运行AI模型，帮助工业用户快速落地。

在硬件方面，ST不断推出更多通用和带硬件加速的MCU和MPU，如STM32 N6和STM32MP2。

在软件工具方面，ST提供丰富的软件工具，满足用户的各种需求，包括：

• NanoEdge AI Studio：面向STM32 MCU的自动化机器学习工具；

• STM32Cube.AI：适用于STM32 MCU的AI模型优化器；

• STM32Cube.AI开发者云平台，可创建、优化和生成适用于STM32微控制器的人工智能，以及进行基准测试；

• X-LINUX-AI，STM32 MPU上面向OpenSTLinux的完整AI框架，可简化基于OpenSTLinux的项目中经训练的AI模型的集成。

ST的目标是通过嵌入式AI，赋能工业自动化，为传统行业开启全新应用可能性，解锁AI应用的普惠之道。下篇文章，我们将探讨工业应用的功能安全和信息安全，敬请关注！