科技日报记者 杨雪
边缘推理与云边协同，是近期算力与开源技术活动中的讨论议题。对工业应用而言，模型部署位置需要结合业务条件确定。响应时延、网络连接和数据处理要求，均会影响部署方式。部分任务可在设备端或附近的边缘节点完成，其他任务则与云端协同处理。
这种部署方式也涉及硬件选型。现场设备除了提供计算能力，还需要保存系统程序、模型文件和运行记录。在存在温度变化、振动或供电波动的环境中，存储部件的选择需要结合实际工况。工作温度、数据保护功能和整机验证，都是需要考察的内容。
AI的能力正在向外扩散，扩散的终点不是机房。离开机房的距离越远，设备运行环境的不确定性越高。记者从深圳市金胜电子科技有限公司了解到，其围绕这一类需求已持续投入，研发与生产覆盖工业级固态硬盘、企业级固态硬盘与嵌入式存储。相关产品的工作温度范围覆盖-40℃至85℃。这一范围可应对高温、低温、昼夜温差与无人值守等工况。
据介绍，其产品线支持断电保护、硬件加密与写保护等功能，还可根据客户需求，在硬件与固件层面作出调整。相关产品已进入轨道交通、医疗设备、车载系统与工业自动化等场景。这些场景的共同特点在于设备生命周期长、现场更换成本较高。因而这类场景对存储部件的一致性与长期供货能力，有着持续性要求。
从这些现实案例看，工业存储配套需要把产品参数与应用条件对应起来。对于边缘设备开发与集成，接口、容量和读写需求只是选型的一部分。温度条件、异常断电处理及维护方式，同样需要在导入阶段明确。
未来，AI推理走向工业现场需要模型、算力与配套硬件协同适配。对存储部件的考察，也应兼顾读写性能、环境适应能力和数据保护机制。从样品验证到后续维护，存储选型与设备全生命周期需求相衔接，是推动工业AI应用落地的一项基础工作。
网友评论
