对于贝加莱，创新，即，通过把握各个垂直行业用户的需求，并借助于横向科技，通过工程（Engineering）集成，解决产业实际的问题，让用户获得高投资回报。AI就是贝加莱一直持续关注的横向科技。贝加莱持续为AI应用进行基础设施的打造-聚焦于装备领域的机器智能化发展，提供支撑的硬件、软件及工程解决方案。

感知-AI算力集成的机器视觉

AI在工业应用，首先是感知，而视觉则是“多面手”，它能够进行缺陷识别、测量、定位、读码等多种任务，也正在成为制造业中最为重要的传感器。贝加莱已经推出“集成相机”，即，将镜头、光源、相机、处理集于一体。而最新的贝加莱机器视觉，已经将AI加速器直接嵌入，进行高算力的本地处理。可以部署基于深度学习的本地推理能力-它在增强分析能力的同时，也提供了更快的响应能力。

图1-AI嵌入的机器视觉

这款全新的相机，既有超强算力，也有贝加莱Automation Studio中的工程简化能力，让非专业的工程师也能够通过“配置”方式快速实现一个机器视觉应用的搭建。

它包括以下一些能力：

● 采用深度学习的文本识别，它无需训练，不受字体影响（手写，或在杂乱背景，如纹理或反射的情况）可以进行有效识别。

● 针对各种环境下的缺陷检测，无需手动标定，也不需要不良品图片，仅需少量良品即可进行训练。

● 在通常基于规则的算法上加入深度学习（如Halcon深度网络），以获得更好的产品质量。

图2-集成AI加速的机器视觉

如图2所示的嵌入AI加速器的机器视觉，其算力可达26TOPS，这与最新的苹果A16智能芯片处于同一量级。

OPC UA FX-为AI应用搭建传输通道

早在2016年，贝加莱即加入TSN的整形器工作组，并与全球工业通信领域的企业共同推进TSN技术发展。现在TSN被OPC基金会与5G/Wi-Fi统称为“OPC UA FX”,(FX,即Feild eXchange，现场层通信)。这项技术与规范正是为了应对今天越来越多的全局分析、优化任务而准备。运行于边缘侧、云端的这些AI应用，需要能够直接的获得传感器的信息，作为感知层输入，并快速的计算分析、反馈给底层执行机构。OPC UA FX工作组，正是为了这些越来越多的AI级分析和计算任务而构造的下一代通信网络。

图3-贝加莱全线产品支持OPC UA FX的通信规约

如图3所示，贝加莱目前在X20、APC系列的控制系统中，均支持OPC UA FX的接口能力，并提供TSN交换机，在分布式I/O系统的总线模块提供OPC UA/TSN的连接能力。它主要解决AI应用时代的重要问题：

1).通过OPC UA实现语义互操作能力，以跨平台数据集成应用；

2).信息安全保障，当数据要被在多个平台系统间传输时；

3).性能卓越，实现高速的传输，并支持大带宽的需求如视频图像；

4).多业务流数据混合传输—这正是AI时代所需的，从现场到云端的数据传输，以及针对各个领域的信息建模支持。

计算-APC4100高算力可扩展工业PC

在AI工业应用中，感知、传输，再到计算，就有赖于高性能的PLC或PC。在一些对响应要求不高的场合，PLC即可响应。而如果要获得高算力，则可以采用贝加莱的APC 4100。其可扩展的CPU从Intel处理器赛扬到Core i系列多核处理器，可以运行贝加莱的Hypervisor虚拟控制技术。支持最大16PCIe的插槽—这意味着可以在其上插入AI加速卡，以提高本地的推理能力，例如英伟达、HALO、Intel等提供的加速卡。

图4-B&R Hypervisor技术支撑

如图4，Hypervisor提供了在多核处理器如Core i系列上运行多个操作系统的机制。它包括可以支持Automation Runtime的RTOS，和Windows/Linux的通用操作系统。这使得在多个核心上分别支持不同的应用任务。在Linux任务上，主要针对数据类、事件驱动类的AI任务，或支持Python、Docker这类开发的应用。

图5-APC 4100工业PC

APC 4100既可以作为大型的机器或产线的控制系统，也同样可以作为计算任务的执行者，它可以为高性能的本地推理提供支撑，实现控制与计算的融合。

X20 Edge-为边缘侧任务搭建的硬件架构

在产线级的边缘侧任务，需要连接数据并集成边缘应用，它需要开放的架构，支持本地的AI应用。

X20 Edge ，如图6所示，它是采用基于 ARM 的 CPU，运行Linux操作系统，并支持Python的编程。可以实现AI、ML、和IIoT算法的容器化环境。

图6-X20 Edge边缘控制器

它内嵌的OPC UA协议栈可以与云端系统进行快速的连接，也可以自行采用WebAPI、Restful、MQTT来实现这些连接。容器环境，可以支持外部的容器化应用的运行。

执行-机器人与智能输送系统

在生产线的执行端，除了ACOPOS系列伺服驱动器，贝加莱的Codian系列机器人、ACOPOStrak/6D智能输送系统，也将更为智能的提供产线的生产调度。

图7-Codian机器人与智能输送系统

ACOPOStrak和ACOPOS 6D的内嵌智能路径调度，因此，他们本身是一个智能的执行体。在任务的需求发送给他们后，如何获得最优的策略，将由轨道系统的控制调度算法自行计算，并控制驱动系统给出控制的电流、相位等信号。

工程集成-AIGC编程

人们会担心AI时代的这些技术会变得复杂，让工程师花费更大的学习和工程时间消耗于不同的任务之间。而这也是自动化企业在技术集成中必须考虑的。而贝加莱的Automation Studio Copilot则基于AIGC的方式为开发者提供了更为高效的代码利器。

图8-Automation Studio Copilot生成式AI编程

Copilot与Automation Studio的帮助文件相连，它可以更为广泛的使用示例代码和项目模版、以及更多的知识库资源来为开发者提供辅助。

Automation Studio可以快速的生成自动化的代码，如ST的代码，支持代码的注释和优化，并且，它非常了解贝加莱库中的自动化系统命名规则。除此之外，Automation Studio还为AI时代的分布式能力提供了协作，以及在版本控制方面的增强。

感知-传输-计算-执行的完整应用架构

这是一个完整的架构，在原有的系统升级中，将AI分别嵌入在机器视觉、PC，并通过OPC UA FX实现设备间互联、云端/边缘侧的连接。并在执行侧更为智能的机器人与输送技术。如图9所示，贝加莱在整个应用架构中，强化了AI的能力。

图9-更为智能的机器与产线

AI对于装备及产线及应用而言，最为重要的是，它能够实现以下几个方面的技术升级：

1).通过语音交互来提高机器的“易操作性”—这是大语言模型时代的基本能力；

2).视觉的感知，对产品生产过程中的缺陷识别、机器人智能导引，前者提高质量，后者带来效率和工程的简化。视觉与机器人、与输送系统的同步，带来了整体效率的提升。

3).AI的参数优化，对于出厂前的调试、现场运行的批次后参数优化，能够带来良品率的提升，不良品降低带来的成本下降。

总之，AI最大的潜能就在于它能够构建一个“自我迭代”、“更为聪明”的机器。而贝加莱，一直致力于为这样的机器和系统提供基础支撑，以及工程化的服务。