Lorem ipsum dolor sit amet, consectetur adipiscing elit.Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
Lorem ipsum dolor sit amet, consectetur adipiscing elit.Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
當人工智能（AI）逐步滲透各行各業、無處不在之時，嵌入式智能設備如何在海量資料與實時需求中實現高效、可靠的協同？答案或許並不來自全新的顛覆性技術，而源於一項經典、成熟、且至今仍具強大生命力的基石——CAN 總線。
虹科在此分享 CiA 的權威觀點，帶大家深入探討 CAN 憑藉其「高可靠性、實時性、分布式架構」等核心特性，如何在嵌入式 AI 崛起的浪潮下重塑自身定位。
你是否留意到，AI 正從「雲端」逐漸下沉，悄悄嵌入身邊的各類終端設備？這股趨勢正是所謂的「嵌入式 AI」，讓設備在本地就能擁有感知、推理、判斷與自主行動能力。
然而，新問題也隨之而來：這些分散在邊緣的「小型智能體」如何被穩定、安全、低延遲地串聯起來，形成可靠的協作系統？
答案，可能就藏在已被廣泛驗證並持續演進的通信技術——CAN 總線。
虹科此次分享的 CiA（CAN in Automation）國際權威最新文章，將為你揭示「CAN + AI」所形成的技術組合如何為未來智能系統奠定更強大的基礎。這關乎一個更高效、更自主、更智慧的嵌入式世界，而這個未來，正在以驚人速度逼近。
Google AI 將嵌入式人工智能定義為「人工智能與物理設備與系統的深度融合」。透過這種融合，設備不再必須依賴雲端連線，即可在本地完成資料處理、智能分析、判斷決策甚至動作執行。
要達成上述能力，需要在高效率的硬體上運行「精簡型（lean）」AI 模型，藉此提升運算效率、精度與即時反應能力。其典型應用領域包括自主機器人、智能感測器、醫療儀器、智慧製造等多種產業。
嵌入式 AI 被視為嵌入式控制網路演進的下一個階段。回到 AI 的早期，人工智能主要依賴高能耗的大型遠端電腦集群，並由嵌入式網路的感測器提供資料，經雲端運算後再傳回前端的執行器進行控制。
然而，隨著實時性的需求日益提高，依賴雲端的架構已難以滿足延遲敏感、必須快速響應的嵌入式控制場景。這促使業界開始部署 邊緣 AI 控制器（Edge AI Controller），藉由在更靠近現場的位置進行 AI 計算，降低延遲。
嵌入式控制網路的下一步，則是讓 AI 下放到「基於 AI 的感測器」與「基於 AI 的執行器」本身，使其依需求選擇是否與本地邊緣 AI 控制器通訊，讓整個系統更具彈性、更自主。
在新技術的發展脈絡中，集中式架構往往是起點；而成熟後，通常會走向去中心化架構。去中心化的好處十分明確：訓練後、經預處理的資料量更小，即使在低頻寬網路上也能實現真正的實時通訊。
這對所有自主類設備都至關重要，例如 AGV、AMR、無人機、自動駕駛農機、林業設備、建築機械、土方工程設備等。
回顧歷史應用可以發現，這些自主系統普遍採用基於 CAN 總線的分布式網路架構；在醫療設備、實驗室設備等領域同樣如此。此外，去中心化架構還帶來額外安全優勢：嵌入式 AI 網路不必依賴遠端介面，因此更能避免外部網路攻擊，大幅提升系統安全性。
首批落地的嵌入式 AI 設備，預計將集中在兩個領域：
導航相關的多感測器融合設備—輸出經 AI 演算法處理的智能資料
設備狀態監測（Condition Monitoring）設備—利用嵌入式 AI 進行預測分析與健康診斷
在執行器方面，支援自動化配置（self-configuring）與自主優化（self-optimizing）的智能電力驅動裝置，將成為嵌入式 AI 的典型應用。另外，電機設備的預測性維護與 AI 狀態監測，亦是各產業的關注焦點。
雖然使用嵌入式實時 AI 主機控制器也是一種選擇，但若能將 AI 軟件直接整合到執行器中，將能有效降低系統設計門檻，為工程師省下大量開發與整合成本。
我們有理由相信，晶片製造商即將推出更適用於 AI 的硬體，具備更低功耗與更合理的成本，讓嵌入式 AI 更容易部署於電池供電裝置中。
在作者看來：基於 CAN 總線的網路架構，是串聯 AI 感測器、AI 執行器與主控器的最佳選擇。
因為 CAN 的高穩定性、高可靠性與優秀擴展性，正是嵌入式 AI 實時控制系統最不可或缺的核心特性。
首個專為嵌入式 AI 設備設計的 CANopen 協議，是應用於物品檢測設備的 CiA 462。
它不依賴特定感測技術（如相機、雷達、超聲波等），而是明確定義可映射到 PDO（過程資料物件）報文的資料格式，使多感測器融合設備可輸出經 AI 處理後的智能資料。
此外，其他 CiA 協議也將隨著嵌入式 AI 的發展進行拓展，特別是在狀態監測與設備健康參數方面，將迎來更全面的升級。
嵌入式 AI 正加速走向邊緣，而穩定、可靠且高實時性的通信架構，則是其得以落地的關鍵基礎。正如本文所揭示，CAN 與 CANopen 正逐步成為嵌入式 AI 理想的「神經網路」，支撐著下一代高自主性智能設備。
面對這股浪潮，虹科致力於提供從經典到前沿（包括最新 👉 虹科 PCAN XL 套件）的完整 CAN 總線工具鏈與解決方案。我們期待與業界伙伴攜手，共同迎接「嵌入式 AI × 實時控制網路」融合的新時代。
ArangoDB 在金融反詐欺領域扮演關鍵角色，協助機構從傳統規則導向轉向深度關係洞察。面對日益複雜且隱蔽的詐欺網路，傳統風控系統因缺乏全局視角、規則更新滯後及跨系統整合挑戰而顯得力不從心。ArangoDB 透過其獨特的原生多模型（圖、文件、向量）能力，將碎片化的客戶資訊、交易行為與裝置指紋等數據整合，實現「關係+行為+模式識別」的一體化分析。這不僅能大幅提升詐欺識別速度和準確性，降低決策延遲與維運成本，更賦予金融機構主動防禦與全面理解風險的能力，開啟金融反詐欺的新篇章。
虹科 GNSS 模擬器透過軟體定義架構，在實驗室中精準重現城市峽谷、山區、農田等複雜場景，完整驗證巡檢無人機導航精度、多星座兼容性、抗干擾能力及 RTK 高精度定位與多感測器融合性能。告別高成本、低可重複性的外場測試，打造高效、可控、可追溯的 UAV 整機測試流程。
能源 SCADA 系統透過 BMS 建築管理、智能傳感、能耗監測與數據分析，協助企業發現建築中的隱形能耗浪費，提升能源效率並達到節能減排要求。了解如何透過 Panorama SCADA 實現智慧樓宇與高效能源管理。
