本文来源：物联传媒 本文作者：梧桐
近年来，工业已成为我国的在国际上具有极强竞争力的产业。今年九月，工信部数据显示，我国工业机器人产量达36.6万台，比2015年增长了10倍，工业机器人市场稳居全球第一；十月，我国颁布了工业互联网网络领域首个标准《工业互联网总体网络架构》；十一月，中国工业互联网研究院发布了《中国工业互联网产业经济发展白皮书（2022 年）》。
可见，国内关于工业的各项政策均已落地，为其未来发展提供了充分保障。而放眼国际，在更细分的物联网领域，工业同样扮演着不可或缺的角色，根据Strategy Analytics数据，到2022年底，工业将成为物联网收入的最大来源，占全球物联网总收入的 21%。这其中，离不开所有设备的核心也即芯片的作用。
如今，随着工业4.0、工业互联网、数字孪生、边缘计算等词汇进入大众视野，人们对工业的认知又进入一个新的高度。在这样的时代浪潮下，如何布局发展工业成为芯片厂商最为关注的重点。在2022国际集成电路展览会暨研讨会的国际工业4.0技术与应用论坛中，数位行业大佬针对该重点给出了各自的见解与分析，本文通过对部分内容进行总结，共同探讨如何创造新一轮的“工业革命”。
众所周知，芯片在一个设备中充当的角色即是大脑，决定了一台设备的优秀与否。同时，芯片也是决定一台设备是否具有竞争力的关键要素。而评判一枚芯片好坏的指标目前也逐渐统一，即是否能实现更低的延时和更广的连接，并集成更多的接口。
细化到应用场景中，兆易创新科技集团股份有限公司生态市场经理徐杰表示，工业上的应用看重实时通信，对低延时各方面都有很强的要求，但说来容易做来难，因为通信协议种类多而杂，若要满足此需求，还需使芯片集成足够多的接口。比如以太网、can、485等主流的通信协议，都需要支持这些变频器件连接到主控面板或者PRC控制器。
另一方面，除了集成接口，还需提供相应算法支持，包括电机驱动的算法、功率转化的算法等。据徐杰先生介绍，目前储能赛道包括光伏、充电桩都有一定需求，其公司也已有较大出货量。而在工业机器人领域，徐杰先生表示，通过丰富的GPR口连接到传感器、外围的存储设备，也能实现丰富的通信需求，其应用包括协作机器人等需要多个机器人实时通信并精准控制的工作上。
除了可以在低延时上找到差异性，广连接也是工业尤其物联网领域的一大需求。
在工业物联网方面，互联型的MCU在物联网包括网关、PRC控制器都有广泛的需求。但寻求差异性并不能局限于连接，而需要了解连接所带来的附加价值。从徐杰先生所介绍兆易创新的产品中能发现其差异性的体现，首先是对海量数据的处理如吞吐、缓存、储存上，第二是针对视频显示应用进行调整，提高其画质，增强使用体验。
不难看出，虽然高集成、低延时、广连接已是芯片类产品的“老生常谈”，但对应不同场景和应用，仍有非常多能够体现产品差异化的地方，而对差异化的研究，则能有效提升产品的竞争力。
不过除了“内卷”严重的老功能，芯片仍存在有待探索创新的功能，比如数字孪生。
数字孪生是近年来非常火热的概念，但相比其他概念化严重的新技术，数字孪生的使用价值会更高，尤其在工业上。以工厂为例，数字孪生就是将工厂等比例复刻到显示器上，并将工厂各部分
同样，在元宇宙概念盛行的今天，数字孪生也被看作是元宇宙工业的基石。但比起仍被冠以泡沫之名的元宇宙，数字孪生则能带来实打实的收益，尤其为工业带来的价值非常高。
微软中国区首席技术顾问管震提到了“价值链数字孪生化”。
“比如有工厂A，外协厂B，通过数字孪生使工厂透明化，能够把工厂A、外协厂B里发生的事情来做对比和判断，帮助企业总部更好地从企业级到供应链级进行分析。这些分析有很维度，无论你是管厂、管生产的、管设备的，还是管财务的、管进销存的、采购的，都能通过得到这些数据帮助，做进一步的判断，而通过动态的数据，计算机还能帮忙做一些计划和调整。”
——微软中国区首席技术顾问管震
简单来说，数字孪生能够根据不同的产线、设备得到的数据，改进其能耗、工艺、运维方式等，即为企业总部提供更好
针对目前工厂生产过程中“需求及时加，调度跑断腿”的现象，管震先生提到，不要让长编效应特别大的影响背后的生产和计划，备料、库存等事情，这个是数字孪生能干的事情。
但芯片和数字孪生之间有什么关系？前者又如何为后者服务呢？
据管震介绍，目前很多工厂需要用到大量的边缘计算，因为无论如何都不可能使所有设备全部上云，毕竟上云不经济，并且边缘计算的速度响应都会更快一些。而在边缘计算中，芯片即可提供较大作用。
一般芯片要具备两个功能，第一是采集和规整数据，包括设备端、产业端的设备供应商给出的OPC的服务器中的数据，还有一些AGV、叉车的边缘盒子中的数据。第二是上传数据到云端，通过芯片的通信功能，将数据传到云端进行建模。
但其中仍有需要突破的地方——使数据具备一致性。数字孪生不止是展示工厂模型上的数据，还需要进行数据分析和比对，但前文提到，这些数据的来源不尽相同，其使用的协议、模型、格式也可能不同，现场采集的语言也不同，某些订制系统下环境参数表示的方式也不同。
如何利用AI等技术处理好大量不同类型的数据，或是芯片厂商新的竞争点。
但以上也只是单一创新技术下的应用，对于芯片而言，其未来也不可能仅局限于数字孪生这一技术下，同样，其面临的挑战也更多。
据中科院深圳先进技术研究院助理研究员杨永魁博士介绍，目前有三种值得一提的芯片技术——工具链软件、数字AI加速器、存算一体加速器。在论坛中，杨博士分析了三种技术的优劣。
首先是工具链软件，其优势为成本非常低，研发周期快，不需要改进芯片的硬件框架，只需要把一些模型转成CE，直接可以在MCU上跑，但其在算力跟功耗是并无太大优势。
第二是数字AI加速器，其算力功耗虽不亮眼，但比起工具链有一定优势。不过其成本相对较高，且单位面积的算力较小。
最后是存算一体加速器，其算力、功耗和成本都有一些优势。但是从其他维度看，存算一体加速器有一定局限性，比如在可编程性、灵活性方面无法与工具链软件媲美，还有其稳定性是目前最大的问题。
以上便是相对前沿且常用的芯片技术趋势。而在技术以外，从生态的角度来说，芯片的应用场景中常常出现软件跟不上硬件的情况。
德州仪器（TI）技术支持经理韩韬先生表示，在处理器设计中软件的比重越来越高，原来的设计硬件是骨架，软件是灵魂，目前国内的制造商里在硬件方面的积累已足够，但软件生态中仍处于爬坡过程。目前业界的诉求是，软件能够保证一次投入且用到更多不同的产品形态中，让更多的软件实现兼容和复用。
据《中国工业互联网产业经济发展白皮书（2022年）》称，工业互联网正加速向实体经济渗透，已覆盖国民经济 45 个大类，在能源、医疗、石化、冶金等多个行业发挥赋能效应，形成产业链上下游融通发展格局。
基于此，未来工业将为芯片厂商提供不小增量。而无论是在高集成、低延时、广连接的需求中找差异化，还是在对新技术的应用及研发中，芯片未来面临的既是挑战，也是机遇。
~END~
联系客服
