由Michel Chabroux.

当我谈到智能优势时，我喜欢指的是机电优势。你可能会说，这是边缘的边缘——距离大型数据中心最远、距离真实物理世界最近的地方。机电设备通常由实时操作系统(RTOS)控制，以获得与物理世界交互所需的精度。

实时操作系统在机电领域的特点一直是可预测性、决定论和安全性。但我认为，不久就会出现一个新的特征:人工智能(AI)和机器学习(ML)。这里我称之为配对AI。

人工智能的重担是训练使用大量数据和密集计算资源的模型，而这部分很可能在未来一段时间停留在云和数据中心。但人工智能的实际应用——使用训练有素的模型从新数据中推断结论——将彻底改变实时操作系统的能力。在实时操作系统(RTOS)环境中，我们将首先看到AI在哪些场景中使用?

考虑一些用例

随着实时操作系统应用程序成为主流，我期望看到的AI的一个用例是预测性维护。除了可能具有预测价值的其他数据，如错误率、声音和振动水平等，所有关于一件设备在什么情况下使用了多少的数据都将被收集起来。将根据收集到的所有数据建立和训练模型，预测设备何时需要维修或更换。这些模型将在实时操作系统中嵌入一个推理引擎，这样设备就可以预测自身的维护需求。

另一个可能对AI的使用将处于安全领域。学习识别其自己的正常行为的系统可能更具弹性，并能够发现可能发出安全事件的意外偏差。

基于与领先机器人制造商的对话，我认为AI用于通过利用实际观察而不是数学模型来改善现有过程，例如运动控制。无论是在自动驾驶汽车还是自动化工厂中，嵌入在实时系统中的AI都将带来更好的理解和适应机器与其交互的物理环境的能力。

像这样的人工智能场景需要对传统的实时操作系统进行重大变革，此外还需要调整数据科学和人工智能工具，以便在实时操作系统所处的更受限的环境中执行。

为ai加入我们的RTO

在WindRiver®.，我们正在现代化VxWorks®，我们的实时操作系统，以奠定基础的嵌入式AI在智能的边缘。在其核心，人工智能需要三个要素:数据、用于产生预测的模型，以及将模型应用于数据并得出结论的推理引擎。我们的第一个重点是提供引擎，这样拥有数据和模型的客户就可以开始构建他们的AI解决方案。

我们开始支持Python，非常喜欢的语言，简化了神经网络的开发，以及将Python转变为数据科学强者的Numpy库。现在我们正在将熊猫数据分析库添加为我们的第一个引擎。接下来，我们将为TensorFlow Lite添加支持，因为我们拓展了可用于AI解决方案开发的工具。

由实时操作系统在本地收集的数据将需要发送到云上，用于训练人工智能模型的计算密集型操作。VxWorks支持多种通信协议，可以收集设备信息并将其发送到云上用于人工智能训练。我们未来的目标是提供额外的技术，使您更容易地从本地获取更多数据并将数据传输到云，这样您就可以使用反馈循环进行持续改进。

查看VxWorks在智能边缘上为AI奠定基础的其他方式：www.windriver.com/products/vxworks．