Qualcomm активно развивает технологии промышленного AI на краю сети — в машинах, роботах, AI Gateway и других устройствах. Компания предлагает гибридную архитектуру AI: в зависимости от требований к размеру модели, задержкам, конфиденциальности данных, безопасности, энергопотреблению и стоимости она распределяет нагрузку между облаком, локальным и сетевым краем, конечными устройствами. Это позволяет ускорить переход от прототипа к серийному производству, обеспечить оперативность, конфиденциальность данных, контролировать затраты и гибко подходить к развёртыванию решений.
Ключевая идея — использовать существующую экосистему Windows: разработчики и предприятия могут применять привычные инструменты, фреймворки и ПО, интегрируя их с вычислительными, AI и сетевыми технологиями. Через Qualcomm® AI Hub, Arduino, Edge Impulse и другие ресурсы можно внедрять AI в промышленные компьютеры, HMI, краевые контроллеры и другие устройства.
На форуме «2026 AI » представители Qualcomm и партнёров обсудили, как преодолеть разрыв между POC (доказательством концепции) и масштабным развёртыванием AI. Например, менеджер по работе с клиентами Qualcomm Ван Цзинъи отметил: на этапе POC инженеры часто используют мощные решения с сотнями TOPS (Trillions of Operations Per Second, триллионов операций в секунду), но при масштабировании это ведёт к росту затрат, энергопотребления и расходов на обслуживание. Поэтому важно подбирать вычислительные мощности под реальные задачи и оставлять возможность для будущего апгрейда.
Старший менеджер по развитию рынка компании «Яньхуа» Лю Сюймин подчеркнул: при развёртывании решений на 100 или 1000 устройств нужно тщательно считать затраты. Платформа Qualcomm Dragonwing™ поддерживает Windows, Linux и Ubuntu — это позволяет переносить существующее ПО на краевые устройства с низким энергопотреблением без полной переработки.
Представители других компаний поделились кейсами. Например, вице-президент «Панши смарт-технологии» Чжан Сючэн рассказал, как с помощью платформы Qualcomm удалось удовлетворить требования аэрокосмического клиента: снизить энергопотребление оборудования до менее чем 50 Вт и обеспечить долгосрочные поставки. Он также отметил, что стандартизация алгоритмов и функций обработки изображений с помощью FPGA превращает уникальные решения в повторно используемые инструменты, снижая затраты на разработку.
Специалист по интеграции AI-решений из компании «Шэньцзюнь» Чэнь Болун рассказал, как визуальные данные вместе с локальными LLM и RAG-библиотеками помогают систематизировать производственный опыт. Анализ исторических данных с помощью локальных LLM позволяет выявлять закономерности и оптимизировать процессы.
Все участники подчёркивали: для масштабирования промышленного AI критически важна экосистема — сотрудничество между производителями чипов, ПО, системными интеграторами и другими игроками рынка.
Подписаться в Макс
