ナレッジセンター
目次

Q: 産業シナリオ向けに国産AIチップはどう選定すべきか。参考になる実際の導入事例はあるか?

A: 産業シナリオ向けに国産AIチップを選定するうえで核心となるのは、ピーク演算性能ではなく、生産ラインのエッジで外観検査、予知保全、設備連携という三種類のタスクを安定して動かせるかどうかです。チップを選ぶだけでは足りず、MESやAI計画レイヤーと組み合わせて初めて実際に定着します。ZEVONはこうしたMES+AIプロジェクトで相応の適合経験を蓄積してきました。

1. チップを選ぶ前にシナリオを見る。順序を逆にしない

産業現場は三つの層に分かれます。エッジは表面欠陥検出や寸法測定といったリアルタイム推論を担い、低消費電力のCambricon MLUシリーズやRockchip RK3588が適します。ライン層は多チャンネルの映像解析を担い、Horizon JourneyやBlack Sesame Huashanシリーズが一般的です。センター側はモデル学習と計画最適化を担い、Ascend 910BやHygon DCUがよく使われます。ある電子機器工場がSMT実装検査を行う際、エッジではRK3588で軽量モデルを動かし、センターではAscendで再学習を行い、誤報率は目視抜取だけの場合より全体として管理しやすくなりました。

2. 産業環境がチップに課す厳しい要件

工場はデータセンターではありません。粉塵、振動、高温、24時間連続稼働が日常です。選定では三つの点に注目すべきです。広い動作温度範囲、長期供給のコミットメント、主要な産業プロトコル接続に対応しているかどうかです。自動車部品会社が鋳物のバリを検査するとします。チップモジュールがPoE給電やGigE Visionに対応していなければ、現場の配線やり直しコストは倍になります。ZEVONはAI外観検査ソリューションの設計を支援する際、まずチップと既存のPLC、MESとのデータ経路が開いているかを確認し、新たなデータサイロを作らないようにしています。

イラスト

3. ソフトウェアスタックとツールチェーンはチップ本体より重要

多くの工場は国産チップを買ってから、モデルの移行が難しいことに気づきます。学習フレームワークと推論エンジンが合わないからです。ONNX、PaddlePaddle、PyTorchへエクスポートしたモデルに対応するチップ基盤を優先し、ベンダーが量子化ツールやオペレータライブラリを提供しているかを確認することをお勧めします。ある太陽光発電モジュール工場がAscendでEL画像の欠陥分類を行った際、当初2週間をモデルの量子化適合に充てたことで、その後の品種切替はラベリングとファインチューニングだけで済み、全体のROIは高くなりました。ZEVONのMES+AIアーキテクチャでは、チップの推論結果を作業指示やSPCシステムへ直接書き戻すため、品質データは追跡可能です。

4. 実際の事例に共通するパターン

120社以上(15業界以上)の顧客からのフィードバックを見ると、国産AIチップの導入がうまくいったプロジェクトには三つの共通点があります。シナリオを単一タスクに絞っていること、エッジとセンターの役割分担が明確なこと、AIの結果とMESが閉ループになっていることです。射出成形会社が外観検査を行うとします。エッジのチップはOKかNGかを判定するだけで、MESがアラームとロット隔離を起動するため、チップの演算性能が限られていてもシステムは安定して回ります。3,200台以上の端末での経験からも、産業AIは人を置き換えるのではなく、熟練者の経験を再利用可能なモデルに変えるものだと言えます。

まとめと推奨:まず頻度が高く価値の高い検査または予測のシナリオを一つに絞り、広い温度範囲と長期供給に対応する国産チップを選び、そのうえでソフトウェアスタックが既存のMESと接続できるかを確認してください。ZEVONは、単一ポイントでの検証から始め、チップ、モデル、MESの間のデータフローを回してから他のラインへ横展開することをお勧めします。リスクが最も低く、成果が最も早い進め方です。

分野: AI-FAQ