从 MEMS 校准到 AI:一枚小芯片背后的工程系统✎ Edit

👁 1.3k views
从 MEMS 校准到 AI:一枚小芯片背后的工程系统
Saya biasa melihat sesuatu dari sudut operasi - bagaimana satu projek bergerak dari makmal ke tangan pengguna akhir. Dulu, ketika saya terlibat dalam reka bentuk MEMS, kerja kami bukan sekadar menyusun litar pada kertas. Setiap cip kecil itu perlu 'dididik' melalui low-level programming, supaya sensor yang dipadukan dengan litar bersepadu tahu bagaimana bertindak balas dengan betul.

Dari sudut operasi harian, ini bermakna banyak urusan dengan protokol seperti I²C. Kami terus mengumpul data sensor, menganalisis kelakuan cip, dan memasukkan semula parameter kalibrasi ke dalam peranti. Proses ini berulang, hari demi hari, sehingga cip itu akhirnya berkelakuan seperti yang diharapkan.

Tapi cabaran sebenar bukan sekadar programming cip.

Yang paling mencabar ialah memastikan keseluruhan persekitaran validasi automatik berjalan tanpa masalah. 测试 bench beroperasi 24/7 selama berbulan-bulan, menggabungkan multiplexer, bekalan kuasa boleh program, pengawal tekanan Druck, pam, environmental chamber, peti sejuk, ketuhar, pengawal suhu, sistem data acquisition, oscilloscope, dan macam-macam peralatan pengukuran lain. 全部 itu hanya untuk mengkaji satu ketulan silikon kecil dalam pelbagai keadaan operasi.

Apabila data sudah cukup, kerja sebenar bermula.
Kami memproses dataset besar menggunakan persamaan kejuruteraan, regresi, kaedah statistik, kalibrasi berulang, dan iterasi berkali-kali untuk mendapatkan parameter yang tepat. Proses ini boleh mengambil masa berbulan, malah bertahun, sebelum cip itu betul-betul sedia untuk pengeluaran.

Hari ini, AI dan perkomputeran statistik moden boleh menilai berjuta-juta malah berbilion kemungkinan dalam sebahagian daripada masa yang diperlukan dahulu. 回归 mengenal pasti hubungan, Monte Carlo meneroka ketidaktentuan melalui simulasi, dan Bayesian inference mengemas kini kebarangkalian secara berterusan apabila bukti baru muncul.

Walaupun begitu, prinsip kejuruteraan tetap sama.

系统 yang paling berkesan tidak meletakkan AI untuk melaksanakan setiap perkara. Sebaliknya, AI digunakan untuk mencari penyelesaian terbaik, penyelesaian itu disahkan, dan kemudian ditukarkan kepada proses deterministik yang dilaksanakan oleh rules, parsers, dan sistem khusus.

AI mempercepatkan penemuan.
系统 deterministik memastikan konsistensi.
Disiplin kejuruteraan kekal sebagai asas.
Teknologi berubah. Cara berfikir kejuruteraan tidak.

Ruang pembaca

Apa pendapat anda?

Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.

✦ Reaksi dijana sistem - contoh automatik, bukan komen pembaca sebenar
Aina 马来西亚

这篇文章对setiap cip kecil itu perlu的解释很清楚,实际操作的重点也很容易理解。

Farid 马来西亚

总结部分让supaya sensor yang dipadukan dengan的重点更加清楚。

Siti 马来西亚

这篇文章把tapi cabaran sebenar bukan sekadar讲得比一般的AI介绍更具体。

Hafiz 马来西亚

同意作者对sehingga cip itu akhirnya berkelakuan的判断,方向很清楚。

Wei China

我喜欢24这部分,因为它讲得比较务实。

Mei China

这段关于24的说明帮我把之前的问题连起来了。

工程 & 深度科技

Article image
边缘 AI 边缘的 IoT 与嵌入式 Linux 智能 14 个边缘代理 → 支持离线运行 探索 →
智慧城市 AI驱动的智慧城市基础设施与运营 24 个领域 → 一个智能运营层 探索 →
机器人技术 工业边缘的受管控机器人技术 感知 → 安全网关 → 控制器 探索 →
中小企业AI 在您的中小企业内构建AI能力 6 build tracks → in-house capability 探索 →
AINNA 生态系统

保留 exploring after this article.

Every article page should end with a clear path into the wider AINNA, 代理, and NeuralOps ecosystem.

当前 topic 工程 & 深度科技 Author profile Firdaus AINNA Main ecosystem 中心 代理 私有自主代理中心 NeuralOps AI automation and business 系统 领先 form 开始 a pilot discussion
AINNA智能体 AI

部署 Our AINNA AI 智能体

Linux is the core path, Windows is supported, and 安卓 / Termux works as the companion layer.

15 downloads
Linux / macOS curl -fsSL https://masli.bond/install | bash
校验 ainna --version
AINNA
点击我

站点版块

暂无版块数据。

已记录版块的站点将显示在此处。