DeepSeek-R1 menggabungkan pengkomputeran AI dan kelebihan untuk IOT perindustrian

Pengenalan

Model sulingan bersaiz kecil DeepSeek-R1 disempurnakan dengan menggunakan data rantai yang dihasilkan oleh DeepSeek-R1, ditandakan dengantag, mewarisi keupayaan penalaran R1. Dataset-dataset yang disempurnakan ini secara eksplisit termasuk proses penalaran seperti penguraian masalah dan potongan pertengahan. Pembelajaran tetulang telah menyelaraskan corak tingkah laku model sulingan dengan langkah -langkah penalaran yang dihasilkan oleh R1. Mekanisme penyulingan ini membolehkan model-model kecil untuk mengekalkan kecekapan pengiraan sambil memperoleh kebolehan penalaran yang kompleks berhampiran dengan model yang lebih besar, yang merupakan nilai aplikasi yang signifikan dalam senario yang terkawal sumber. Sebagai contoh, versi 14B mencapai 92% daripada penyempurnaan kod model DeepSeek-R1 yang asal. Artikel ini memperkenalkan model sulingan DeepSeek-R1 dan aplikasi terasnya dalam pengkomputeran kelebihan industri, diringkaskan dalam empat arah berikut, bersama-sama dengan kes pelaksanaan tertentu:

DC3C637C5BEAD8B62ED51B6D83AC0B4

Penyelenggaraan peralatan ramalan

Pelaksanaan teknikal

Gabungan Sensor:

Mengintegrasikan getaran, suhu, dan data semasa dari PLC melalui protokol Modbus (kadar pensampelan 1 kHz).

Pengekstrakan ciri:

Jalankan dorongan kelebihan pada Jetson Orin NX untuk mengekstrak ciri-ciri siri masa 128-dimensi.

Kesimpulan Model:

Menyebarkan model DeepSeek-R1-Distill-14B, memasukkan vektor ciri untuk menghasilkan nilai kebarangkalian kesalahan.

Pelarasan Dinamik:

Mencetuskan pesanan kerja penyelenggaraan apabila keyakinan> 85%, dan memulakan proses pengesahan sekunder apabila <60%.

Kes yang berkaitan

Schneider Electric mengerahkan penyelesaian ini pada jentera perlombongan, mengurangkan kadar positif palsu sebanyak 63% dan kos penyelenggaraan sebanyak 41%.

1

Menjalankan Model Sulingan R1 Deepseek pada Komputer EDGE INHAND AI

Pemeriksaan visual yang dipertingkatkan

Senibina output

Talian Pipelin Penempatan Tipikal:

kamera = gige_vision_camera (500fps) # Kamera industri gigabit
bingkai = kamera.capture () # menangkap gambar
preprocessed = opencv.denoise (bingkai) # Denoising preprocessing
defect_type = deepSeek_r1_7b.infer (preprocessed) # klasifikasi kecacatan
jika defect_type! = 'normal':
PLC.TRIGGER_RECK () # Mekanisme Penyortiran

Metrik prestasi

Kelewatan Pemprosesan:

82 ms (Jetson Agx Orin)

Ketepatan:

Pengesanan kecacatan yang dibentuk suntikan mencapai 98.7%.

2

Implikasi DeepSeek R1: Pemenang dan Loser dalam Rantaian Nilai AI Generatif

Pengoptimuman aliran proses

Teknologi Utama

Interaksi Bahasa Semulajadi:

Pengendali menggambarkan anomali peralatan melalui suara (misalnya, "turun naik tekanan extruder ± 0.3 MPa").

Penalaran Multimodal:

Model ini menjana cadangan pengoptimuman berdasarkan peralatan sejarah peralatan (contohnya, menyesuaikan kelajuan skru sebanyak 2.5%).

Pengesahan kembar digital:

Pengesahan simulasi parameter pada platform Foundry Edgex.

Kesan pelaksanaan

Loji kimia BASF mengguna pakai skim ini, mencapai pengurangan penggunaan tenaga sebanyak 17% dan kenaikan 9% dalam kadar kualiti produk.

3

Edge AI dan Masa Depan Perniagaan: Openai O1 vs DeepSeek R1 untuk Penjagaan Kesihatan, Automotif, dan IIOT

Pengambilan Pangkalan Pengetahuan Segera

Reka bentuk seni bina

Pangkalan Data Vektor Tempatan:

Gunakan ChromAdb untuk menyimpan manual peralatan dan spesifikasi proses (Embedding Dimension 768).

Pengambilan Hibrid:

Campurkan algoritma BM25 + persamaan kosinus untuk pertanyaan.

Generasi Keputusan:

Model R1-7B meringkaskan dan menyempurnakan hasil pengambilan semula.

Kes biasa

Jurutera Siemens menyelesaikan kegagalan penyongsang melalui pertanyaan bahasa semulajadi, mengurangkan masa pemprosesan purata sebanyak 58%.

Cabaran dan penyelesaian penggunaan

Batasan memori:

Teknologi kuantisasi cache KV yang digunakan, mengurangkan penggunaan memori model 14B dari 32GB hingga 9GB.

Memastikan prestasi masa nyata:

Latihan kesimpulan tunggal yang stabil kepada ± 15 ms melalui pengoptimuman graf CUDA.

Model Drift:

Kemas kini tambahan mingguan (menghantar hanya 2% parameter).

Persekitaran yang melampau:

Direka untuk julat suhu luas -40 ° C hingga 85 ° C dengan tahap perlindungan IP67.

5
微信图片 _20240614024031.jpg1

Kesimpulan

Kos penggunaan semasa kini menurun kepada $ 599/nod (Jetson Orin NX), dengan aplikasi berskala yang terbentuk dalam sektor seperti pembuatan 3C, pemasangan automotif, dan kimia tenaga. Pengoptimuman berterusan seni bina dan teknologi kuantisasi MOE dijangka membolehkan model 70B dijalankan pada peranti Edge menjelang akhir tahun 2025.

Cari penyelesaian kabel ELV

Kawalan kabel

Untuk BMS, bas, perindustrian, kabel instrumentasi.

Sistem kabel berstruktur

Rangkaian & data, kabel serat optik, tali patch, modul, faceplate

Ulasan Pameran & Acara 2024

Apr.16th-18th, 2024 Middle-East-Energy di Dubai

Apr.16th-18th, 2024 Securika di Moscow

May.9th, 2024 Acara Pelancaran Produk & Teknologi Baru di Shanghai

Okt.22-25, 2024 Keselamatan China di Beijing

Nov.19-20, 2024 KSA Dunia Bersambung


Masa Post: Feb-07-2025