A IA está remodelando as operações industriais – desde o controle de qualidade em tempo actual até a manutenção preditiva e copilotos digitais no chão de fábrica. À medida que essas cargas de trabalho de IA se tornam mais móveis, com uso intensivo de dados e sensíveis ao tempo, as redes celulares privadas estão emergindo como a infraestrutura crítica para mantê-las conectadas, confiáveis e responsivas. A convergência da IA, do 5G privado e da computação de ponta está definindo a próxima fase da Indústria 4.0.
Em suma – o que saber:
Conectando IA – A IA já impulsiona a automação, a inspeção e o suporte à decisão na fabricação; à medida que as aplicações se expandem para incluir vídeo ao vivo, AR e inferência de borda, elas dependem cada vez mais de redes 5G privadas.
Reforço mútuo – A IA generativa pode ajudar a operar o 5G privado através de diagnóstico e automação inteligentes, enquanto as mesmas redes fornecem o transporte determinístico para cargas de trabalho de IA multimodais de próxima geração.
Inovação escalável – Com governança de dados confiável, computação de ponta e modelos RAG, as empresas podem implantar IA com confiança em ambientes industriais – liberando produtividade, eficiência e resiliência em escala.
Nem todas as coisas boas sempre fazem sucesso. Aqui está uma discussão com Jason Wallin, arquiteto principal sênior do ‘TechStack’ no fabricante americano de máquinas agrícolas Deere & Firm (John Deere), que estava preparado para um novo RCR sem fio relatório sobre 5G privado e IA generativa (disponível aqui), mas que acabou sendo tarde demais para fazer a mixagem. Não importa; vale a pena imprimir na íntegra só porque… bem, é bom e cobre muito terreno.
Na verdade, Wallin defende que a IA industrial e o 5G privado reforçam-se mutuamente num contexto da Indústria 4.0 – onde a primeira impulsiona operações mais inteligentes no chão de fábrica e a última fornece a conectividade determinística para apoiá-la. Ele identifica implantações práticas de IA, já em uso no chão de fábrica (para controle de qualidade, manutenção preditiva, otimização de processos) e traz à tona uma nova onda de assistentes de recuperação aumentada de IA (RAG).
Hoje, a IA industrial é principalmente assistencial e analítica, mas os casos de uso emergentes (realidade aumentada, visão de câmera, inspeções ao vivo) precisam de redes sem fio com maior largura de banda e menor latência – onde o 5G privado recebe a aprovação. IA não precisa de 5G, por si sómas ajuda quando a IA se torna móvel, faminta e urgente – é a mensagem. A IA generativa é diferente, diz ele; a maioria dos modelos é vinculada à computação e não à rede – portanto, o gargalo é o modelo em si, e não a conectividade.
Mas, novamente, quando as entradas/saídas estão em movimento e/ou têm alta largura de banda – como acontece com vídeo, robótica e todos os tipos de dados de streaming – então o 5G privado é obrigatório. IA não precisa de 5G para pense mais rápidoclaramente, mas ajuda a transmitir as ideias – sempre dentro do prazo. Além disso, e conforme discutido no relatório, os agentes de IA podem ajudar no diagnóstico, na triagem e na análise para melhorar a operação e o gerenciamento das próprias redes privadas.
Wallin também aborda sua correlação na borda, em torno da infraestrutura de computação compartilhada – também discutida detalhadamente no relatório. A sensação é que a IA na borda (especialmente a visão da câmera e a robótica) já está alinhada com o 5G privado, e que a IA generativa seguirá o mesmo caminho e ampliará essas capacidades. Há outras coisas também – sobre a necessidade (ou não) de LLMs de domínio, ou pelo menos o valor de um RAG industrial provisório para ajustar LLMs gerais.
Além disso, há informações sobre privacidade na nuvem e governança de dados. É uma exploração visionária, mas técnica, de como a IA e o 5G estão convergindo na Indústria 4.0. Mas Wallin é melhor para explicar, então aqui está ele… (Todas as respostas abaixo são dele.)
Quais casos de uso de IA você mais usa em ambientes de produção/fabricação? Algum desses “precisa” de redes celulares privadas?
“Em ambientes de produção, a IA é usada para aprimorar o controle de qualidade, a manutenção preditiva e a otimização de processos. Por exemplo, a IA e a tecnologia de visão mecânica são usadas para detectar e corrigir automaticamente defeitos de soldagem em tempo actual, analisando imagens da solda, identificando lacunas ou desalinhamentos e ajustando parâmetros como velocidade ou calor para garantir uma qualidade consistente.
“Hoje, nossas implantações mais ativas são assistentes de recuperação aumentada, também chamados de copilotos ou agentes, que se integram a sistemas e dados corporativos confiáveis para ajudar revendedores e equipes internas com pesquisas de inventário, configuração e cotação de produtos e orientação de serviços, entre outros recursos. Embora geralmente funcionem bem com a conectividade empresarial existente, a IA generativa que consome entradas de largura de banda mais alta ao vivo exige mobilidade confiável, capacidade de uplink e latência previsível. Nesses cenários, as redes celulares privadas podem ser uma solução superb, dando suporte aplicativos para instruções de trabalho guiadas por AR ou verificação usando quadros de vídeo, como inspeção multicâmera, suporte de AR em ambientes de produção complexos e streaming de telemetria ou vídeo para inferência de borda.
“A rede sem fio privada ajuda quando o gargalo é a movimentação de dados grandes ou em tempo actual entre terminais móveis e a borda native. As redes celulares privadas fornecem a infraestrutura de conectividade confiável e de alta capacidade necessária para suportar novas tecnologias, permitindo um ecossistema de fabricação mais simplificado e automatizado para fábricas inteligentes. O resultado é maior eficiência da linha, qualidade de produto mais consistente e maior valor para os clientes.”
Existe uma ligação intrínseca entre redes celulares privadas e IA generativa na Indústria 4.0?
“As redes celulares privadas fornecem uma base consistente, confiável e flexível para aplicações com uso intensivo de dados. Como as redes sem fio privadas podem ser adaptadas às necessidades específicas de uma organização, elas oferecem maior controle, adaptabilidade e segurança do que as redes tradicionais. À medida que as operações se expandem ou as tecnologias evoluem, essas redes escalam perfeitamente, ajudando instalações preparadas para o futuro para o sucesso a longo prazo.
“A maioria dos pipelines LLM/MLLM são computacionais – a geração de tokens e o raciocínio dominam a latência de ponta a ponta, não a rede de último salto – portanto, as redes celulares privadas não reduzem o tempo de decodificação. Onde as redes sem fio privadas e a IA generativa se reforçam mutuamente é quando as entradas/saídas são móveis, de alta largura de banda ou exigem limites rígidos de jitter, como streaming de vídeo para a borda native para percepção ou coordenação de robôs móveis. À medida que esses padrões se expandem, as redes celulares privadas se tornam cada vez mais valiosas, principalmente como um plano de dados previsível que alimenta inferências rápidas.”
Embora um não exact do outro, é verdade que a geração AI ajudará na operação/gerenciamento de redes celulares privadas na indústria? Como?
“Sim, a IA generativa pode ajudar significativamente na operação e no gerenciamento de redes celulares privadas e redes em geral, especialmente em ambientes industriais. Os agentes para operações de rede e infraestrutura já estão proporcionando ganhos práticos, incluindo triagem mais rápida e resumo da causa raiz, sugestões de mudança e reversão, explicadores, geração de documentação e melhor pesquisa em documentos e registros de design. Ao adicionar uma camada de experiência do operador, a IA generativa reduz o trabalho e o tempo de resolução. Por exemplo, quando um problema é diagnosticado no chão de fábrica, a IA pode realizar diagnósticos primeiro, permitindo que as operadoras se concentrem na solução de problemas direcionada, em vez de explorar todos os problemas possíveis, aliviando a carga da operadora de rede.”
Também é verdade que a geração AI ajudará nas aplicações/processos digitais que vão para as redes celulares privadas (e outras industriais)?
“A IA generativa pode desempenhar um papel poderoso além de redes celulares privadas e outras redes industriais. Os copilotos melhoram a produtividade da linha de frente, independentemente da rede subjacente, com redes celulares privadas agregando valor quando o trabalho é altamente móvel ou multimodal pesado. À medida que os casos de uso de IA generativa se expandem para fluxos de trabalho móveis e multimodais, e à medida que os modelos e estruturas de agentes amadurecem para esses padrões, a tecnologia sem fio confiável de baixa latência se torna cada vez mais importante. O emparelhamento da inferência de borda no native com a rede sem fio privada pode ajudar a alcançar o envelope de desempenho necessário, permitindo pequenos modelos ou microagentes no borda native para loops de alto desempenho, com escalonamento para modelos maiores quando os orçamentos de latência permitirem. No entanto, esses padrões ainda são extremamente incipientes e ainda há muitas incógnitas no momento.”
Existe uma correlação entre estes dois aspectos na borda industrial – no native – com o uso de computação compartilhada? Ou esta correlação de borda é apenas entre redes celulares privadas com outras IA (visão de câmera, and many others.)?
“A correlação mais forte está entre redes celulares, computação de borda e visão/robótica. A computação compartilhada no native (GPU/TPU/CPU) executa tarefas clássicas de visão computacional, enquanto a IA generativa poderia fornecer orientação, resumo e recuperação de latência mais alta. Modelos menores poderiam potencialmente ser executados em ciclos de clock mais altos, e uma abordagem em camadas poderia entrar em jogo trocando latência por capacidade, embora esses também sejam padrões muito incipientes.
“A integração mais próxima hoje ainda é entre redes celulares avançadas e cargas de trabalho tradicionais de IA, como visão computacional ou análise preditiva, que dependem de fluxos de dados contínuos. A IA generativa está começando a construir sobre essa base, usando a mesma infraestrutura sem fio e de ponta para apoiar tomadas de decisão mais rápidas e operações mais inteligentes exatamente onde o trabalho acontece.”
Cada setor (e talvez cada empresa) exige uma versão específica de domínio dos LLMs? Como isso é alcançado e com quais parceiros?
“O padrão que vemos funcionando hoje é o Retrieval-Augmented Era (RAG), primeiro sobre dados governados, com ajuste leve de tarefas onde ajuda de forma mensurável. Os modelos básicos, juntamente com variantes destiladas menores, cobrem a maioria das necessidades. A especialização tem mais a ver com dados, ferramentas e avaliações do que com a criação de um “LLM da indústria” sob medida”. No entanto, à medida que exploramos modelos menores que executam tarefas especializadas com diferentes compensações, é certamente possível ver modelos específicos de domínio ou tarefa desempenharem um papel maior. Esperamos que os modelos específicos de domínio cresçam em importância em geral.
A criação de um LLM específico de domínio requer uma estreita colaboração com provedores de nuvem e IA, pesquisadores e clientes para garantir que esses modelos sejam baseados em necessidades do mundo actual e forneçam insights que realmente aprimorem o trabalho que está sendo realizado.”
Qual é a sua política sobre privacidade e segurança na nuvem?
“A Deere projeta e opera soluções de IA com segurança e privacidade por padrão. Seguimos estruturas reconhecidas e aplicamos acesso com privilégios mínimos com criptografia em trânsito e em repouso. Aplicamos controles rígidos de uso de dados, incluindo a proibição de provedores de modelo treinarem em nossos dados sem aprovação explícita, e honramos os requisitos regionais de residência/soberania de dados. Nosso programa de governança monitora a evolução das regulamentações e adapta nossos controles de acordo.
“Além disso, nossos clientes têm controle whole sobre seus dados e decidem com quem e quando compartilhá-los. Nosso trabalho é garantir que seus dados estejam devidamente protegidos em todos os momentos. O Centro de Operações John Deere, uma plataforma baseada em nuvem que permite aos agricultores monitorar o desempenho do equipamento, analisar as condições do campo e tomar decisões baseadas em dados, fornece um ambiente seguro para os clientes colaborarem com consultores confiáveis ou revendedores locais.”