纯本地边缘计算架构
摒弃依赖不稳定的海上网络，将人工智能大脑直接部署于船载控制器。
实现 100% 本地化推理，确保毫秒级低延迟响应与绝对的系统可用性。
决策依据 1. 决策逻辑：为何必须本地化？
云端控制的致命伤
- 通信中断： 海上作业常遇信号盲区，云端指令无法下达即意味着失控。
- 高延迟： 移动网络回传延迟往往超过 500毫秒，无法应对瞬息万变的风浪干扰 (需要低于 100毫秒)。
边缘计算的优势
- 零依赖： 无需互联网连接，人工智能全功能离线运行，保障基本航行安全。
- 实时性： 传感器数据直达计算核心，推理延迟低于 20毫秒，满足高频采样控制需求。
部署架构 2. 算力部署架构 (依据申请表)
船载控制器
嵌入式单板电脑 (如高性能微控制器)。
负责运行压缩后的人工智能模型。
模型量化压缩
深度学习模型经过 8位整数格式剪枝。
确保在有限算力下流畅运行。
执行周期
10 毫秒 (100赫兹)。
每秒进行 100 次“感知-决策-执行”循环。
数据流向 3. 数据流向 (本地闭环)
实时控制流 (毫秒级)
路径： 传感器 -> 本地计算核心 -> 控制总线 -> 电机。
特点： 完全在船上完成的封闭回路，不依赖任何外部网络，确保最高安全等级。
缺失分析
资料缺失 (申请表未详述)
申请表中关于算力硬件的具体规格较模糊，建议准备答辩预案：
芯片选型
申请表未指明具体使用哪款微控制器或神经网络加速芯片 (例如特定型号单片机)。
算力冗余
未提及当运行深度学习模型时的处理器占用率预估及散热设计。