开源的 Wendy OS 旨在几分钟内（而不是几个月内）在制造边缘网络中扩展物理 AI。
在现代工厂的自动导引车和视觉传感器背后，工厂管理人员在将本地机器智能连接到更广泛的供应链基础设施时，经常会遇到配置延迟的问题。将概念验证型人工智能模型部署到数百个机械臂或物流传感器上，需要耗费数百个工程工时。
本周，一家名为Wendy的新公司宣布推出一款操作系统，旨在让创建物理人工智能系统变得极其容易，并声称可以将部署时间从数月缩短到数分钟。
Wendy 的联合创始人 Maximilian Alexander 表示：“Wendy 是一个面向物理 AI 的操作系统和开发者平台，旨在大大简化在 NVIDIA Jetson、Raspberry Pi 和其他边缘设备上的构建和部署。
“我们认为机器人、边缘人工智能、工业系统、自主机器和智能摄像头的创建应该更加简单。更少的设置。更少的基础设施难题。更快的首次演示时间。这仅仅是一个开始。”
工业领域通常将树莓派和NVIDIA Jetson等边缘硬件视为标准的无头服务器。实际上，设施运营人员往往将这些设备视为基本的SSH目标，认为它们在网络中没有独立的身份或权限。然而，这些设备在物理世界中扮演着积极的角色，可以作为机器人、无人机、摄像头和传感器等运行。
工厂主管要求这些终端能够自主运行，以维持高产量生产线的正常运转。该软件必须兼容多种外形，包括人形机器人、工厂机器人、自动驾驶车辆和卫星星座。Wendy 的开发者从《攻壳机动队》系列作品中汲取灵感，将数字形态与物理形态之间的边界视为意识萌生的空间。
工程限制与车间要求
对于运营总监而言，硬件和软件的紧密协作决定着设施的产量和设备的正常运行时间。构建可靠的物理人工智能系统通常需要系统工程博士学位。
通过提供基于 Apache 2.0 开源协议的 WendyOS 和工具链，该平台使小型团队能够摆脱对臃肿的企业级软件栈的依赖，快速交付项目。其目标是将 iOS 和 Android 为移动应用带来的开发便捷性直接引入机器人和无人机领域。这种方法消除了配置方面的种种难题，从而避免了试点项目因配置问题而延误全面投产。
维护远程边缘硬件会给管理分布式资产的维护团队带来诸多不便。派遣技术人员前往海上石油钻井平台或区域物流中心与传感器进行物理连接会消耗大量的运营预算。WendyOS 通过内置 Mender 集成解决了这个问题，从而能够实现可靠的空中升级，并辅以 A/B 分区冗余。如果在部署过程中更新失败，设备将恢复到之前的正常工作状态，从而避免代价高昂的停机时间。
该操作系统本身是一个基于 Yocto/OpenEmbedded 的定制 Linux 发行版，专为边缘计算设备优化。这一技术基础提供了一个精简、安全且可用于生产环境的运行环境，适用于长期的物联网部署。在底层，该系统采用针对嵌入式硬件优化的无头 systemd 初始化设置，从而保持了极低的开销。
Wendy OS 如何将 IT 工作流程与边缘基础设施连接起来
将云原生工作流程集成到工厂车间会给试图扩展网络的工业 IT 部门带来持续的兼容性问题。Wendy 通过提供自动 Docker 容器化和多架构构建，绕过了传统的部署方法。
这款对开发者友好的操作系统开箱即用，预装了 Docker、SSH 和必要的开发工具。该平台将现代云开发的便捷性直接引入边缘计算领域。
主要的开发环境充当一个全面的 CLI，使工程师能够直接在 NVIDIA Jetson 和 Raspberry Pi 等基于 ARM 的硬件上构建、部署和调试应用程序。
核心代理wendy-agent是一个用 Swift 编写的应用管理器。该工具负责应用部署和网络配置，同时支持NetworkManager和ConnMan协议。
使用诸如`wendy run`之类的简单命令即可处理边缘部署的底层复杂性。对于负责远程工厂设备代码故障排除的工程师，该工具包为边缘应用程序提供完整的 LLDB 调试支持。专用的 Visual Studio Code 扩展 ` wendy-vscode`将 CLI 直接连接到设备管理工作流程。
为物理人工智能赋能：从GPU到本地传感器
Wendy 针对边缘设备进行了深度硬件优化，尤其侧重于为 NVIDIA Jetson Orin Nano 提供专用支持。该平台包含一个名为meta-wendyos-jetson的 Yocto 元层，它建立了一个基于 Docker 的构建环境，并为开发者套件提供了 OTA 更新支持。
该系统支持多种语言，包括 Swift、Python、Rust和 TypeScript/Node.js，能够满足不同工程背景的需求。开发者可以在 macOS 或 Linux 系统上编写代码，并直接部署到 ARM 设备。该平台还包含示例应用程序，演示如何使用这些不同的语言构建项目。
该平台提供专用的系统库，用于管理工业通信和机器学习推理。该工具包基于 Swift 6.2+ 和现代 async/await 模式，能够处理复杂的数据流。它为 Linux 提供 TensorRT Swift 6.2 绑定，支持在 NVIDIA 硬件上直接进行高性能深度学习推理。DeepStream Swift 绑定使工厂团队能够构建用于缺陷检测和设施监控的智能视频分析应用程序。
为了实现 Linux 操作系统内的进程间通信，Wendy 采用纯 Swift 6 D-Bus 协议实现，并基于 SwiftNIO 和现代并发支持构建。硬件外设控制依赖于适用于 Linux 的 Swift Bluetooth (BlueZ) 库，从而实现边缘设备与本地传感器之间的 BLE 通信。视觉数据流的处理则依赖于专门针对机器人和计算机视觉应用场景的 Swift 6.2 GStreamer 封装库。
创作者指出，Wendy 的标志以重叠的图形为视觉元素，象征着软件与硬件、精神与肉体、灵魂与躯壳的结合。其宗旨在于超越将代码简单地部署到金属盒子上，赋予这些设备灵魂——一个能够让它们思考、行动和进化的操作系统。
通过消除手动配置的摩擦，该工具链为工业界提供了一种大规模部署物理人工智能的直接方法。
