為什么邊緣設(shè)備和計算中的AI應(yīng)用是未來？

變革一直是發(fā)展不可或缺的一部分。隨著技術(shù)的飛速發(fā)展，公司也需要自己接受這些技術(shù)，以實現(xiàn)最大的收益。就像我們目睹了計算從大型機(jī)向云計算的轉(zhuǎn)變一樣，人工智能（AI）正在移向邊緣IoT設(shè)備和網(wǎng)絡(luò)。隨著數(shù)據(jù)的不斷增長，我們需要選擇將數(shù)據(jù)存儲和數(shù)據(jù)計算放置在設(shè)備上。高通，NVIDIA和英特爾等公司正在幫助我們實現(xiàn)這一現(xiàn)實。

盡管邊緣站點計算系統(tǒng)比中央數(shù)據(jù)中心的系統(tǒng)要小得多，但是它們已經(jīng)成熟，并且由于當(dāng)今x86商用服務(wù)器的處理能力的巨大增長，現(xiàn)在已經(jīng)成功運行了許多工作負(fù)載。此外，如果應(yīng)用程序?qū)ρ舆t敏感，則Edge是更好的選擇。更好的隱私性、安全性、低延遲和帶寬是邊緣平臺的一些特點。

什么是邊緣人工智能？

它指的是在硬件設(shè)備上本地處理的AI算法。它也被稱為設(shè)備上AI。這使您可以在不到幾毫秒的時間內(nèi)使用設(shè)備處理數(shù)據(jù)，從而為您提供實時信息。使用Edge AI，人們可以從設(shè)備上的應(yīng)用程序獲得她想要的個性化功能。

根據(jù)IDC的預(yù)測，到2023年，Edge AI軟件市場預(yù)計將從2018年的3.55億美元增長到1.12萬億美元。IDC研究總監(jiān)Dave McCarthy說：“ AI是邊緣計算中最常見的工作負(fù)載。隨著物聯(lián)網(wǎng)實施的成熟，人們對在生成點應(yīng)用人工智能進(jìn)行實時事件檢測的興趣與日俱增?！?/p>

云端邊緣

當(dāng)前，AI處理是在需要大量計算能力的基于云的數(shù)據(jù)中心中使用深度學(xué)習(xí)模型完成的。延遲是云環(huán)境或由云支持的物聯(lián)網(wǎng)設(shè)備面臨的最常見問題之一。此外，在將數(shù)據(jù)傳輸?shù)皆破陂g，始終存在數(shù)據(jù)被盜或泄漏的風(fēng)險。使用edge可以對數(shù)據(jù)進(jìn)行整理，然后再將其發(fā)送到遠(yuǎn)程位置進(jìn)行進(jìn)一步分析。此外，邊緣人工智能將實現(xiàn)智能物聯(lián)網(wǎng)管理。

在基于邊緣的體系結(jié)構(gòu)中，推理在設(shè)備上本地發(fā)生。這樣可以減少流回云的網(wǎng)絡(luò)流量，同時將IoT設(shè)備的響應(yīng)時間縮短到最短，從而使管理決策可在本地使用，并靠近具有眾多優(yōu)勢的設(shè)備。

Edge AI需求的驅(qū)動因素：

有幾個因素要求將AI處理推向邊緣：

實時的客戶參與度與用戶或設(shè)備位置無關(guān)，例如使用設(shè)備上的在線支付，監(jiān)控鍛煉活動。

能夠在邊緣設(shè)備上運行大規(guī)模DNN模型。幾種框架和技術(shù)都支持模型壓縮，包括Google的TensorFlow Lite、Facebook的Caffe2Go，蘋果的CoreML、Nervana的神經(jīng)網(wǎng)絡(luò)蒸餾器和SqueezeNet。

快速處理和分析物聯(lián)網(wǎng)傳感器數(shù)據(jù)。

降低Edge平臺的帶寬成本。

邊緣設(shè)備產(chǎn)品：

根據(jù)AI應(yīng)用程序和設(shè)備類別，有幾種用于執(zhí)行AI邊緣處理的硬件選項。選件包括中央處理器（CPU）、GPU、專用集成電路（ASIC）、現(xiàn)場可編程門陣列（FPGA）和片上系統(tǒng)（SoC）加速器。邊緣在大多數(shù)情況下指的是設(shè)備，不包括網(wǎng)絡(luò)集線器或微型數(shù)據(jù)中心，除非其中包括網(wǎng)絡(luò)錄像機(jī)（NVR）的安全攝像機(jī)。

排名前三的邊緣產(chǎn)品是：

Nvidia Jetson Nano：

英特爾神經(jīng)計算棒2代

Google Edge TPU開發(fā)板

NVIDIA Jetson Nano？開發(fā)人員工具箱是使用最廣泛且最受歡迎的工具，可提供計算性能，以前所未有的大小，功能和成本運行現(xiàn)代AI工作負(fù)載。開發(fā)人員，學(xué)習(xí)者和制造商現(xiàn)在可以為圖像分類、對象檢測、分段和語音處理等應(yīng)用程序運行AI框架和模型。它還包括板支持包（BSP）、Linux OS、NVIDIACUDA？、cuDNN和TensorRT？軟件庫，用于深度學(xué)習(xí)，計算機(jī)視覺，GPU計算，多媒體處理等。該軟件甚至可以使用易于刷新的SD卡映像來使用，從而使其快速，容易上手。

其他值得注意的包括NVIDIA Jetson TX1，TX2，TX2i（可承受更高的振動，溫度和濕度范圍以及灰塵），適用于RISC-V AI + IoT的Sipeed Maixduino套件、Raspberry Pi 4計算機(jī)模型B、Coral開發(fā)板等。

實際應(yīng)用：

毫無疑問，邊緣人工智能將改變我們的未來。公司和公司已經(jīng)開始合并它，以向客戶提供高效且無憂的體驗。其中一些實例是：

萬豪國際集團(tuán)與三星和羅格朗（Legrand）合作，使用物聯(lián)網(wǎng)和邊緣AI創(chuàng)造了世界上第一個啟用物聯(lián)網(wǎng)的酒店客房。這些房間在多個位置具有高度個性化，可讓客戶根據(jù)應(yīng)用程序中存儲的信息完全按需設(shè)置房間。

日本汽車制造商豐田公司正在利用為汽車制造而設(shè)計的現(xiàn)有AI邊緣機(jī)器人技術(shù)，以幫助行動不便的人。

自主交付系統(tǒng)，例如亞馬遜的交付無人機(jī)和多米諾機(jī)器人，利用計算機(jī)視覺來導(dǎo)航障礙物并有效地優(yōu)化路線。兩家公司使用Edge AI來提供數(shù)據(jù)，地理位置，預(yù)測的時間范圍和個性化更新。

相反，工廠中具有AI功能的邊緣計算系統(tǒng)可以將多臺計算機(jī)的數(shù)據(jù)關(guān)聯(lián)起來，以檢測并最終預(yù)測導(dǎo)致停機(jī)的問題。

Expensify的虛擬助手Concierge可協(xié)助公司自動進(jìn)行費用報告和差旅安排。它可以通知客戶實時價格變化，甚至可以代表他們提交收據(jù)。

邊緣人工智能的用途和潛力因行業(yè)和公司而異。雖然基于邊緣的推理已經(jīng)被證明是云計算的一個更好的選擇，但是在這一領(lǐng)域還有很多工作要做。