邊緣的人工智能可以滿足許多需求

AI at the edge fits many needs

隨著人工智能（AI）和機器學習（ML）的不斷發(fā)展，以算法的形式處理大量數(shù)據(jù)的能力變得越來越重要。

為了幫助在數(shù)十億個連接設備上擴展數(shù)據(jù)應用程序的效率和價值，將處理從集中的第三方云服務器遷移到分散和本地化的設備上（通常稱為邊緣計算）的勢頭正在增長。根據(jù)SAR Insight&Consulting最新的人工智能/機器學習嵌入式芯片數(shù)據(jù)庫，在2019-2024年期間，具有邊緣計算功能的人工智能設備的全球數(shù)量將以64.2%的復合年增長率增長。

Data computation at the edge, no network needed

網(wǎng)絡邊緣不需要計算數(shù)據(jù)

Edge AI采用算法并處理盡可能接近物理系統(tǒng)的數(shù)據(jù)，在這種情況下，在硬件設備上本地處理。其優(yōu)點是數(shù)據(jù)處理不需要連接。數(shù)據(jù)的計算發(fā)生在網(wǎng)絡的“邊緣”附近，也就是數(shù)據(jù)開發(fā)的地方，而不是在一個集中的數(shù)據(jù)處理中心。對于設備、技術和組件提供商來說，在邊緣上能夠和應該完成多少處理之間確定一個恰當?shù)钠胶鈱⒊蔀樽钪匾臎Q策之一。

考慮到生成深度學習預測模型的訓練和推理引擎，邊緣處理通常需要Intel、Qualcomm、Nvidia和Google等供應商的x86或Arm處理器，這是一款AI加速器，能夠處理高達2.5GHz、10-14核的速度。

Getting real-time results for time-sensitive applications

獲取對時間敏感的應用程序的實時結果

考慮到不斷擴大的市場以及對計算數(shù)據(jù)和計算能力的不斷擴大的服務和應用需求，有幾個因素和好處推動了邊緣計算的發(fā)展。由于對可靠、適應性強和上下文相關信息的需求不斷變化，大多數(shù)數(shù)據(jù)都在本地遷移到設備上的處理，從而提高了性能和響應時間（在不到幾毫秒的時間內(nèi)）、較低的延遲、電源效率、通過將數(shù)據(jù)保留在設備上而提高了安全性以及通過將成本最小化來節(jié)省成本數(shù)據(jù)中心傳輸。

邊緣計算的最大好處之一是能夠為時間敏感的需求保護實時結果。在許多情況下，傳感器數(shù)據(jù)可以直接收集、分析和傳輸，而不必將數(shù)據(jù)發(fā)送到時間敏感的云中心。

跨各種邊緣設備的可擴展性有助于加快本地決策的速度。提供即時可靠數(shù)據(jù)的能力可以建立信心，增加客戶參與度，在許多情況下，還可以挽救生命。想想所有的行業(yè)——家庭安全、航空航天、汽車、智能城市、醫(yī)療保健——在這些行業(yè)中，診斷和設備性能的直接解釋至關重要。

AI edge developments

人工智能邊緣開發(fā)

亞馬遜、谷歌、蘋果、寶馬、大眾、特斯拉、空客、弗勞恩霍夫、沃達豐、道奇電信、愛立信和哈廷等創(chuàng)新型企業(yè)現(xiàn)在都在接受并對沖對人工智能的押注。這些公司中的許多公司正在組建諸如歐洲邊緣計算聯(lián)盟（EECC）等行業(yè)協(xié)會，以幫助教育和激勵中小型和大型企業(yè)在制造業(yè)和其工業(yè)市場中推動邊緣計算的采用。

EECC計劃的目標包括為邊緣計算制定參考架構模型，開發(fā)參考技術堆棧（EECC邊緣節(jié)點），通過評估多個場景中的方法來確定差距和推薦最佳實踐，與相關倡議/標準化組織同步。

提出了邊緣計算的參考體系結構模型。

從邊緣上看

人工智能和機器學習的進步為創(chuàng)造智能設備提供了大量的機會，這些設備能夠感知環(huán)境。對智能機器的需求將受益于多感官數(shù)據(jù)的增長，這些數(shù)據(jù)可以以更高的精度和性能進行計算。邊緣計算為幾乎所有行業(yè)提供了一個將人工智能數(shù)據(jù)轉化為“實時”價值的機會。智能邊緣是人工智能技術發(fā)展和成功的下一個階段。

總結

以上是生活随笔為你收集整理的边缘的人工智能可以满足许多需求的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。