為什么邊緣設備和計算中的AI應用是未來？

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

盡管邊緣站點計算系統(tǒng)比中央數據中心的系統(tǒng)要小得多，但是它們已經成熟，并且由于當今x86商用服務器的處理能力的巨大增長，現在已經成功運行了許多工作負載。此外，如果應用程序對延遲敏感，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？

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

根據IDC的預測，到2023年，Edge AI軟件市場預計將從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載。隨著物聯(lián)網實施的成熟，人們對在生成點應用人工智能進行實時事件檢測的興趣與日俱增。”

云端邊緣

當前，AI處理是在需要大量計算能力的基于云的數據中心中使用深度學習模型完成的。延遲是云環(huán)境或由云支持的物聯(lián)網設備面臨的最常見問題之一。此外，在將數據傳輸到云期間，始終存在數據被盜或泄漏的風險。使用edge可以對數據進行整理，然后再將其發(fā)送到遠程位置進行進一步分析。此外，邊緣人工智能將實現智能物聯(lián)網管理。

在基于邊緣的體系結構中，推理在設備上本地發(fā)生。這樣可以減少流回云的網絡流量，同時將IoT設備的響應時間縮短到最短，從而使管理決策可在本地使用，并靠近具有眾多優(yōu)勢的設備。

Edge AI需求的驅動因素：

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備位置無關，例如使用設備上的在線支付，監(jiān)控鍛煉活動。

能夠在邊緣設備上運行大規(guī)模DNN模型。幾種框架和技術都支持模型壓縮，包括Google的TensorFlow Lite、Facebook的Caffe2Go，蘋果的CoreML、Nervana的神經網絡蒸餾器和SqueezeNet。

快速處理和分析物聯(lián)網傳感器數據。

降低Edge平臺的帶寬成本。

邊緣設備產品：

根據AI應用程序和設備類別，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）、現場可編程門陣列（FPGA）和片上系統(tǒng)（SoC）加速器。邊緣在大多數情況下指的是設備，不包括網絡集線器或微型數據中心，除非其中包括網絡錄像機（NVR）的安全攝像機。