边缘的人工智能可以满足许多需求

边缘的人工智能可以满足许多需求

AI at the edge fits many needs

随着人工智能（AI）和机器学习（ML）的不断发展，以算法的形式处理大量数据的能力变得越来越重要。             

为了帮助在数十亿个连接设备上扩展数据应用程序的效率和价值，将处理从集中的第三方云服务器迁移到分散和本地化的设备上（通常称为边缘计算）的势头正在增长。根据SAR Insight&Consulting最新的人工智能/机器学习嵌入式芯片数据库，在2019-2024年期间，具有边缘计算功能的人工智能设备的全球数量将以64.2%的复合年增长率增长。

Data computation at the edge, no network needed

网络边缘不需要计算数据             

Edge AI采用算法并处理尽可能接近物理系统的数据，在这种情况下，在硬件设备上本地处理。其优点是数据处理不需要连接。数据的计算发生在网络的“边缘”附近，也就是数据开发的地方，而不是在一个集中的数据处理中心。对于设备、技术和组件提供商来说，在边缘上能够和应该完成多少处理之间确定一个恰当的平衡将成为最重要的决策之一。             

考虑到生成深度学习预测模型的训练和推理引擎，边缘处理通常需要Intel、Qualcomm、Nvidia和Google等供应商的x86或Arm处理器，这是一款AI加速器，能够处理高达2.5GHz、10-14核的速度。

Getting real-time results for time-sensitive applications

获取对时间敏感的应用程序的实时结果             

考虑到不断扩大的市场以及对计算数据和计算能力的不断扩大的服务和应用需求，有几个因素和好处推动了边缘计算的发展。由于对可靠、适应性强和上下文相关信息的需求不断变化，大多数数据都在本地迁移到设备上的处理，从而提高了性能和响应时间（在不到几毫秒的时间内）、较低的延迟、电源效率、通过将数据保留在设备上而提高了安全性以及通过将成本最小化来节省成本数据中心传输。             

边缘计算的最大好处之一是能够为时间敏感的需求保护实时结果。在许多情况下，传感器数据可以直接收集、分析和传输，而不必将数据发送到时间敏感的云中心。             

跨各种边缘设备的可扩展性有助于加快本地决策的速度。提供即时可靠数据的能力可以建立信心，增加客户参与度，在许多情况下，还可以挽救生命。想想所有的行业——家庭安全、航空航天、汽车、智能城市、医疗保健——在这些行业中，诊断和设备性能的直接解释至关重要。

AI edge developments

人工智能边缘开发             

亚马逊、谷歌、苹果、宝马、大众、特斯拉、空客、弗劳恩霍夫、沃达丰、道奇电信、爱立信和哈廷等创新型企业现在都在接受并对冲对人工智能的押注。这些公司中的许多公司正在组建诸如欧洲边缘计算联盟（EECC）等行业协会，以帮助教育和激励中小型和大型企业在制造业和其工业市场中推动边缘计算的采用。              

EECC计划的目标包括为边缘计算制定参考架构模型，开发参考技术堆栈（EECC边缘节点），通过评估多个场景中的方法来确定差距和推荐最佳实践，与相关倡议/标准化组织同步。

提出了边缘计算的参考体系结构模型。             

从边缘上看             

人工智能和机器学习的进步为创造智能设备提供了大量的机会，这些设备能够感知环境。对智能机器的需求将受益于多感官数据的增长，这些数据可以以更高的精度和性能进行计算。边缘计算为几乎所有行业提供了一个将人工智能数据转化为“实时”价值的机会。智能边缘是人工智能技术发展和成功的下一个阶段。