AI技術(shù)對邊緣計算有何影響？

在邊緣和極端邊緣之間，以及在無線電接入網(wǎng)中出現(xiàn)的層次結(jié)構(gòu)——這一切是如何發(fā)生的將是一個有趣的現(xiàn)象。Synopsys的設(shè)計軟件IP產(chǎn)品營銷經(jīng)理Ron Lowman，最近發(fā)布了一份技術(shù)簡報，提供了一些關(guān)于移動計算和AI接近邊緣的動機(jī)，以及這些變化如何影響IP選擇和系統(tǒng)架構(gòu)的見解。

無線電接入網(wǎng)絡(luò)中的層次結(jié)構(gòu)

到目前為止，基本原理已經(jīng)很好地理解。從數(shù)十億或數(shù)萬億的邊緣設(shè)備中傳輸zettabytes的數(shù)據(jù)到云端是不可能的——因為在功率和帶寬方面太過昂貴。所以我們開始把計算移到更靠近邊緣的地方。這樣，本地處理更多的數(shù)據(jù)，只需要較短的跳躍。Ron引用了Rutgers/Inria在增強(qiáng)現(xiàn)實（AR）應(yīng)用中使用微軟HoloLens的一項研究。它的任務(wù)是進(jìn)行二維碼識別、場景分割、定位和繪制地圖。在每種情況下，HoloLens首先連接到邊緣服務(wù)器。在一個實驗中，人工智能功能被轉(zhuǎn)移到云服務(wù)器上。在第二個實驗中，在邊緣服務(wù)器上執(zhí)行這些操作。第一種情況下的總往返延遲為80-100ms或更多。在第二種情況下，只有2-10ms。

這并不奇怪，但其中的含義很重要。云延遲很容易引起AR用戶的暈動病。在其他應(yīng)用中，這可能是一個安全問題。邊緣計算的往返延遲問題要小得多。Ron補(bǔ)充說，5G提供的用例可以將延遲降低到1ms以下。使基于邊緣的計算沒有競爭的理由。對于延遲不敏感的應(yīng)用程序來說，使用云是可以的（只要你不介意傳輸過程中的成本開銷和隱私問題。）對于任何實時應(yīng)用程序，計算和人工智能必須靠近應(yīng)用程序。

從云到邊緣的架構(gòu)

Ron接著談到了邊緣計算的三種不同架構(gòu)。他把邊緣看作是云以外的任何東西，它利用了來自多個來源的使用模型和架構(gòu)。最上面的是區(qū)域性數(shù)據(jù)中心，更多的是本地數(shù)據(jù)中心（可能在工廠或農(nóng)場），以及聚合/網(wǎng)關(guān)。每個都具有自己的性能和功率配置文件。

而區(qū)域數(shù)據(jù)中心是縮小了的云，具有相同的功能，但的容量和功率需求較低。對于本地服務(wù)器，他舉了一個Chick-Fil-A的例子，他們在快餐店有這樣的服務(wù)器，來收集和處理數(shù)據(jù)，以優(yōu)化當(dāng)?shù)貜N房的運營。

不過快餐店里的聚合器/網(wǎng)關(guān)的功能相當(dāng)有限。在這個架構(gòu)中，有一些更高層次的步驟;這種層次結(jié)構(gòu)進(jìn)一步發(fā)展，一直延伸到邊緣設(shè)備，甚至是電池驅(qū)動設(shè)備。據(jù)了解，在遙控器中，語音激活和觸發(fā)單詞識別是在遙控器內(nèi)部進(jìn)行。而且網(wǎng)關(guān)可能會做一些更繁重的工作（例如命令識別）。

最后，他討論了對SoC架構(gòu)的影響，以及進(jìn)入服務(wù)器SoCs和AI加速器的IP。本人同意他的觀點，即x86向量神經(jīng)網(wǎng)絡(luò)擴(kuò)展可能不會產(chǎn)生太大影響。畢竟，英特爾開發(fā)Nervana（現(xiàn)在是Habana）是有原因的。更普遍的是，AI加速器架構(gòu)正在爆炸。支持垂直應(yīng)用，從極限邊緣到5G基礎(chǔ)設(shè)施再到云。AI正在每一種形式的邊緣和非邊緣計算在尋找它的位置。
責(zé)任編輯：tzh