在IoT邊緣執(zhí)行AI

你以前聽說(shuō)過(guò)——邊緣的人工智能（AI）是自切片面包以來(lái)最酷的東西，如果你不利用它，你就錯(cuò)過(guò)了這條船。無(wú)論好壞，這些說(shuō)法有很多道理。至少在工業(yè)環(huán)境中，人工智能的目標(biāo)是通過(guò)從多個(gè)點(diǎn)提取實(shí)時(shí)數(shù)據(jù)來(lái)產(chǎn)生可操作的見解，從而提高生產(chǎn)能力、提高效率并降低運(yùn)營(yíng)成本。

在幾乎任何需要實(shí)時(shí)分析的應(yīng)用程序中，邊緣的AI應(yīng)該是您的“首選”。一些業(yè)內(nèi)人士認(rèn)為，邊緣人工智能將在下一波物聯(lián)網(wǎng)連接解決方案中無(wú)處不在。目標(biāo)是提高運(yùn)營(yíng)效率，而不僅僅是為了數(shù)據(jù)。

雖然將AI引入您的系統(tǒng)對(duì)生產(chǎn)來(lái)說(shuō)可能是一個(gè)福音，但這并不是絕對(duì)的。有時(shí)在邊緣使用 AI 是有意義的，但在某些情況下，有更好的選擇。您需要確定您的 AI 應(yīng)該駐留在云中還是邊緣，然后才能采取適當(dāng)?shù)膶?shí)施步驟。

云與邊緣

傳統(tǒng)思維是，當(dāng)需要復(fù)雜的計(jì)算時(shí)，云中的人工智能更有意義，因?yàn)檫@通常是高性能計(jì)算引擎所在的位置。邊緣更多的是基于一些簡(jiǎn)單的機(jī)器學(xué)習(xí)算法的快速?zèng)Q策。

但時(shí)代在變?；谶吘壍挠?jì)算可以處理許多與AI相關(guān)的任務(wù)，這些任務(wù)以前需要僅在云中找到的計(jì)算能力。邊緣處理提供了直接的雙重優(yōu)勢(shì)：您無(wú)需通過(guò)昂貴的介質(zhì)將數(shù)據(jù)發(fā)送到云，從而降低成本，并且消除了與將數(shù)據(jù)發(fā)送到異地然后返回處理相關(guān)的時(shí)間滯后。雖然這些延遲可能看起來(lái)很小，但有時(shí)需要實(shí)時(shí)性能，如果您必須轉(zhuǎn)到云并返回，這根本不可能。

如果您需要將數(shù)據(jù)發(fā)送到云，則會(huì)出現(xiàn)延遲。您是否能承受這種時(shí)間滯后取決于您的應(yīng)用程序。

將從 AI 注入的邊緣計(jì)算中受益的應(yīng)用示例包括醫(yī)療設(shè)備、制造系統(tǒng)和車輛。醫(yī)療設(shè)備特別需要邊緣智能，例如，在手術(shù)室中，需要及時(shí)處理數(shù)據(jù)，以便為醫(yī)生提供特定信息。

邊緣人工智能可能有益的另一個(gè)潛在領(lǐng)域是機(jī)器視覺(jué)，它結(jié)合了攝像頭和視覺(jué)分析。例如，可以在配送設(shè)施中放置攝像頭，以監(jiān)控和管理在卡車和托盤之間移動(dòng)的貨物。使用當(dāng)前的技術(shù)，這種交互可以近乎實(shí)時(shí)地發(fā)生。

從硬件的角度來(lái)看，當(dāng)今基于邊緣的AI設(shè)備越來(lái)越能夠支持運(yùn)行這些AI算法所需的功率和容量要求。它甚至延伸到邊緣傳感器本身，現(xiàn)在在微小的占地面積內(nèi)集成了重要的內(nèi)存和處理能力?；谶吘壍娜斯ぶ悄艿囊粋€(gè)明顯好處是它帶來(lái)了更高的安全性，因?yàn)閿?shù)據(jù)不需要通過(guò)互聯(lián)網(wǎng)傳遞。

當(dāng)您添加分析組件時(shí)，軟件組件將發(fā)揮作用，這是基于邊緣的 AI 的關(guān)鍵。OpenFog Consortium和EdgeX Foundry等組織的成員提供了有助于基于邊緣的分析的工具。EdgeX Foundry的大量代碼可以直接在GitHub上找到。

OpenFog生態(tài)系統(tǒng)合作伙伴包括微軟，微軟認(rèn)為，其新的操作系統(tǒng)和中間件增加了邊緣的簡(jiǎn)單性、安全性和安全性，同時(shí)將代碼的大小保持在最低限度，適合較小的電池供電設(shè)備。微軟聲稱它現(xiàn)在可以“無(wú)縫連接到Azure并啟用新的智能功能”。

最重要的是，邊緣的人工智能很可能在你的未來(lái)。安富利可以一步滿足您在邊緣 AI 方面的所有物聯(lián)網(wǎng)需求。

審核編輯：郭婷