什么是邊緣 AI？

   邊緣AI是AI應(yīng)用程序在整個現(xiàn)實世界的設(shè)備中的部署,之所以稱其為“邊緣AI”，是因為該AI計算是在位于網(wǎng)絡(luò)邊緣的用戶附近完成的，靠近數(shù)據(jù)所在的位置，而不是集中在云計算設(shè)施或私人數(shù)據(jù)中心之中。

一、什么是邊緣 AI

  邊緣人工智能 (AI) 是邊緣計算的延伸，支持在端點設(shè)備上處理數(shù)據(jù)和算法。

  邊緣 AI 結(jié)合了兩種新興技術(shù)：邊緣計算和人工智能 (AI)。但是邊緣計算的實現(xiàn)基于同一基本前提，即在本地而非遠(yuǎn)程數(shù)據(jù)中心生成、收集、存儲、處理和管理數(shù)據(jù)，而邊緣 AI 將這個概念完善到設(shè)備級，使用機(jī)器學(xué)習(xí) (ML)模仿人類推理，到達(dá)用戶交互點，例如計算機(jī)、邊緣服務(wù)器或物聯(lián)網(wǎng) (IoT) 設(shè)備。通常，這些設(shè)備無需互聯(lián)網(wǎng)連接也可以運行并獨立做出決策。

  廣為人知的邊緣 AI 技術(shù)示例有虛擬助手，例如 Google Assistant、Apple 的 Siri 或 Amazon Alexa。用戶說“嘿”，這些工具就會識別和學(xué)習(xí)用戶所說的話（即機(jī)器學(xué)習(xí)），與基于云的應(yīng)用編程接口 (API) 交互，并將所學(xué)的知識存儲在本地。

  智能家電、智能手機(jī)和可穿戴設(shè)備都是最常見的邊緣 AI 設(shè)備；消費級較低的產(chǎn)品，例如自動駕駛汽車、無人機(jī)、機(jī)器人和支持某種形式的視頻分析的監(jiān)控攝像頭也屬于邊緣 AI 設(shè)備。在每個示例中，設(shè)備會捕獲數(shù)據(jù)，用于做出實時或近實時決策。以自動駕駛汽車為例，它使用視覺數(shù)據(jù)和其他類型的傳感器以及云計算，確定道路狀況，快速做出決策。道路狀況包括同一時間點的附近車輛和無生命的物體、行人和惡劣的天氣條件。

  總體而言，邊緣AI在不久的將來發(fā)展?jié)摿薮蟆Ｐ袠I(yè)研究數(shù)據(jù)預(yù)計，全球邊緣計算市場規(guī)模到 2028 年將達(dá)到 611.4 億美元。

二、邊緣 AI的優(yōu)勢

1、更低的延遲

  與將數(shù)據(jù)發(fā)送到遠(yuǎn)程數(shù)據(jù)中心或云端進(jìn)行處理的其他數(shù)據(jù)處理形式相比，邊緣 AI 更靈活敏捷，可提供比傳統(tǒng)形式的云計算速度更快、延遲更低的本地處理。由于不存在帶寬和數(shù)據(jù)傳輸方面的諸多限制，因此可快速響應(yīng)，從而改善用戶體驗 (UX)，對于速度要求很高的可穿戴設(shè)備和移動技術(shù)更是如此。在幾秒內(nèi)（甚至更短）找到有用的答案、形成洞見和快速完成交互的能力可以贏得客戶的青睞和其他競爭優(yōu)勢。 

2、降低的成本

  安裝預(yù)載算法的設(shè)備可減少對復(fù)雜的聯(lián)網(wǎng)基礎(chǔ)設(shè)施的需求，而這些基礎(chǔ)設(shè)施的搭建和部署成本高昂、費時費力。而且，由于無需時刻都產(chǎn)生大量數(shù)據(jù)流，數(shù)據(jù)通信的成本也會降低。另外，邊緣 AI 自主性讓數(shù)據(jù)科學(xué)家不必時刻監(jiān)控數(shù)據(jù)。在確定產(chǎn)生的數(shù)據(jù)和創(chuàng)新成果的最終價值時，人類的解讀始終是關(guān)鍵因素，而邊緣 AI 平臺可以接管其中的部分職責(zé)，從而降低公司的成本。

  邊緣基礎(chǔ)設(shè)施的成本降低后，這種技術(shù)的準(zhǔn)入門檻也會更低，進(jìn)而促進(jìn)技術(shù)的多元發(fā)展。消除了依賴于互聯(lián)網(wǎng)的多重先決條件后，邊緣 AI 可以在網(wǎng)絡(luò)覆蓋極小甚至沒有的區(qū)域運行。

3、增強(qiáng)的安全性

  借助邊緣 AI，數(shù)據(jù)不必再通過云或遠(yuǎn)程服務(wù)器傳輸和分享；所有處理和存儲都在本地進(jìn)行，安全性和私密性都有所提高。對于需要嚴(yán)格遵照健康信息攜帶和責(zé)任法案等法規(guī)或合規(guī)性法律的特定工作負(fù)載，這種附加保護(hù)的價值無法估量，甚至對業(yè)務(wù)是關(guān)鍵性的。

三、邊緣 AI 的原理

  邊緣 AI 基于標(biāo)準(zhǔn) ML 架構(gòu)的原理，在這種架構(gòu)中，AI算法用于根據(jù)特定因素處理數(shù)據(jù)并生成響應(yīng)。在過去，這涉及到通過基于云的 API 將數(shù)據(jù)發(fā)送到集中式數(shù)據(jù)中心，在其中分析數(shù)據(jù)以獲得洞見。通常，傳輸?shù)臄?shù)據(jù)容量有限，這使照片和視頻等高清內(nèi)容的處理困難重重。

  但 IoT 和智能設(shè)備的興起實現(xiàn)了去中心化，數(shù)據(jù)分析可在其中進(jìn)行。如今，端點設(shè)備內(nèi)置微處理器，可以收集、解讀數(shù)據(jù)并根據(jù)其預(yù)期編程實時做出決策，而不受數(shù)據(jù)穩(wěn)健性的影響。

  由于互聯(lián)網(wǎng)能夠覆蓋全球范圍，因此網(wǎng)絡(luò)邊緣可以表示任何位置。它可以是我們周圍的零售商店、工廠、醫(yī)院或設(shè)備（例如交通燈、自主機(jī)器和手機(jī)）。