基于云計算的人工智能系統的平均推理速度大約為1.5秒。智能邊緣可以將其速度降低到1～15毫秒。延遲大幅減少將使得許多未來的技術應用(例如自動駕駛汽車)成為可能。
云計算技術掀起了巨大的應用熱潮，幾乎所有了解數字優先業務戰略重要性的組織都在采用云計算技術。政府機構和公共部門都在利用云計算技術開展業務。輕松訪問數據、強大的分析工具以及改進的業務敏捷性，使組織能夠比以往做出更明智的決策。
在未來的幾年中，邊緣計算的應用將急劇上升。邊緣計算和人工智能技術的結合已經催生出全新的功能。在探索這些技術的發展潛力之前，首先要了解它們。
什么是邊緣計算和智能邊緣
在云計算應用中，數據從各種端點設備收集并發送到集中的云計算服務器，并在那里存儲和分析數據。然后，由基于云計算的工具生成的見解或響應被發送到端點設備。
邊緣計算將計算資源帶到端點設備，從而可以分析數據收集點或附近傳入的數據。
智能邊緣正在將人工智能技術應用于邊緣計算設備，以近實時地收集、分析和響應數據。智能邊緣技術的主要目標是在端點或最終用戶進行交互時使瞬間決策成為現實。
智能邊緣在現實世界中的應用
根據IDC公司的預測，到2025年，全球采用物聯網的設備將達到557億個，這些設備將會產生73.1 ZB的數據。隨著消費者和企業都將繼續依賴智能設備來完成從通信到物理安全的各種工作，他們將需要并要求更快的計算速度。智能邊緣具有獨特的功能，可以滿足這一需求。
以下是智能邊緣發揮關鍵作用的一些用例：
·自動駕駛汽車
新一代自動駕駛汽車實時收集環境數據(道路狀況、車輛位置、道路標志)和其他數據，并將其無線發送到云計算服務器，從那里接收駕駛指令。眾所周知，云計算的人工智能推理速度平均為1.5秒。
對于以60英里/小時速度行駛的車輛來說，對指令響應有1.5秒的滯后相當于132英尺的行駛距離。這是4G技術固有的網絡延遲，5G技術正在解決這些挑戰。
智能邊緣將這一決策過程簡化為瞬間的行動，從而使自動駕駛汽車能夠做出近乎實時的決策。
·患者監護
患者通常采用彼此不共享數據的大量醫療設備進行監護。有些醫院收集所有數據并將其存儲在第三方云計算服務器上，并在那里進行分析。這帶來了一些隱私和安全問題。更不用說存儲大量數據所消耗的資源。
智能邊緣在收集點(監視設備)分析患者數據，并為員工提供實時見解和警報，以便采取行動。
·智能家居
從冰箱到打印機再到安全系統，幾乎人們在家里使用的每一臺設備都連接到互聯網。智能邊緣使這些物聯網設備具備計算能力，可以向人們提供更快的信息。更重要的是，他們收集的敏感數據不能存儲在遠程服務器上，因為這些服務器會帶來一系列隱私和安全問題。
基于語音的助理(例如Google Home和Amazon Alexa)是運行中的智能邊緣的一種出色示例。
·預測性維護和改進
制造商一直希望能夠在不影響生產的情況下檢測出潛在的故障并進行修復。邊緣計算通過使用一系列監視傳感器來實現這一目的，這些傳感器可以實時分析機器的運行狀況數據，并就潛在問題向相關人員發出警報。
智能邊緣甚至可以使實時操作優化成為現實。當前對運營數據進行集中分析，并定期推出生產改進措施。借助智能邊緣，制造商將能夠實時發現效率低下的問題，并在其生產線中迅速進行改進。
還有許多其他應用程序，例如預測性維護、面部識別、遠程手術等，其中低延遲的智能邊緣可以改變游戲規則。
智能邊緣生態系統的組成部分
智能邊緣的實際應用程序是多種多樣的、復雜的，并且具有潛在的普及性。以下是支持智能邊緣生態系統的各種組件的簡要概述：
·邊緣計算
邊緣計算分散了計算資源，并使它們更靠近端點設備。邊緣計算的一些出色示例包括P2P計算、區塊鏈、內容交付網絡、網格計算等。所有這些示例都有一個共同點——它們將來自多個不同設備的計算資源集中起來，而無需集中協調。
邊緣計算提供了一些好處，例如增強的端點安全性、低延遲、降低了數據傳輸帶寬的成本，以及設備功能對網絡中斷的恢復能力。
·邊緣人工智能
多年以來，數據科學家一直將人工智能視為一種軟件挑戰。傳統上，它們是托管在云計算服務器上的，因此物理硬件從未引起過他們的關注。邊緣人工智能的出現已經使人工智能的發展脫穎而出。隨著將人工智能托管在端點設備上，對針對人工智能及其任務進行優化的專用芯片的需求不斷增加。
iPhone手機使用的A11仿生芯片就是一個很好的例子。其芯片每秒可以執行6000億次操作，這使iPhone X系列的實時面部識別成為可能。因此，邊緣人工智能不僅與軟件有關，還與硬件有關。
邊緣人工智能的許多優勢包括實時數據處理，通過消費級設備的改進而實現的極高可擴展性以及用于實時反饋的場景分析。
·邊緣設備
智能設備使人工智能能夠以更豐富、更深入和真實的方式“了解”周圍的世界。人工智能不再依賴于人類將結構化和格式化的數據輸入計算機，而是可以使用各種傳感器來觀察、嗅聞、品嘗、接觸、聆聽周圍的世界。
除了加速計、監控探測器、濕度傳感器、光傳感器等標準傳感器外，由人工智能驅動的邊緣設備還使用遠紅外攝像機、探地雷達和其他先進的傳感器提供前所未有的實時信息。
由人工智能提供動力的傳感器陣列使數據收集、分析、甚至操作自動化成為可能。
·邊緣數據管理
邊緣設備生成的數據量是天文數字。例如自動駕駛汽車每小時產生19TB的數據，而將這個數字乘以在不久的將來在道路上行駛的自動駕駛汽車的數量，將會產生大量的數據。目前的基礎設施無法處理從邊緣設備到云平臺的數據傳輸，這將超過網絡基礎設施的傳輸流量。
當然，大量邊緣數據將被分析并存儲在邊緣設備中。目前，只有10%的數據在分散的位置進行處理。根據Gartner公司的調查，這一數字將達到75%。與集中式數據管理相比，邊緣數據管理具有兩個顯著的優勢——降低了數據管理成本，并提供了實時反饋和響應。
·邊緣基礎設施
邊緣基礎設施不僅僅是邊緣設備。它涉及三個關鍵要素——邊緣設備、連接性以用集中式數據中心(云平臺或內部部署數據中心)。
如果計算只是發生在邊緣設備上，那么它是本地計算，而不是邊緣計算。邊緣計算涉及到核心(云平臺或內部部署服務器)的一致、低功耗連接。盡管大多數數據在最后進行了分析，但某些數據可能會被集中處理或存儲。通常情況下，這意味著邊緣設備收集的大多數數據都會被邊緣設備分析并丟棄。但是，某些關鍵數據會長期傳輸并存儲在一個集中的位置。
邊緣設備和核心設施不再是技術挑戰。然而，具有一致性的低功耗連接技術仍然是一個挑戰。目前各種可用的選項都無法支持邊緣基礎設施。藍牙技術雖然是一種低功耗的選擇，但并不一致。Wi-Fi雖然提供一致性，但范圍非常有限。盡管4G LTE具有出色的一致性，但是卻非常耗電并且帶寬低。
5G連接有望解決所有問題，并徹底改變智能邊緣。
智能邊緣：推動技術創新的燃料
數量驚人的用例正在等待智能邊緣成熟并變得廣泛可用。例如，遠程手術需要外科醫生遠程操作機器人對病人實施手術，需要觸覺反饋和接近零延遲的實時場景洞察。即使是毫秒級的延遲也會帶來災難性的后果。
同樣，許多用例需要低延遲的基礎設施，如智能交通管理、智能電網管理、人工智能驅動的建筑檢查等等。智能邊緣不僅滿足了這一需求，而且也將引發硬件和軟件開發的新革命，將對其進行優化以支持和利用智能邊緣。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號