邊緣AI將成物聯(lián)網(wǎng)新的價(jià)值增長(zhǎng)點(diǎn)?

阿法爾智匯科技
目前,邊緣物聯(lián)網(wǎng)架構(gòu)已經(jīng)有了案例試點(diǎn),用戶可以在此架構(gòu)基礎(chǔ)上構(gòu)建AI和分析應(yīng)用,但這些應(yīng)用不可能在云端高效且低成本的進(jìn)行使用和分析。所以為了在云和邊緣AI之間取得平衡,必須要考慮到數(shù)據(jù)量的規(guī)模性,而這正是基于邊緣的人工智能處理器在數(shù)據(jù)發(fā)到其他地方之前進(jìn)行本地處理的意義所在。

2345截圖20170601094617.png

人工智能與物聯(lián)網(wǎng)在各自經(jīng)歷過(guò)爆發(fā)式熱潮后,逐步進(jìn)入了快速發(fā)展的賽道,而隨著5G技術(shù)的成熟與普及,人工智能與物聯(lián)網(wǎng)深度融合的趨勢(shì)更加明顯,而作融合領(lǐng)域里新潮概念的邊緣計(jì)算,一直受到業(yè)內(nèi)人士的關(guān)注。

5G網(wǎng)絡(luò)提供了更大的信元密度、更高的數(shù)據(jù)速度和更低的網(wǎng)絡(luò)延遲。在5G網(wǎng)絡(luò)中,更多的處理被推到邊緣端,這讓低延遲應(yīng)用得以實(shí)現(xiàn)。此外,5G站點(diǎn)的密集化為用戶提供了更大的網(wǎng)絡(luò)容量、更多的數(shù)據(jù)帶寬和更高的移動(dòng)數(shù)據(jù)速度。這種網(wǎng)絡(luò)致密化將使實(shí)時(shí)決策的先進(jìn)分析成為可能。

邊緣計(jì)算雖然存在一定的技術(shù)難題,但不可否認(rèn)的是,邊緣計(jì)算的模式確實(shí)為IT架構(gòu)師和嵌入式開(kāi)發(fā)人員提供了更多的選擇,那么,邊緣計(jì)算演變出得邊緣AI技術(shù),會(huì)成為智能物聯(lián)網(wǎng)新的價(jià)值增長(zhǎng)點(diǎn)嗎?

邊緣AI的意義

基于云端的物聯(lián)網(wǎng)分析目前仍居主導(dǎo)地位。但數(shù)據(jù)的遠(yuǎn)距離傳輸必然帶來(lái)處理延遲,因?yàn)閷?shù)據(jù)移入和移出云端會(huì)因?yàn)橥禃r(shí)間產(chǎn)生滯后。

2345截圖20170601094617.png

通過(guò)硬件升級(jí)來(lái)進(jìn)一步提升傳輸速度是不現(xiàn)實(shí)的,一來(lái)成本太高;二來(lái)鋪設(shè)費(fèi)時(shí),因此,數(shù)據(jù)處理重心往邊緣網(wǎng)絡(luò)發(fā)展的概念成為了解決問(wèn)題的優(yōu)選,除了設(shè)備和板級(jí)實(shí)施之外,此層次結(jié)構(gòu)還包括制造中的IoT網(wǎng)關(guān)和數(shù)據(jù)中心,這些擴(kuò)展了可用于下一代IoT系統(tǒng)開(kāi)發(fā)的架構(gòu)選項(xiàng)。

目前,邊緣物聯(lián)網(wǎng)架構(gòu)已經(jīng)有了案例試點(diǎn),用戶可以在此架構(gòu)基礎(chǔ)上構(gòu)建AI和分析應(yīng)用,但這些應(yīng)用不可能在云端高效且低成本的進(jìn)行使用和分析。所以為了在云和邊緣AI之間取得平衡,必須要考慮到數(shù)據(jù)量的規(guī)模性,而這正是基于邊緣的人工智能處理器在數(shù)據(jù)發(fā)到其他地方之前進(jìn)行本地處理的意義所在。

AIoT新價(jià)值

AIoT終端場(chǎng)景應(yīng)用對(duì)人工智能和機(jī)器學(xué)習(xí)的需求程度已逐漸超越云數(shù)據(jù)庫(kù),因?yàn)閷?duì)重要物聯(lián)網(wǎng)傳感器數(shù)據(jù)的處理越來(lái)越接近數(shù)據(jù)最初所在的位置。而這些數(shù)據(jù)將由新一代人工智能(AI)芯片處理分析,其中包括比GPU、FPGA和其他專門的IC類型更窄的內(nèi)存和功耗要求更低的嵌入式微控制器,以及其他特定IC類型控制器。

2345截圖20170601094617.png

邊緣分析的變革潛力幾乎是無(wú)限的。5G網(wǎng)絡(luò)的速度加上本地處理可以轉(zhuǎn)移到網(wǎng)絡(luò)邊緣,設(shè)備或邊緣網(wǎng)絡(luò)的自主決策和認(rèn)知智能降低了處理和決策延遲。隨著5G的發(fā)展,更多的信息將被收集和處理,邊緣分析產(chǎn)生的見(jiàn)解將越來(lái)越多地驅(qū)動(dòng)決策,實(shí)現(xiàn)認(rèn)知智能應(yīng)用。

在邊緣網(wǎng)絡(luò)中,采用多層神經(jīng)網(wǎng)絡(luò)和無(wú)監(jiān)督學(xué)習(xí)來(lái)識(shí)別圖像的機(jī)器視覺(jué)技術(shù)已成為AI的重要應(yīng)用案例,位于最靠近數(shù)據(jù)采集處的終端設(shè)備通過(guò)嵌入式硬件為深度學(xué)習(xí)增加了處理能力;即使物聯(lián)網(wǎng)本身具有一定的局限性,但是借助人工智能和機(jī)器學(xué)習(xí)、深度學(xué)習(xí),智能物聯(lián)網(wǎng)將會(huì)被普及并且被賦予更高的價(jià)值。

THEEND

最新評(píng)論(評(píng)論僅代表用戶觀點(diǎn))

更多
暫無(wú)評(píng)論