原標(biāo)題：AI盲杖觸動的邊緣智能未來

經(jīng)常網(wǎng)上沖浪的朋友想必知道，最近不少城市的公共交通，都開始逐步接納導(dǎo)盲犬。

一組流傳很廣的數(shù)據(jù)是，截至2017年，國內(nèi)導(dǎo)盲犬的數(shù)量僅為116只，比大熊貓還稀少，而需要導(dǎo)盲犬服務(wù)的盲人卻多達(dá)800萬左右。

選育、培訓(xùn)、實習(xí)、上崗等一系列的高難度與高成本，決定了導(dǎo)盲犬是盲人出行方式的“奢侈品”。每一只導(dǎo)盲犬需要耗費(fèi)12萬到15萬元的資金，壽命也只有十幾年，即使有幸排到一只，當(dāng)它退役之后，視障者又該如何外出，這恐怕是在熱搜淡去之后，依然值得一個文明社會去持續(xù)思索、不斷完善的話題。

最近，土耳其的一位盲人Kür?at Ceylan，基于Arm的最新處理器和NPU，打造出的AI盲杖，或許能夠為更多視障者打開一扇窗，就引起了我們的注意。

那么，AI想要長久且安全地幫助視障者融入公共生活，背后都需要哪些技術(shù)條件呢？

AI盲杖：想要媲美導(dǎo)盲犬，還是挺難的

AI+盲杖，能否幫助盲人順利出行，我們不妨以導(dǎo)盲犬的幾個重要工作能力來推測一下。

首先，導(dǎo)盲犬需要準(zhǔn)確識別障礙物。

既包括了躲避路上的大坑、汽車、行人、欄桿等等，還要識別紅綠燈等關(guān)鍵路況信息，以達(dá)到讓盲人順利出行的目的。而熟悉AI的朋友肯定知道，基于機(jī)器視覺+攝像頭+感測器，檢測到環(huán)境障礙并不難。所以在AI盲杖中，Kür?at Ceylan就將地圖導(dǎo)航、障礙物檢測算法、LED警示燈、麥克風(fēng)等植入到了傳統(tǒng)的導(dǎo)盲杖中，通過超聲波檢測器，可以順利感應(yīng)到160cm高的障礙物。

同時，導(dǎo)盲犬還需要引領(lǐng)盲人安全地躲避開障礙。

正在執(zhí)行任務(wù)的導(dǎo)盲犬，會身穿帶著拉桿的小背心，引導(dǎo)主人適當(dāng)?shù)匦凶呋蛲Ｖ?。而且，?dǎo)盲犬還會自己依據(jù)實時信息作出判斷，有時甚至?xí)爸切赃`抗”，當(dāng)發(fā)現(xiàn)前進(jìn)的命令是不安全的，就算主人要求繼續(xù)走，它們也會拒絕服從。

而盲杖則不同，主動權(quán)完全掌握在盲人自己手中，即使語音助手+AI推理芯片能夠進(jìn)行自主的安全警示，這雙“眼睛”很難限制主人的活動，自然也就到來了一定的安全風(fēng)險。而萬一由于設(shè)備技術(shù)原因，導(dǎo)致人身危險，由此產(chǎn)生的一系列責(zé)任劃分與倫理問題，目前整個社會也并沒有相應(yīng)的預(yù)案及準(zhǔn)備。

重要的是，導(dǎo)盲犬還需要融入盲人的生活。

在與主人共同生活一段時間后，導(dǎo)盲犬會對主人的規(guī)律性作息時間非常熟悉。比如記住他的上下班路線、行為習(xí)慣、常去的超市和交流的朋友等等。這種個性化的記憶能力，AI通過神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)，也可以達(dá)到。

但需要注意的是，機(jī)器學(xué)習(xí)訓(xùn)練往往需要消耗大量的算力，這就決定了AI盲杖的算法只能通過將數(shù)據(jù)上傳到云端來完成，一通操作必然會出現(xiàn)時間上的延遲與信息隱私的安全隱患。

至于導(dǎo)盲犬能與主人建立特殊的情感聯(lián)系與信任，幫助其擴(kuò)展社交活動圈子等等，AI盲杖在超人工智能實現(xiàn)以前，顯然都無法與之相提并論。

總體看來，AI盲杖在視聽層面已經(jīng)能夠完成導(dǎo)航避障這樣的功能，但在判斷推理、情感層面依然無法跟導(dǎo)盲犬媲美。在有限范圍、相對安全的環(huán)境下（比如辦公樓等）使用，可能是AI盲杖發(fā)揮價值的初期場景。

由此，我們也需要來思索一個新的問題——號稱能搶救AIoT的邊緣智能，為什么并沒有如期變革我們的生活？

尋路霧計算：邊緣智能的落地難題

邊緣計算從提出以來，就被看做是5G+AI+云計算的絕佳輔助。如果說云計算是萬物智聯(lián)的“終極大腦”，那么邊緣計算就是龐大的“神經(jīng)末梢”，承擔(dān)著諸多“下意識”的反應(yīng)。

比如AI導(dǎo)盲杖，就是一個邊緣計算應(yīng)用的絕佳場景。導(dǎo)盲杖要實現(xiàn)實時交互與判斷，像是看到紅綠燈變綠，自動能夠判斷出“可以通行”。不必將路燈信息上傳到云端，經(jīng)過云服務(wù)器的層層判斷才發(fā)出行走的提醒。這無疑大大減少了延遲帶來的行進(jìn)風(fēng)險，也降低了云端計算的超負(fù)荷。

但讓“云腦”偷懶的邊緣計算，也能夠幫助產(chǎn)業(yè)解決AIoT泛智能化過程中的三重矛盾：

一是算力與成本的矛盾。

要滿足終端AI推理運(yùn)算的實時、可用性需求，需要在本地處理大量的數(shù)據(jù)。要么是在終端本身部署高性能的AI芯片，從成本控制上來看顯然并不現(xiàn)實；要么就是在實體場景中部署足夠多的邊緣AI。

當(dāng)然，要滿足AIoT海量物聯(lián)的計算需求，就需要改造網(wǎng)絡(luò)管道，比如5G邊緣數(shù)據(jù)中心的建立，以及高性能算法的訓(xùn)練，還需要爭奪NPU、GPU等計算資源，這些都不是一朝一夕能夠解決的。

二是即時與功耗的矛盾。

對于導(dǎo)盲杖這樣的設(shè)備來說，不僅要保證實時性，還需要處理物體檢測、語音識別、手勢監(jiān)測，甚至人臉識別等復(fù)雜AI任務(wù)，加上感測處理的范圍較大，直接導(dǎo)致功耗比較高。電池續(xù)航僅有5小時，換句話說，盲人早上出門，晚上沒電可能就返程困難了。

而邊緣計算能夠?qū)嫶蟮臄?shù)據(jù)流量在終端進(jìn)行過濾分析，減少了從設(shè)備到云端的傳輸路徑，自然也就改善了耗電問題。

三是便捷與安全的矛盾。

誰都知道物聯(lián)網(wǎng)互相協(xié)作能夠大大提升生活的便攜指數(shù)，但在這個智能門鎖、攝像頭等頻頻被黑客選中的時代，數(shù)據(jù)很容易被別有用心的人利用。許多企業(yè)甚至要求必須將AI部署在自家的私有云上，由此也限制了許多前沿技術(shù)的應(yīng)用，增大了運(yùn)維難度。

邊緣計算的解決方式，就是將數(shù)據(jù)的處理和存儲都放在本地，這樣既能夠保護(hù)隱私安全，又能夠?qū)崿F(xiàn)高效實時的交互與迭代。尤其是導(dǎo)盲杖、心臟起搏器、智能手表等承載著用戶生命健康信息的IoT產(chǎn)品，其大規(guī)模應(yīng)用的前提就不離開邊緣計算的廣泛普及。

從這個角度來看，AI導(dǎo)盲杖只是AIoT創(chuàng)新的一個案例。據(jù)IDC的預(yù)測， 2025年物聯(lián)網(wǎng)連接數(shù)將增長至270億個，物聯(lián)網(wǎng)設(shè)備數(shù)量將達(dá)到1000億臺?？梢韵胍姡S著未來云和端之間的邊緣計算體系不斷成熟，將有越來越多的創(chuàng)新創(chuàng)造被挖掘出來，輔助殘障人士正常生活，幫助城市防微杜漸，為千行百業(yè)注入AI的洪荒之力。

邊緣智能的未來，還需要靜候天時

邊緣智能的全面開花，自然也會孕育出龐大的產(chǎn)業(yè)富礦和商業(yè)新機(jī)。大家想必都已經(jīng)摩拳擦掌想要奮力一搏。

不過需要注意的是，邊緣智能雖然是大勢所趨，卻也有著生長的節(jié)奏與天時，盲目入場可能會收獲一場空。

目前看來，邊緣智能還需要等待產(chǎn)業(yè)環(huán)境的全面成熟：

一是基礎(chǔ)設(shè)施的完善。

作為云廠商們看好的未來趨勢，邊緣計算的軟硬件基本到位，比如ARM發(fā)布了面向人工智能應(yīng)用的 DynamIQ技術(shù)及相關(guān)處理器，旨在搭建從網(wǎng)絡(luò)節(jié)點到云端的的分布式智能；NVIDIA推出的開發(fā)板Jetson TX2，也可在終端設(shè)備上更好地運(yùn)行深度學(xué)功能。

但這還不夠，邊緣計算與5G智能網(wǎng)絡(luò)，恐怕才是真正如膠似漆的“原配”。

一方面，目前4G網(wǎng)絡(luò)建設(shè)一般以中心化的核心網(wǎng)為主，通常難以實現(xiàn)本地分流（Local-Breakout），這就導(dǎo)致數(shù)據(jù)必須經(jīng)過非常長的物理距離才能到達(dá)應(yīng)用側(cè)。換句話說，在4G網(wǎng)絡(luò)之上架設(shè)邊緣智能，低時延要求就無法保障了。

另外，邊緣計算并不僅僅是簡單的分派計算任務(wù)，合理地利用本地空閑、將任務(wù)分配給不同的額計算節(jié)點，這些都需要智能化的網(wǎng)絡(luò)來排兵布陣，實現(xiàn)負(fù)載均衡，從而保證每一個邊緣節(jié)點的高效利用。而這一點，5G智能化網(wǎng)絡(luò)也更加可靠。

而5G建設(shè)的腳步受疫情、供應(yīng)鏈等影響，將比預(yù)期延緩，這也就進(jìn)一步延緩了邊緣計算節(jié)點（如探頭、處理設(shè)備、數(shù)據(jù)中心等）的迭代升級。

二是產(chǎn)業(yè)應(yīng)用的聯(lián)動。

既然是AIoT，自然需要多個邊緣節(jié)點來協(xié)同合作，通過技術(shù)的整合來發(fā)揮AI的最大值。

舉個例子，比如盲人在使用AI導(dǎo)盲杖出行時，電線桿、飛馳的車輛、垃圾箱、紅綠燈等等多個節(jié)點，都將實時數(shù)據(jù)共享給邊緣節(jié)點。AI導(dǎo)盲杖依據(jù)這些數(shù)據(jù)來做出精準(zhǔn)的避障判斷，會不會比視覺識別的解決方案更加高效可行？

而其他節(jié)點也可以通過數(shù)據(jù)共享，訓(xùn)練并掌握出行大數(shù)據(jù)，來整體優(yōu)化并影響城市的交通管理。

而這種邊緣協(xié)作的應(yīng)用聯(lián)動，目前還處于理想之中。更為現(xiàn)實的方案是，通過智慧園區(qū)、智慧樓宇、智慧城市等的片狀更新，不斷積累和訓(xùn)練相關(guān)模型，最后將工業(yè)級邊緣智能與消費(fèi)級物聯(lián)網(wǎng)融合在一起，形成無處不在的萬物智能，讓AI隨時隨地可被召喚。

三是開發(fā)生態(tài)的培育。

無規(guī)矩不成方圓，全面智能物聯(lián)的未來，自然也需要統(tǒng)一的標(biāo)準(zhǔn)和規(guī)范。但盡管不少云廠商都交付了很多邊緣計算工具。但時至今日，我們并沒有看到開發(fā)者的創(chuàng)意和腦洞在AIoT領(lǐng)域爆發(fā)。

比如2018年7月，谷歌推出的兩款大規(guī)模開發(fā)和部署智能連接設(shè)備的產(chǎn)品：Edge TPU和Cloud IoT Edge；亞馬遜也早在2016年的re：Invent開發(fā)者大會上，決定將AWS擴(kuò)展到間歇性連接的邊緣設(shè)備。微軟的Azure IoT Edge，也允許云工作負(fù)載集裝箱化，可以從Raspberry Pi到工業(yè)網(wǎng)關(guān)的智能設(shè)備上本地運(yùn)行。

除了傳統(tǒng)硬件廠商在更新迭代之外，很少有類似AI導(dǎo)盲杖這樣顛覆傳統(tǒng)功能的創(chuàng)新出現(xiàn)。

其中最核心的原因，是開發(fā)門檻依然過高。除了軟件使用的技術(shù)門檻，以及訓(xùn)練機(jī)器模型的成本之外，缺乏軟硬件一體化的系統(tǒng)，和統(tǒng)一可靠的行業(yè)標(biāo)準(zhǔn)，這些都要求開發(fā)者在創(chuàng)新時，注重跨平臺兼容、異構(gòu)數(shù)據(jù)的處理、不同技術(shù)和生態(tài)的融合等等，無疑過度消耗了精力時間，讓不少開發(fā)者望而卻步，也就限制了更多創(chuàng)意的出現(xiàn)。

從現(xiàn)在開始培養(yǎng)開發(fā)者生態(tài)，或許會成為云廠商在未來引領(lǐng)產(chǎn)業(yè)標(biāo)準(zhǔn)、結(jié)束混亂局面、拉開競爭身位的關(guān)鍵。

科技行業(yè)的鐵律，是技術(shù)服務(wù)于應(yīng)用，而新的應(yīng)用造就新的市場主宰者。4G之于移動互聯(lián)網(wǎng)，AI之于數(shù)字產(chǎn)業(yè)，莫不如是。

如果說智能社會還是一片溝壑縱橫、氣象萬千的原始叢林，神秘，卻也有著無數(shù)寶藏可待挖掘。那么邊緣計算，或許就是那根通向未來的“導(dǎo)盲杖”。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。