智慧如雨后春筍般涌現(xiàn)，如今我們很難會(huì)找到一家沒(méi)有使用新的生成式人工智能(gen-AI)和機(jī)器學(xué)習(xí)(ML)，來(lái)擴(kuò)展其核心平臺(tái)企業(yè)技術(shù)供應(yīng)商，生成式人工智能及其使用大型語(yǔ)言模型(LLM)、創(chuàng)建矢量數(shù)據(jù)庫(kù)等可靠的新技術(shù)趨勢(shì)，正在悄然影響著在這十年剩余時(shí)間里構(gòu)建人工智能的方式。

邊緣等于物聯(lián)網(wǎng)

當(dāng)我們談?wù)撚?jì)算邊緣時(shí)，我們通常指的是存在于物聯(lián)網(wǎng)(IoT)領(lǐng)域的計(jì)算設(shè)備。從遠(yuǎn)程智能城市和工業(yè)設(shè)備傳感器、攝像頭、加速度計(jì)和陀螺儀測(cè)量設(shè)備，再到機(jī)場(chǎng)自助值機(jī)終端登記計(jì)算機(jī)、銷(xiāo)售點(diǎn)設(shè)備，以及具有網(wǎng)絡(luò)和數(shù)據(jù)庫(kù)連接或存儲(chǔ)能力的所有設(shè)備。并處理信息以供以后檢索和分析，或兩者兼而有之。

對(duì)于語(yǔ)言和技術(shù)純粹主義者來(lái)說(shuō)，邊緣計(jì)算是在物聯(lián)網(wǎng)設(shè)備上發(fā)生的事情，因此這兩個(gè)術(shù)語(yǔ)并不完全是同義詞。盡管需要情境化和必要的解釋性闡述，我們現(xiàn)在可以將人工智能構(gòu)建到邊緣設(shè)備中，即我們的智慧城市智能設(shè)備實(shí)際上變得越來(lái)越智能。

圍繞人工智能的對(duì)話越來(lái)越多地談?wù)撨吘壢斯ぶ悄?。任何可以連接的東西都將在邊緣生成，并且已經(jīng)生成大量數(shù)據(jù)。這種情況的規(guī)模迅速超過(guò)了，將所有這些數(shù)據(jù)上傳到云端的可用網(wǎng)絡(luò)帶寬，并且由于當(dāng)今的網(wǎng)絡(luò)不是針對(duì)上傳而是針對(duì)下載進(jìn)行優(yōu)化，這一事實(shí)加劇了這種情況。再加上成本、延遲、安全性和隱私等其他挑戰(zhàn)，將要求人工智能資源轉(zhuǎn)移到數(shù)據(jù)上，而不是相反。

我們可以以不同的方式在邊緣部署人工智能。在某些情況下，企業(yè)會(huì)部署集成了計(jì)算資源的智能傳感器，包括數(shù)字運(yùn)動(dòng)處理器(DMP)等技術(shù)，這些技術(shù)能夠自動(dòng)執(zhí)行不同程度的分析。

也可以部署不包含DMP的基礎(chǔ)傳感器，而是簡(jiǎn)單地收集數(shù)據(jù)并以原始格式輸出，然后必須通過(guò)外部工具進(jìn)行分析。雖然基礎(chǔ)傳感器需要開(kāi)發(fā)人員進(jìn)行更多工作才能提供所需的輸出，但它們還提供“自己動(dòng)手”模型，而不是鎖定在智能設(shè)備的嵌入式人工智能中。

設(shè)備內(nèi)外分析方法

我們今天看到了這兩種方法。無(wú)論是哪種類型的傳感器，都需要在傳感器附近或內(nèi)部，運(yùn)行高級(jí)數(shù)據(jù)分析和人工智能軟件。兩種傳感器方法在成本、效率、可擴(kuò)展性和靈活性方面各有利弊。但最終在邊緣環(huán)境中，需要某種邊緣計(jì)算基礎(chǔ)設(shè)施來(lái)調(diào)解這些位置的挑戰(zhàn)。

對(duì)于智能傳感器來(lái)說(shuō)，這包括處理生成的大量數(shù)據(jù)、持續(xù)或接近持續(xù)互聯(lián)網(wǎng)連接的需求，以及可能存在的巨大電力需求。對(duì)于可能實(shí)時(shí)生成數(shù)據(jù)的基礎(chǔ)傳感器，這包括需要將生成的數(shù)據(jù)100%發(fā)送到次要位置進(jìn)行處理。

實(shí)施邊緣人工智能還需要解決傳感器本身之外的挑戰(zhàn)。這包括信息技術(shù)（IT）和運(yùn)營(yíng)技術(shù)（OT）技能之間的脫節(jié)。最了解現(xiàn)場(chǎng)操作的人員與開(kāi)發(fā)人工智能模型的人員并不相同，每個(gè)角色都有不同的優(yōu)先級(jí)，需要不同的專業(yè)知識(shí)。這兩個(gè)團(tuán)隊(duì)必須合作才能成功在邊緣實(shí)施人工智能。

在技術(shù)挑戰(zhàn)方面，為了管理在異構(gòu)環(huán)境和大規(guī)模變化的條件下的現(xiàn)實(shí)世界中部署AI/ML的復(fù)雜性，需要為AI工具提供一致的交付機(jī)制，就必須實(shí)施模型和邊緣計(jì)算基礎(chǔ)設(shè)施。

如今許多邊緣人工智能項(xiàng)目都處于實(shí)驗(yàn)室或有限的現(xiàn)場(chǎng)試驗(yàn)中。隨著企業(yè)開(kāi)始考慮數(shù)十萬(wàn)個(gè)地點(diǎn)的完整生產(chǎn)部署，那么他們必須建立在一個(gè)編排基礎(chǔ)上，該基礎(chǔ)可以許多不同的邊緣挑戰(zhàn)，例如多樣性、安全性和資源約束，同時(shí)還提供對(duì)可能指示不準(zhǔn)確分析或其他問(wèn)題的現(xiàn)場(chǎng)性能的完全可見(jiàn)性。

總結(jié)

如今，我們可以看到許多成功地在分布式環(huán)境中部署項(xiàng)目的行業(yè)，如各種零售商店、太陽(yáng)能發(fā)電場(chǎng)和制造設(shè)施，一些企業(yè)使用基礎(chǔ)傳感器將數(shù)據(jù)發(fā)送到邊緣節(jié)點(diǎn)，甚至在傳感器內(nèi)嵌入軟件。

在實(shí)現(xiàn)自動(dòng)化之后，示例中的數(shù)據(jù)將在人工智能模型中進(jìn)行處理，并實(shí)時(shí)提供給全球各地的分析師，他們可以在一小時(shí)內(nèi)分析并編寫(xiě)完整的報(bào)告。技術(shù)人員不再需要親自到井進(jìn)行分析，從而降低了人身安全風(fēng)險(xiǎn)。

當(dāng)我們努力將物聯(lián)網(wǎng)邊緣的更多人工智能連接到我們的企業(yè)網(wǎng)絡(luò)中，以用于影響工作和家庭生活的應(yīng)用時(shí)，我們需要考慮可擴(kuò)展性、安全性、身份等詞語(yǔ)，并考慮其穩(wěn)定性。

在某些情況下，我們可能會(huì)信任設(shè)備本身做出至關(guān)重要的決定，話雖如此，我們還需要人工智能實(shí)現(xiàn)自動(dòng)化、集成和編排，這樣你可能認(rèn)為非常基本的小型機(jī)器傳感器現(xiàn)在正在成為一種相當(dāng)復(fù)雜的設(shè)備。

人工智能正以一種適合的方式處于邊緣。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)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(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。