邊緣AI發(fā)源于邊緣計算。邊緣計算也稱為邊緣處理，是一種將服務器放置在本地設備附近網(wǎng)絡技術， 這有助于降低系統(tǒng)的處理負載，解決數(shù)據(jù)傳輸?shù)难舆t問題。這樣的處理是在傳感器附近或設備產(chǎn)生數(shù)據(jù)的位置進行的，因此稱之為邊緣。

邊緣計算的發(fā)展意味著邊緣人工智能正變得越來越重要。各行各業(yè)莫不如是，特別是在降低處理延遲和保護數(shù)據(jù)隱私這方面。本文將探討邊緣AI的影響，為什么重要，及其常見用例。

什么是邊緣AI？

邊緣AI是指在硬件設備上本地處理的AI算法，可以在沒有網(wǎng)絡連接的情況下處理數(shù)據(jù)。這意味著可以在無需流式傳輸或在云端數(shù)據(jù)存儲的情況下進行數(shù)據(jù)創(chuàng)建等操作。這一點很重要，因為出現(xiàn)了越來越多的設備數(shù)據(jù)無法依賴云端處理的情況。比如，工廠的機器人和自動駕駛汽車都需要以最小的延遲高速處理數(shù)據(jù)。

為了實現(xiàn)這些目標，邊緣計算可以在云上靠深度學習生成數(shù)據(jù)，而在數(shù)據(jù)原點——即設備本身（邊緣）執(zhí)行模型的推斷和預測。

以工廠的工業(yè)機器人為例。AI技術可以在這里以人類無法企及的速度，對來自監(jiān)控攝像頭和傳感器的大量多模態(tài)數(shù)據(jù)進行可視化和評估，可以用它來檢測生產(chǎn)線上人類可能忽略的故障數(shù)據(jù)。這類物聯(lián)網(wǎng)結(jié)構(gòu)可以存儲生產(chǎn)線上產(chǎn)生的大量數(shù)據(jù)，并通過機器學習進行分析。它們也是能夠提高工廠智能化程度的AI模型的核心。

邊緣AI，物聯(lián)網(wǎng)和5G：

邊緣人工智能經(jīng)常與物聯(lián)網(wǎng)（IoT）和5G網(wǎng)絡放在一起討論。

物聯(lián)網(wǎng)一詞指的是通過互聯(lián)網(wǎng)相互連接的設備，包括智能手機、機器人和電子設備。作為一個用人工智能進行分析的平臺，邊緣人工智能可以收集和存儲物聯(lián)網(wǎng)產(chǎn)生的大量數(shù)據(jù)，讓使用具有可擴展性的云成為可能。這可以提高數(shù)據(jù)處理和基礎設施的靈活性。

5G網(wǎng)絡可以增強上述過程，因為其三大特點——超高速、大并發(fā)和超低時延——明顯優(yōu)于4G網(wǎng)絡。

5G對于物聯(lián)網(wǎng)和邊緣AI的發(fā)展是不可或缺的，因為當物聯(lián)網(wǎng)設備傳輸數(shù)據(jù)時，數(shù)據(jù)量暴漲，從而影響傳輸速度。傳輸速度的下降又會產(chǎn)生時延，而時延是實時處理面臨的最大問題。

邊緣計算和邊緣AI為何重要？

越來越多的情況下，設備數(shù)據(jù)無法通過云端處理。工業(yè)機器人和自動駕駛汽車經(jīng)常出現(xiàn)這種情況，它們需要高速處理，但當數(shù)據(jù)流增大而產(chǎn)生處理時延時會非常危險。

例如，想象一下自動駕駛汽車在檢測道路上的物體，或操作剎車或方向盤時由于云端而延遲。任何數(shù)據(jù)處理的減慢都會導致車輛的響應速度變慢。如果響應變慢的車輛不能及時做出反應，就可能導致事故的發(fā)生。生命此時會切實受到威脅。

對于這些物聯(lián)網(wǎng)設備來說，實時響應是必要條件。這就要求設備能夠在現(xiàn)場分析和評估圖像/數(shù)據(jù)，而不能依賴云端AI。

通過將通常委托給云端的信息處理交給邊緣設備，可以實現(xiàn)無傳輸延遲的實時處理。此外，如果只傳輸重要信息到云端，可以減少傳輸數(shù)據(jù)量，這能將通信中斷的風險降到最低。

邊緣AI使用場景

邊緣AI的市場主要有兩個領域：工業(yè)機械和消費設備?？梢钥吹?，它在控制和優(yōu)化設備、自動化重復勞動等領域均有進展。

消費設備也有所突破，這些設備的AI攝像頭可以自動識別被攝對象。由于設備數(shù)量大于工業(yè)機器，預計從2021年起，消費設備市場將大幅擴大。

我們把一些邊緣AI的常見場景放在下面。

自動駕駛汽車

自動駕駛汽車是應用邊緣計算最值得期待的領域。有很多情況下，自動駕駛汽車需要對情況進行即時評估，這就需要實時的數(shù)據(jù)處理。2019年12月，日本對《道路交通法》和《道路運輸車輛法》進行了修訂，使得3級自動駕駛汽車更容易上路。它規(guī)定了自動駕駛汽車應符合的安全標準，以及自動駕駛汽車可以運行的區(qū)域。因此，汽車制造商也在正在努力開發(fā)遵守這些標準的自動駕駛汽車。例如，豐田已經(jīng)在測試TRI-P4的完全自動化（4級）自動駕駛系統(tǒng)了。

無人機

無人機在進行飛行時失控、失蹤的新聞越來越多。某些甚至導致了事故的發(fā)生。根據(jù)無人機降落位置的不同，墜毀造成的后果也可能是災難性的。

自動駕駛無人機上，飛行員并不主動干涉無人機的飛行。他們遠程監(jiān)控操作，只有在絕對必要的時候才會手動駕駛無人機。最著名的例子是亞馬遜的Prime Air，這是一個無人機送貨服務，它們正在開發(fā)自動駕駛無人機來運送包裹。

人臉識別

人臉識別系統(tǒng)是監(jiān)控攝像頭的發(fā)展方向，它可以通過學習人臉識別人類個體。2019年11月，WDS有限公司發(fā)布了AI攝像頭模塊Eeye，通過邊緣AI實時分析面部特征。Eeye能快速準確地識別人臉，適用于針對性別、年齡等特征的營銷工具，和用來解鎖設備的人臉識別場景。

智能手機

這是我們最熟悉的邊緣AI設備。Siri和谷歌助手是智能手機上邊緣AI的好例子，因為該技術驅(qū)動了它們的語音UI。手機上的AI使得數(shù)據(jù)處理發(fā)生在設備（邊緣）側(cè)，這意味著不需要將設備數(shù)據(jù)交付到云端。這有助于保護隱私和減少流量。

未來的邊緣AI

邊緣AI正高速增長，我們已經(jīng)看到對該技術的大量投資。像Konduit AI這樣的公司正在將它作為其在東南亞的AI戰(zhàn)略的關鍵部分。另一個例子是2020年1月，蘋果耗資2億美元收購了位于西雅圖的AI企業(yè)Xnor.ai。Xnor.ai的AI技術通過邊緣處理來處理用戶智能手機上的數(shù)據(jù)。隨著智能手機本身內(nèi)置人工智能，我們可能會看到語音處理、人臉識別技術和隱私保護方面的進步。。

根據(jù)富士景氣集團發(fā)布的 “2019年AI業(yè)務匯總調(diào)查”，日本的邊緣AI計算市場在2018財年的預測市場規(guī)模為110億日元。調(diào)查預測，2030財年市場規(guī)模將擴大到664億日元。

而隨著5G的普及，可能也將看到全球邊緣AI服務成本的下降和需求的上升。
責任編輯：tzh