唯一比物聯(lián)網(wǎng)在過去十年的增長更令人印象深刻的是預測的物聯(lián)網(wǎng)在未來十年的爆炸性增長。從2021 年 460 億，ARM 預測到 2035 年將生產(chǎn) 1 萬億物聯(lián)網(wǎng)設備。

這意味著地球上每個人都有超過 100 臺物聯(lián)網(wǎng)設備。這種增長的影響是驚人的。隨著這些設備不斷變得更智能和更具能力，組織正在尋找創(chuàng)造性的新用途，以及這些設備的操作位置。

物聯(lián)網(wǎng)支出預計將達到2022 年 1 萬億美元，公司將物聯(lián)網(wǎng)的價值視為一種投資。這是因為存在物聯(lián)網(wǎng)設備的每個位置都有可能成為數(shù)據(jù)收集站點，為幾乎每個行業(yè)提供無價的洞察力 。有了新的更精確的洞察力 ，零售商可以減少收縮and簡化分配系統(tǒng)流程，制造商可以檢測高速生產(chǎn)線上的視覺異常，以及醫(yī)院可以提供無接觸的患者互動。

什么是物聯(lián)網(wǎng)的人工智能？

組織已經(jīng)團結在愿景的力量周圍，從物聯(lián)網(wǎng)設備生成洞察力 。為什么？

計算機視覺是一個廣泛的術語，用于使用深度神經(jīng)網(wǎng)絡開發(fā)應用程序的人類視覺能力。它使用圖像和視頻自動執(zhí)行任務并生成洞察力 。設備、基礎設施和空間可以利用這一能力來提高他們的感知能力，就像機器人領域從這項技術中受益一樣。

雖然每個計算機視覺設置都不同，但它們都有一個共同點：它們生成大量數(shù)據(jù)。 IDC 預測，光是物聯(lián)網(wǎng)設備就將產(chǎn)生超過90 zettabytes 數(shù)據(jù)。 典型的智能工廠每天產(chǎn)生大約 5 PB 的視頻數(shù)據(jù)，而智能城市可以產(chǎn)生這些數(shù)據(jù)每天 200 PB 的數(shù)據(jù)。

安裝的設備數(shù)量和收集的數(shù)據(jù)量給傳統(tǒng)的云和數(shù)據(jù)中心基礎設施帶來了壓力。這是因為云中運行的計算機視覺算法無法以足夠快的速度處理數(shù)據(jù)以返回實時洞察力 。對于許多組織來說，高延遲是一個重要的安全問題。

以大型零售商的配送中心中的自動叉車為例。叉車使用各種傳感器感知周圍的世界，根據(jù)收集的數(shù)據(jù)做出決策。它知道自己能在哪里開車，不能在哪里開車，它能識別在倉庫周圍移動的物體，它知道什么時候突然停車以避免在路上與工人相撞。

如果叉車將數(shù)據(jù)發(fā)送到云端，等待數(shù)據(jù)被處理，并將 i NSight 發(fā)送回，然后采取行動，叉車 MIG 將無法及時停止以避免與人類工人發(fā)生碰撞。

除了延遲問題，將物聯(lián)網(wǎng)設備收集的大量數(shù)據(jù)發(fā)送到云端進行處理的成本極高。如此高的成本就是為什么只有 25% 的物聯(lián)網(wǎng)數(shù)據(jù)得到分析*。 451 項研究在《企業(yè)之聲：物聯(lián)網(wǎng)、組織動態(tài)——季度咨詢報告》中進行了一項研究，受訪者承認只存儲了他們創(chuàng)建的約一半物聯(lián)網(wǎng)數(shù)據(jù)，并且只分析了他們存儲的約一半數(shù)據(jù)。由于傳輸成本高，組織選擇不處理數(shù)據(jù)，因此忽略了可能對其業(yè)務產(chǎn)生重大影響的有價值的 i NSight 。

這些就是組織開始使用邊緣計算的一些原因。

什么是邊緣計算及其對物聯(lián)網(wǎng)的重要性？

邊緣計算是指盡可能靠近數(shù)據(jù)源捕獲和處理數(shù)據(jù)的概念。這是通過部署服務器或其他硬件在物聯(lián)網(wǎng)傳感器的物理位置處理數(shù)據(jù)來實現(xiàn)的。由于邊緣計算在網(wǎng)絡的“邊緣”本地處理數(shù)據(jù)，而不是在云端或數(shù)據(jù)中心，因此它將延遲和數(shù)據(jù)傳輸成本降至最低，允許實時反饋和決策。

邊緣計算允許組織處理更多數(shù)據(jù)并生成更完整的洞察力 ，這就是為什么它正迅速成為投入大量物聯(lián)網(wǎng)的組織的標準技術。事實上， IDC 報告說，邊緣計算市場將是值得的到 2023 年達到 340 億美元。

雖然邊緣計算對于使用物聯(lián)網(wǎng)的人工智能應用程序的好處是顯而易見的，但是邊緣和物聯(lián)網(wǎng)解決方案的結合對于許多組織來說是事后才想到的。理想情況下，將這些技術的融合融入到設計中，讓計算機視覺的全部潛力得到認可，達到自動化和效率的新水平。

關于作者

Troy Estes 是 NVIDIA Edge 和企業(yè)計算解決方案的產(chǎn)品營銷經(jīng)理。在加入 Edge & Enterprise 業(yè)務部門之前，特洛伊曾在自主汽車業(yè)務部門和 NVIDIA 電網(wǎng)產(chǎn)品集團從事營銷活動和支持產(chǎn)品 GTM 。

審核編輯：郭婷