超越云的思考：智能边缘是计算和AI的未来

manong

基于云的AI的平均推理速度徘徊在1.5秒左右。情报优势将其急剧减少到10-15毫秒。仅此一项巨大的等待时间减少就使许多未来技术成为可能，例如自动驾驶汽车。
云计算的出现引发了巨大的集中热潮，几乎吸引了所有理解数字优先业务战略重要性的企业。甚至世界各国政府和公共部门组织都在利用云计算所提供的优势。轻松访问数据，强大的分析工具以及改进的业务敏捷性使组织能够比以往做出更多的“智能”和明智的决策。
但是，在接下来的几年中，在边缘计算的推动下，一种竞争性的计算架构方法-去中心化-将会急剧普及。边缘计算和人工智能技术的结合将产生迄今为止纯属科幻小说的新一代功能。
在探索这些技术的巨大潜力之前，让我们花一点时间来理解它们。
边缘计算和智能边缘：简介
在云计算方法中，从各种终结点设备收集数据，然后将其发送到集中式云服务器，在此存储和分析数据。然后将基于云的工具生成的见解或响应发送到端点设备。
边缘计算将计算资源带到端点设备，从而可以在数据收集点或附近分析传入数据。
Intelligent Edge正在将人工智能技术应用于边缘设备，以近乎实时地收集，分析和响应数据。Intelligent Edge的主要目标是在端点或最终用户的交互点实现瞬间决策。
Intelligence Edge在现实世界中的应用
国际数据公司预测，到2025年，连接的设备将达到557亿个，这些设备将共同产生73.1 ZB的数据。随着消费者和企业都将继续依赖智能设备来完成从通信到物理安全的所有工作，他们将需要并要求更快的计算能力。Intelligent Edge具有独特的功能，可以满足这一需求。
以下是Intelligent Edge发挥关键作用的一些用例：
自动驾驶汽车
新一代自动驾驶汽车实时收集环境数据-道路状况，车辆位置，路标和其他数据，并将其无线发送到云服务器，从那里接收驾驶指令。众所周知，云计算的AI推理速度平均为1.5秒。
对于以60英里/小时的速度行驶的车辆，响应时间为1.5秒，相当于在道路上132英尺的距离！那是在忽略4G技术固有的延迟之后，因为这些挑战已通过5G解决。
Intelligent Edge将这一决策过程简化为瞬间的活动，从而使自动驾驶汽车能够做出近乎实时的决策。
病人监护
常规上，患者会挂接到彼此不共享数据的一系列医疗设备上。一些医院收集所有数据并将其存储在第三方云服务器上，并在那里进行分析。这带来了一些隐私和安全问题。更不用说存储如此大量数据对医院资源造成的压力。
Intelligent Edge在收集点（监视设备）上分析患者数据，并为员工提供实时见解和警报，以便采取行动。
智能家居
从冰箱到打印机再到安全系统，我们在家中使用的几乎所有设备都可以连接到互联网。Intelligent Edge使这些物联网设备具备计算功能，可以为我们提供更快的信息。更重要的是，它们收集的敏感数据一定不能存储在带有自己的隐私和安全性问题的远程服务器上。
基于语音的助手是运行中的智能Edge的出色示例。
预测性维护与改进
制造商永远希望在可能的故障中发现并修复故障，然后再破坏生产线。边缘计算通过使用一系列监视传感器来实现此目的，这些传感器可以实时分析机器的运行状况数据并就潜在问题向相关人员发出警报。
Intelligent Edge甚至可以使实时操作优化成为现实。当前，对运营数据进行集中分析，并定期推出生产改进措施。借助智能Edge，制造商将能够实时发现效率低下的情况，并在其整个生产线上迅速进行改进。
还有许多其他应用程序，例如预测性维护，面部识别，远程手术等，其中Intelligent Edge的低延迟被证明可以改变游戏规则。
智能边缘生态系统的组成部分
Intelligent Edge的实际应用程序是多种多样的，复杂的并且可能是普遍存在的。以下是支持和支持Intelligent Edge生态系统的各种组件的快速概述：
边缘计算
您已经熟悉边缘计算。它分散了计算资源，并使它们更靠近端点设备。边缘计算的一些出色示例包括P2P计算，区块链，内容交付网络，网格计算等。所有这些示例都有一个共同点–它们集中了来自多个不同设备的计算资源，而无需中央协调。
边缘计算具有多种优势，例如增强的端点安全性，低延迟，降低了数据传输带宽的成本以及设备功能抵御网络中断的能力。
边缘人工智能
多年以来，数据科学家一直将AI视为软件挑战。传统上，它们托管在云服务器上，因此物理硬件从未引起过他们的注意。Edge AI的出现使AI的发展迅速发展。随着将AI托管在端点设备上，对针对AI及其任务进行了优化的专用芯片的需求不断增长。
iPhone的A11仿生芯片就是一个很好的例子。该芯片每秒可以执行6000亿次操作，这正是iPhone X系列实现实时面部识别的原因。因此，边缘AI不仅与软件有关，还与硬件有关。
Edge AI的许多优势包括实时数据处理，通过消费级设备的改进而实现的极高可扩展性以及用于实时反馈的上下文分析。
边缘设备
智能设备使AI能够以更丰富，更深入，更“真实”的方式“了解”他们周围的世界。AI无需依靠人类将结构化和格式化的数据输入到计算机中，而是可以使用各种传感器来查看，嗅觉，品尝，感觉和听见周围的世界。
除了标准的传感器（如加速度计，监视器检测器，湿度传感器，光传感器等）外，由AI驱动的边缘设备还使用远红外摄像头，可穿透地面的RADAR和其他复杂的传感器来实时提供空前的洞察力。
由AI驱动的一系列传感器使使用该数据进行数据收集，分析甚至操作自动化成为可能。
边缘数据管理
边缘设备生成的数据量是天文数字。举例来说，自动驾驶汽车每小时产生19TB的数据。现在，将其乘以将在不久的将来铺平道路的自动驾驶汽车的数量。忘了存储数据，我们当前的基础架构没有能力处理从边缘设备到云的数据传输，这已经超过了地下光纤基础架构的容量。
自然地，大量边缘数据将被分析并存储在边缘设备中。目前，只有10％的数据在分散的位置进行处理。根据Gartner的数据，这一数字将达到75％。与集中式数据管理相比，边缘数据管理具有两个显着的优势-降低了数据管理成本，以及实时的反馈和响应。
边缘基础架构
边缘基础架构不仅仅是边缘设备。它涉及三个关键要素–边缘设备，连接性和集中式数据中心（云或内部物理数据中心）。
如果计算仅发生在边缘设备上，则它是本地计算，而不是边缘计算。边缘计算涉及到核心（云或内部集中式服务器）的一致，低功耗连接。虽然大多数数据在最后进行了分析，但某些数据可能会被集中处理或存储。通常，这意味着边缘设备收集的大多数数据都会被边缘设备分析并丢弃。但是，某些关键数据会长期传输并存储在集中位置。
边缘设备和中央核心不再是技术挑战。但是，一致的低功率连接仍然是一个挑战。当前可用的各种选项完全无法支持边缘基础架构。蓝牙虽然是低功耗的选择，但并不一致。Wi-Fi虽然提供一致性，但范围非常有限；尽管4G LTE具有出色的一致性，但是却非常耗电且带宽低。
5G连接有望解决所有这些问题，并彻底改变智能边缘。
Intelligent Edge：推动技术创新的火箭燃料
数量惊人的用例正在等待Intelligent Edge成熟并变得广泛可用。例如，远程手术需要一名真正的外科医生通过机器人在病人身上进行手术，它需要触觉反馈和接近零延迟的实时上下文洞察。即使是毫秒级的延迟也会造成灾难性的后果。
同样，许多用例需要低延迟的基础架构，例如智能交通管理，智能网格管理，AI驱动的建筑检查等。Intelligent Edge不仅满足了这一需求，而且引发了硬件和软件开发的新革命，将对其进行优化以支持和利用Intelligent Edge。



查看更多物联网相关资讯，微信扫描二维码或搜索“全球物联网IOT资讯“关注公众号