在當今的數字世界，人工智能和物聯網正在深刻改變我們生活的方方面面。連接到網絡的物聯網設備數量正以驚人的速度激增。根據國際數據公司(IDC)的數據，到2025年，聯網設備將超過410億部。

隨著連接設備數量的增加，流回云的數據量也呈指數增長。最后，將所有這些數據泵回云進行處理并不是可擴展的模型。在云上處理所有這些數據將使網絡帶寬需求達到極限。已有的數據中心發現很難保證傳輸速率和響應時間。

我們必須在邊緣進行更多的數據處理。這是下一個有待開發的前沿領域，它有巨大的潛力在邊緣計算世界推動業務發展。

[[334063]]

將智能帶入邊緣

數據是新的石油，但具有諷刺意味的是，盡管它們周圍都有千兆字節的物聯網數據，但很少有公司能夠從中獲取價值。這是因為真正的價值在于通過理解能夠預測未來趨勢的模式，將來自不同物聯網設備的數據集組合起來。這就是邊緣人工智能在恢復數據真實價值方面具有巨大潛力的地方。

邊緣需要更多的處理能力。這將使企業能夠在邊緣運行AI模型，從而為邊緣帶來更多智能。

如今，許多邊緣設備都具有內置的計算能力。許多物聯網邊緣設備具有GPU，TPU或VPU。例如，某些高端安全攝像機現在具有GPU卡，這使它們能夠在邊緣本身上運行基于AI的圖像識別模型，而不必將所有高清視頻發送回云中進行處理。將處理移至邊緣可確保更好的響應時間并減少帶寬使用。

舉一個實地的例子。在擁有1000個啟用邊緣GPU的攝像頭的石油和天然氣精煉廠中，人們希望根據模型試圖檢測的位置和異常情況在不同的攝像頭節點上部署不同的AI模型。石油和天然氣精煉廠內的紅色區域是由于H2S氣體泄漏而導致死亡的機率很高的區域。因此，進入紅色區域的人們必須穿戴防護裝備。聚焦在紅色區域上的攝像機可能會檢測到HSE不合規，例如進入紅色區域時未佩戴緊急呼吸裝置(EBA)并觸發實時警報，從而拯救了生命。

邊緣上的AI將有助于更好地利用我們的數據。邊緣AI的用途廣泛，可廣泛應用于各個領域，包括醫療保健中的患者監控，評估農業作物的健康狀況，在自然災害期間識別和營救受傷的人們，等等。

在邊緣管理AI生命周期

在邊緣運行AI模型必須經過深思熟慮。一旦將AI模型加載到邊緣，需要對其性能進行持續監控，并針對各種情況進行優化。

物聯網世界中邊緣設備的異構性質面臨著一系列挑戰。遠程部署模型和監視邊緣是另一個具有巨大潛力的大領域。必須擁有一種強大的機制來遠程部署和微調AI模性能型。密切注意硬件的運行狀況也很重要。

持續監控這些模型的性能也是一個很高的要求。在邊緣上管理AI模型的連續部署、調試和微調也是很少有公司真正取得進展的領域。

對于剛剛開始在邊緣利用人工智能功能的企業，我建議大家記住以下幾點：

• 選擇一個可以為業務帶來直接好處的合適用例很重要。
• 選擇一個好的工具來自動化邊緣服務的部署和監視過程。Eclipse Foundation的ioFog項目正在這個領域掀起波瀾。
• 在選擇邊緣硬件時，請記住根據未來的需求和擴展硬件功能的能力，制定一個三到五年的路線圖。

邊緣安全

邊緣安全是另一個不可忽視的重要因素。使處理更接近邊緣會給邊緣內部和周圍帶來更大的壓力。邊緣安全必須是多管齊下的策略，以確保硬件和軟件堆棧的安全。您需要保持警惕，以檢測進入邊緣網絡的惡意節點。一旦檢測到惡意節點，就需要將其隔離，并且不允許其進入邊緣網絡。

一種方法是利用硬件的信任根來確保邊緣計算系統的運行。具有運行時應用程序驗證和授權，以防止流氓應用程序。從設備到云的數據需要信任。完全控制數據流，確保數據只到達授權節點。

總結

人工智能的優勢是下一個有待開發的大金礦，具有巨大的潛力為企業帶來真正的價值。物聯網世界中處于邊緣的人工智能將有助于以低成本效益和低延遲的方式為業務提供智能實時決策。