邊緣AI發源于邊緣計算。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絡技術, 這有助于降低系統的處理負載，解決數據傳輸的延遲問題。這樣的處理是在傳感器附近或設備產生數據的位置進行的，因此稱之為邊緣。

[[341005]]

邊緣計算的發展意味著邊緣人工智能正變得越來越重要。各行各業莫不如是，特別是在降低處理延遲和保護數據隱私這方面。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，可以在沒有網絡連接的情況下處理數據。這意味著可以在無需流式傳輸或在云端數據存儲的情況下進行數據創建等操作。這一點很重要，因為出現了越來越多的設備數據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據。

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

以工廠的工業機器人為例。AI技術可以在這里以人類無法企及的速度，對來自監控攝像頭和傳感器的大量多模態數據進行可視化和評估，可以用它來檢測生產線上人類可能忽略的故障數據。這類物聯網結構可以存儲生產線上產生的大量數據，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，物聯網和5G:

• 邊緣人工智能經常與物聯網(IoT)和5G網絡放在一起討論.
• 物聯網一詞指的是通過互聯網相互連接的設備，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網產生的大量數據，讓使用具有可擴展性的云成為可能。這可以提高數據處理和基礎設施的靈活性.

5G網絡可以增強上述過程，因為其三大特點——超高速、大并發和超低時延——明顯優于4G網絡.

5G對于物聯網和邊緣AI的發展是不可或缺的，因為當物聯網設備傳輸數據時，數據量暴漲，從而影響傳輸速度。傳輸速度的下降又會產生時延，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，設備數據無法通過云端處理。工業機器人和自動駕駛汽車經常出現這種情況，它們需要高速處理，但當數據流增大而產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。任何數據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生。生命此時會切實受到威脅。

對于這些物聯網設備來說，實時響應是必要條件。這就要求設備能夠在現場分析和評估圖像/數據，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，可以減少傳輸數據量，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：工業機械和消費設備。可以看到，它在控制和優化設備、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。由于設備數量大于工業機器，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，這就需要實時的數據處理。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域。因此，汽車制造商也在正在努力開發遵守這些標準的自動駕駛汽車。例如，豐田已經在測試TRI-P4的完全自動化(4級)自動駕駛系統了。

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生。根據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，它們正在開發自動駕駛無人機來運送包裹.

人臉識別

人臉識別系統是監控攝像頭的發展方向，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，因為該技術驅動了它們的語音UI。手機上的AI使得數據處理發生在設備(邊緣)側，這意味著不需要將設備數據交付到云端。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據。隨著智能手機本身內置人工智能，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。。

根據富士景氣集團發布的 "2019年AI業務匯總調查"，日本的邊緣AI計算市場在2018財年的預測市場規模為110億日元。調查預測，2030財年市場規模將擴大到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。

本文轉自雷鋒網，如需轉載請至雷鋒網官網申請授權。