如您所見，AI已不再只是科幻電影的經典主題，它正在以驚人的速度被應用到我們日常生活中的方方面面，并從個人關系到工作項目上，逐漸改變著我們的想法或行為。

其中，一個最為典型的領域當屬NextGEN Edge AI（下一代邊緣人工智能）應用。它能夠通過諸如：排名、分類、以及設計等多種應用模式，提供身臨其境、直觀且有趣的使用體驗，而且能夠節省時間和資金。

什么是NextGEN Edge AI?

NextGEN Edge AI也稱為邊緣智能（Edge Intelligence）或下一代人工智能（next-gen AI）。它能夠綜合運用邊緣計算和人工智能，來跟蹤和執行機器學習。

Edge AI的工作流往往使用來自集中化的數據中心（如云或設備）上的數據、以及來自邊緣資源的數據。其中，云端AI更為常見，它完全依靠云端算力，來實現開發和執行。而Edge AI則包括遠程設備、物聯網設備、以及專用的邊緣服務器等組件。據此，Edge AI方便了數據的存儲和計算，也讓用戶更容易訪問。

由于Edge AI會將AI算法與本地設備上的邊緣計算能力相結合，因此，它可以在不需要保持連接和集成的情況下，處理和分析數據，進而允許用戶訪問不同來源的數據。可見，Edge AI通過整合邊緣計算和AI過程，減少了系統的停機時間或延遲。

此外，NextGEN Edge AI已成功將AI過程集成為一個基本組件，在無需與物理位置進行交互的前提下，省時省力地支持了用戶需求，并便捷地構建了用戶數據。

Edge AI如何工作？

說到AI，我們自然會想到讓機器模擬人類在視覺、說話、行走、檢測物體、駕駛汽車、以及理解語言等方面的智能化技能。為此，AI需要使用一套名為深度神經網絡（Deep Neural Network，DNN）的系統。當它們在接受各項訓練任務時，這些DNN會產生許多特定類型的問題、以及與之相應的正確答案示例。

由于深度學習是一個需要在數據中心或云端運行的訓練過程，因此為了訓練出準確的模型，數據科學家往往需要通過大量的數據與通力合作，才可能配置出適當的模型。而在經過了訓練之后，模型就可以通過“推理引擎”去回答現實世界中的問題了。

通常，在部署Edge AI時，推理引擎會運行在諸如：工廠、醫院、汽車、衛星或家庭的遠程計算機與設備上。而在部署了Edge AI模型之后，它們就會繼續獲得相關信息。因此，那些繁瑣的數據集通常被邊緣設備采集并發送到云端，以進行更多的訓練。而一旦AI遇到問題，則會替換邊緣的推理引擎。該反饋回路大幅提高了它們的性能。

Edge AI的基本組件

以下兩個智能組件通常是Edge AI領域的研究重點：

邊緣計算

根據定義，由于邊緣計算是在收集數據的節點處，進行本地計算和存儲數據的過程。因此它往往涉及到分布在網絡邊緣處，用于收集、分析和處理數據的多個進程。

AI

AI能夠將增強的分析能力與自動化相結合，讓機器能夠模仿人類的認知水平，去理解語言和解決問題，甚至能夠創造出更職能的邊緣設備。

Edge AI跨不同行業的應用

近年來，Edge AI應用的使用已為各個行業帶來了新的商機和創新。包括制造業、醫療保健和能源在內的許多行業，都正在使用Edge AI應用的核心功能。下面，讓我們來討論兩個典型的行業應用：

智能能源：智能預測

能源行業往往具有高需求和不穩定的特點。它不但會對其他行業造成直接或間接的影響，而且由其造成的潛在供應威脅也會擾動整個人類的健康和福利。

而Edge AI可以根據歷史數據、天氣特征等信息生成復雜的模型，通過智能化的預測，來協調能源的生成、分配、管理和監測。

醫療保健領域的Edge AI：支持AI的解決方案

現代化醫療機構和醫學專業人員可以通過使用Edge AI提高患者預期壽命和生活水平，實現這一醫療保健行業的終極目標。同時，通過使用具有AI加持的邊緣設備，醫療專業人員還可以執行遠程手術，以及監控患者的日常生理活動。

Edge AI的優勢

與我們常見的基于云端的AI相比，Edge AI具有如下優勢：

更高的速度/更低的延遲

由于各項訓練和計算是在本地執行，因此無需耗費過多的、與云端通信的響應等待。

更低的帶寬要求和成本

通過Edge AI，語音、視頻和高保真傳感器數據，都可以通過蜂窩網絡，以更少的帶寬和相關成本被發送。

增強的數據安全

本地化處理方式降低了敏感數據在傳輸過程中被攔截或存儲在云端的風險。

改進的可靠性/自主技術

即使網絡或云服務出現故障，AI也能夠在本地運行。這在自動駕駛和工業機器人等應用場景中優勢明顯。

功率降低

多數情況下，在設備上執行AI任務的能耗，可能會低于將數據發送到云端的能耗，當然也就延長了電池的壽命。

邊緣技術的未來

如今，幾乎所有Edge AI應用都可以在智能手機、可穿戴設備、以及智能家電等消費類設備上運行。Edge AI已成為一個正在經歷快速增長的新興領域。根據LF Edge預測：到2028年，邊緣設備的復合增長率將達到40%。同時，隨著無現金結賬、智能化醫院、城市、以及供應鏈的擴展，處于企業邊緣處的AI預計也會在未來幾年間增速加快。

如今，大多數Edge AI算法都可以直接對通過設備查看到的數據進行局部推理。通過使用設備附近傳感器集合的數據，未來我們將可以開發出更復雜的推斷工具，并不斷改進相應的Edge AI編排。

此外，與之相關的聯合深度學習也是一項富有前景的技術。它既可以通過將原始數據的對應子集上傳到云端，來改進訓練的過程，又能夠在邊緣設備的本地更新AI訓練。注意，這并非是通過手動去更新模型，而是將更新上傳到云端，提高Edge AI的隱私和安全性。

小結

綜上所述，作為將邊緣計算和AI結合的下一代Edge AI應用，無疑是物聯網設備獲取高質量、可操作傳感器數據，并節省時間和能源的一種有力的方式。通過持續改進，它在提高了設備效率和改善網絡帶寬的同時，也改善了數據隱私與安全性的態勢。因此，下一代Edge AI可以被廣泛地應用到多元化的行業中。

譯者介紹

陳峻（Julian Chen），51CTO社區編輯，具有十多年的IT項目實施經驗，善于對內外部資源與風險實施管控，專注傳播網絡與信息安全知識與經驗。

原文標題：The Next-Generation AI Application: What Is It and How Does It Work?，作者：Bharat P

鏈接：https://dzone.com/articles/the-next-generation-ai-application-what-is-it-and。