为什么计算中的边缘设备和人工智能应用是未来？变化一直是发展的一个组成部分。随着技术的快速发展，公司也需要自己拥抱这些技术，以实现最大的利益。正如我们见证了计算从大型机到云端的转变，人工智能(AI)正在向边缘物联网设备和网络转移。随着数据的不断增长，我们需要选择将数据存储和数据计算放在设备上。高通、NVIDIA和英特尔等公司正在帮助我们实现这一目标。尽管边缘站点计算系统比中央数据中心的计算系统小得多，但由于当今x86商品服务器处理能力的巨大提升，它们已经成熟并且现在可以成功运行许多工作负载。此外，如果应用程序对延迟敏感，Edge是更好的选择。更好的隐私性、安全性、低延迟和带宽是边缘平台的一些特征。什么是边缘人工智能？它是指在硬件设备上本地处理的人工智能算法。它也被称为设备上的人工智能。这使您可以在不到几毫秒的时间内使用您的设备处理数据，从而为您提供实时信息。借助EdgeAI，一个人可以从设备上的应用程序中获得她想要的个性化功能。据IDC称，边缘AI软件市场预计将从2018年的3.55亿美元增长到2023年的1.12万亿美元。人们越来越有兴趣在生成点应用人工智能进行实时事件检测。”CloudEdge目前，AI处理是在需要大量计算能力的基于云的数据中心中使用深度学习模型完成的。延迟是云环境或由云驱动的物联网设备面临的最常见问题之一。此外，在将数据传输到云端的过程中，始终存在数据被盗或泄露的风险。使用边缘允许在将数据发送到远程位置进行进一步分析之前对数据进行组织。此外，边缘人工智能将实现智能物联网管理。在基于边缘的架构中，推理发生在设备本地。这减少了返回云的网络流量，同时最大限度地减少了物联网设备的响应时间，使管理决策在本地可用并靠近设备，具有众多优势。边缘AI需求的驱动因素：有几个因素要求将AI处理推向边缘：无论用户或设备位置如何，实时客户参与，例如使用设备在线支付监控锻炼活动。能够在边缘设备上运行大规模DNN模型。多种框架和技术支持模型压缩，包括Google的TensorFlowLite、Facebook的Caffe2Go、Apple的CoreML、Nervana的神经网络Distiller和SqueezeNet。快速处理和分析物联网传感器数据。降低边缘平台的带宽成本。边缘设备产品：根据AI应用程序和设备类别，有多种硬件选项可用于执行AI边缘处理。选项包括中央处理器(CPU)、GPU、专用集成电路(ASIC)、现场可编程门阵列(FPGA)和片上系统(SoC)加速器。边缘在大多数情况下指的是设备，不包括网络集线器或微型数据中心，除非包括网络视频录像机(NVR)等安全摄像头。排名前三的边缘产品是：NvidiaJetsonNano：英特尔神经计算棒第二代GoogleEdgeTPU开发板NVIDIA?JetsonNano?开发者工具箱是使用最广泛和最受欢迎的工具，可提供前所未有的计算性能尺寸、功能和运行现代人工智能工作负载的成本。开发人员、学习者和创客现在可以为图像分类、对象检测、分割和语音处理等应用程序运行AI框架和模型。它还包括用于深度学习、计算机视觉、GPU计算、多媒体处理等的板级支持包(BSP)、Linux操作系统、NVIDIACUDA?、cuDNN和TensorRT?软件库。该软件甚至可以使用易于闪存的SD卡映像，从而可以快速轻松地开始使用。其他值得注意的包括NVIDIAJetsonTX1、TX2、TX2i（可以承受更高的振动、温度和湿度范围以及灰尘）、用于RISC-VAI+IoT的SipeedMaixduino套件、RaspberryPi4ComputerModelB、Coral开发板等。实用应用：毫无疑问，边缘人工智能将改变我们的未来。公司和公司已开始将其纳入其中，以为客户提供高效且无忧的体验。其中一些例子是：万豪国际与三星和罗格朗合作，使用物联网和边缘人工智能创建了世界上第一个支持物联网的酒店房间。这些房间在多个地点高度个性化，允许客户根据存储在应用程序中的信息完全按需设置房间。日本汽车制造商丰田正在利用专为汽车制造设计的现有人工智能边缘机器人技术来帮助行动不便的人。自主交付系统，例如亚马逊的交付无人机和多米诺机器人，使用计算机视觉来导航障碍物并有效地优化路线。两家公司使用EdgeAI来提供数据、地理定位、预测时间范围和个性化更新。相反，工厂中支持AI的边缘计算系统可以关联来自多台计算机的数据，以检测并最终预测导致停机的问题。Expensify的虚拟助手Concierge可帮助公司实现费用报告和差旅安排的自动化。它可以通知客户实时价格变化，甚至可以代客户提交收据。人工智能在边缘的用途和潜力因行业和公司而异。虽然基于边缘的推理已被证明是云计算的更好替代方案，但在这一领域仍有许多工作要做。
