边缘AI持续发展并拥有无数应用，包括自动驾驶汽车、艺术、医疗保健、个性化广告和客户服务。理想情况下，边缘架构由于更接近请求而提供较低的延迟。边缘人工智能市场预计将从2021年的140万美元增长到2027年的800万美元，复合年增长率为29.8%。这种增长的很大一部分将来自物联网中的人工智能、可穿戴消费设备以及5G网络中对更快计算的需求等因素。这些带来了机会和保留，因为来自边缘AI的实时数据容易受到网络攻击。让我们来看看明年可能影响边缘AI领域的五种趋势。将AI与云分离当今的重大变化之一是能够在没有云连接的情况下运行AI处理。例如，最近发布的两种新芯片设计可以将物联网设备的处理能力推向极限，跳过远程服务器或云计算。他们当前的Cortex-M处理器处理对象识别，而手势或语音识别等其他功能随着ARM的Ethos-U55的加入而发挥作用。谷歌的Coral是一个用于使用本地AI构建产品的工具包，它也承诺可以“离线”处理大量AI。机器学习的最佳实践实践将证明边缘AI是一个有价值的业务流程。它的生产需要一个新的生命周期——或者，至少，这是MLOps开发期间的推测。MLOps可以帮助企业数据流动并将其推向边缘。随着越来越多的企业发现在边缘AI方面最适合他们的方法，持续的更新周期可能会被证明是有效的。专用芯片为了在边缘进行更多处理，公司需要定制芯片来提供足够的功率。一个例子是AI加速器芯片与软件套件的配对，该软件套件实质上是将AI模型转换为计算图。IBM于2021年发布了他们的第一款加速器硬件，旨在打击欺诈行为。计算机视觉的新用例和功能计算机视觉仍然是人工智能在边缘的主要用途之一。该领域的一项重大发展是多模式人工智能，它从多个来源提取数据，超越自然语言理解，分析手势并执行检查和可视化。这对于与人无缝交互的人工智能来说可能会派上用场，例如购物助理。高阶视觉算法现在可以使用更细粒度的特征对对象进行分类。它可以比识别汽车更深入地确定品牌和型号。训练模型以识别每个对象独有的细粒度特征是很困难的。然而，诸如使用细粒度信息的特征表示、提取特定特征的分割、归一化对象姿态的算法和多层卷积神经网络等方法都是当前实现这一目标的方法。早期的企业用例包括质量控制、实时供应链跟踪、使用快照识别内部位置和检测deepfakes。人工智能在5G上的增长速度正在加速5G，更先进的技术指日可待。卫星网络和6G正在等待电信提供商的到来。对于我们其他人来说，在完全进入下一代网络之前，需要一些时间在与某些5G服务兼容的4G核心网络之间过渡。这与边缘AI有什么关系？5G上的AI可以为AI应用带来更好的性能和安全性。它可以提供人工智能所需的一些低延迟优势，并解锁工厂自动化、收费和车辆遥测以及智能供应链项目等新应用。边缘AI的新兴趋势比我们列出的要多。特别是，它的发展可能需要人性方面的一些改变。边缘AI管理将成为IT的工作，使用IT资源而不是让业务线管理边缘解决方案可以优化成本。
