在当今的数字世界中，人工智能和物联网正在深刻改变我们生活的方方面面。连接到网络的物联网设备数量正在以惊人的速度激增。根据国际数据公司(IDC)的数据，到2025年将有超过410亿台连接设备。随着连接设备数量的增加，回流到云端的数据量也会增加。最后，将所有这些数据抽回到云端进行处理并不是一个可扩展的模型。在云端处理所有这些数据会将网络带宽需求推向极限。现有数据中心发现难以保证传输速率和响应时间。我们必须在边缘做更多的数据处理。这是下一个未开发的前沿领域，它具有推动边缘计算领域业务发展的巨大潜力。将智能带到边缘数据是新的石油，但具有讽刺意味的是，尽管周围有数以千兆字节的物联网数据，但很少有公司能够从中提取价值。这是因为真正的价值在于通过理解可以预测未来趋势的模式来组合来自不同物联网设备的数据集。这就是边缘人工智能具有恢复数据真实价值的巨大潜力的地方。边缘需要更多的处理能力。这将使企业能够在边缘运行人工智能模型，为边缘带来更多智能。今天的许多边缘设备都具有内置的计算能力。许多物联网边缘设备都有GPU、TPU或VPU。例如，一些高端安全摄像头现在有GPU卡，这使它们能够在边缘本身运行基于AI的图像识别模型，而不是将所有高清视频发送回云端进行处理。将处理移动到边缘可确保更好的响应时间并减少带宽使用。举个真实的例子。在拥有1,000个支持边缘GPU的摄像头的石油和天然气炼油厂中，人们希望根据模型试图检测的位置和异常情况，在不同的摄像头节点上部署不同的AI模型。石油和天然气精炼厂内的红色区域是由于H2S气体泄漏而导致死亡的高概率区域。因此，进入红区的人员必须佩戴防护用品。聚焦红色区域的摄像头可以检测HSE违规情况，例如在没有紧急呼吸器(EBA)的情况下进入红色区域，并触发实时警报，从而挽救生命。边缘人工智能将有助于更好地利用我们的数据。边缘人工智能用途广泛，可应用于广泛领域，包括医疗保健中的患者监测、农作物健康状况评估、自然灾害期间识别和营救受伤人员等。在边缘管理AI生命周期在边缘运行AI模型必须经过深思熟虑。一旦将AI模型加载到边缘，就需要针对每种情况持续监控和优化其性能。物联网世界中边缘设备的异构性带来了一系列挑战。远程部署模型和监控边缘是另一个具有巨大潜力的大领域。必须有一个强大的机制来远程部署和微调AI模型性能模型。关注硬件的健康状况也很重要。持续监控这些模型的性能也是一项艰巨的任务。在边缘管理AI模型的持续部署、调试和微调也是很少有公司真正取得进展的领域。对于刚开始在边缘利用AI功能的企业，我建议牢记以下几点：选择能够为企业带来直接利益的合适用例非常重要。选择一个好的工具来自动化边缘服务的部署和监控过程。EclipseFoundation的ioFog项目正在这个领域掀起波澜。在选择边缘硬件时，请记住根据未来的需求和扩展硬件功能的能力制定三到五年的路线图。边缘安全边缘安全是另一个不容忽视的重要因素。将手柄靠近边缘会在边缘内部和周围施加更大的压力。边缘安全必须是一种多管齐下的策略，以保护硬件和软件堆栈。您需要警惕检测进入边缘网络的恶意节点。一旦检测到恶意节点，需要对其进行隔离，不允许其进入边缘网络。一种方法是使用硬件信任根来确保边缘计算系统的运行。具有运行时应用程序验证和授权功能，可防止流氓应用程序。从设备到云端的数据需要信任。完全控制数据流，确保数据只到达授权节点。总结AI的好处是下一个未开发的大金矿，具有为企业带来真正价值的巨大潜力。物联网世界边缘的人工智能将有助于以具有成本效益和低延迟的方式为企业提供智能实时决策。
