边缘需要多大的算力？多少内存和存储空间足以支持边缘AI？随着AI为需要更多更快处理、存储和内存的创新应用程序打开大门，最低要求继续增长。当今的内存和存储技术如何满足这些具有挑战性的新边缘应用的严格要求？我们所说的“边缘”是什么意思边缘包括任何分布式应用程序，其中某些处理发生在服务器外部，即使数据最终被发送到数据中心也是如此。其主要思想是避免将所有数据通过互联网发送到服务器进行处理，而是让数据在更靠近采集位置的地方进行处理，避免数据往返时间长带来的延迟问题，实现近乎实时的实时响应.边大致按服务器到端点的距离划分。所谓的近边缘可以包括靠近数据中心的应用程序，甚至可能在同一建筑物内。在自动驾驶汽车等应用中，这种趋势走向了另一个极端。重叠的特征是边缘系统处理传统上发送到数据中心的数据，这在许多行业都有实际应用。工业边缘的数据延迟和带宽在工业应用中，边缘计算机通常被设计为接收来自传感器或其他设备的输入并相应地对输入进行操作。例如，预防性维护获取声学、振动、温度或压力传感器读数并对其进行分析，以识别表明轻微机器故障的异常情况。在灾难性故障发生之前，机器可以立即或在需要时脱机进行维护。反应时间一定要快，但是数据量要低。然而，人工智能正在给这些边缘系统带来压力。AI对边缘处理负载的影响AI对计算机系统施加了不同的负载。AI工作负载需要更快的处理器、更多内存和强大的GPU。例如，AOI已广泛用于PCB检测，使用来自高速摄像机的视频馈送来识别缺失的组件和质量缺陷。事实上，类似的视觉检测技术正广泛应用于农业等不同行业，可用于识别产品中的缺陷和变色。在视频输入上执行复杂算法需要耗电GPU卡的并行处理能力、用于高效准确AI推理的更多内存以及用于附加数据的更多存储，但数据中心中已经存在这些。将数据中心的力量带到边缘从本质上讲，我们正在弥合边缘和数据中心之间的差距，以便在边缘处理AI任务。隐藏在温控数据中心的服务器拥有TB内存和大量存储空间，可以处理特定的大容量负载并保持系统快速运行。但当涉及到远离数据中心的推理时，情况就不同了。边缘计算机不喜欢这种田园诗般的环境，必须能够承受恶劣的环境。Edge需要硬件在考虑不太理想的条件的同时争取最高性能。边缘硬件在工业边缘添加AI需要适合该任务的硬件。能够处理极端温度、振动和空间限制的工业计算机是必须的。特别是，视觉系统需要三样东西，这是迄今为止最多产的AI应用，支持高效AI推理的内存，输入数据的存储，以及支持添加摄像头的PoE。最新的DDR5可以在更少的空间内获得更多的内存。它在边缘提供更高的内存容量，速度是DDR4的两倍，容量是DDR4的四倍，并且可以更有效地利用相同占用空间中的可用空间和资源。边缘应用需要扩容，因为数据必须到达服务器或者在边缘停留一段时间，所以需要SSD作为临时存储。从SATA到NVMe的转变为更高的速度和性能打开了大门，即将推出的NVMePCIeG4X4SSD是Cervoz产品线中的最新SSD，为这些应用提供工业性能。视觉系统需要相机。PoE+是将高速摄像机添加到系统的最简单、最有效的方式，可通过单根电缆提供电力和数据传输。Cervoz的PoE以太网模块化PCIe扩展卡通过小型电源插件增加了此功能。在边缘利用AI抢占先机对于希望获得优势的企业而言，工业计算与工业级内存和存储的结合提供了承受恶劣边缘环境的可靠性，以及实现下一代AI技术的无所不包的承诺在网络的边缘。所需的能力。
