隨著人工智能和機(jī)器學(xué)習(xí)（ML）的采用率上升，以算法形式處理大量數(shù)據(jù)以實(shí)現(xiàn)計(jì)算目的的能力變得越來(lái)越重要。為了讓數(shù)十億連接設(shè)備之間的數(shù)據(jù)應(yīng)用程序的使用變得更高效、更有價(jià)值，將處理從集中的第三方云服務(wù)器遷移到分散的、本地化的設(shè)備上處理（通常稱為邊緣計(jì)算）的趨勢(shì)越來(lái)越強(qiáng)。根據(jù)SARInsight＆Consulting的最新AI／ML嵌入式芯片數(shù)據(jù)庫(kù)，在2019－2024年期間，在2019－2024年期間，全球擁有邊緣計(jì)算能力的AI設(shè)備的數(shù)量將以64．2％的復(fù)合年增長(zhǎng)率增長(zhǎng)。
邊緣數(shù)據(jù)計(jì)算，不需要需網(wǎng)絡(luò)
EdgeAI采用算法并盡可能接近物理系統(tǒng)處理數(shù)據(jù)－在這種情況下，是在硬件設(shè)備上本地進(jìn)行的。優(yōu)點(diǎn)是數(shù)據(jù)處理不需要連接。數(shù)據(jù)的計(jì)算發(fā)生在開(kāi)發(fā)數(shù)據(jù)的網(wǎng)絡(luò)邊緣附近，而不是在集中式數(shù)據(jù)處理中心。對(duì)于設(shè)備、技術(shù)和組件供應(yīng)商來(lái)說(shuō)，在邊緣處理能夠和應(yīng)該完成的處理之間確定適當(dāng)?shù)钠胶鈱⒊蔀樽钪匾臎Q策之一。
提出的邊緣計(jì)算參考體系結(jié)構(gòu)模型（圖片：歐洲邊緣計(jì)算聯(lián)盟）
考慮到產(chǎn)生深度學(xué)習(xí)預(yù)測(cè)模型的訓(xùn)練和推理引擎，邊緣處理通常需要Intel、高通、Nvidia和Google等供應(yīng)商提供的x86或Arm處理器。AI加速器；以及處理高達(dá)2．5GHz、10到14核速度的能力。
時(shí)間敏感型應(yīng)用程序的實(shí)時(shí)結(jié)果
考慮到不斷擴(kuò)大的市場(chǎng)以及對(duì)計(jì)算數(shù)據(jù)和能力的不斷擴(kuò)大的服務(wù)和應(yīng)用需求，有幾個(gè)因素和好處推動(dòng)了邊緣計(jì)算的增長(zhǎng)。由于對(duì)可靠、適應(yīng)性強(qiáng)和上下文信息的需求不斷變化，大部分?jǐn)?shù)據(jù)都在本地遷移到設(shè)備上處理，從而提高了性能和響應(yīng)時(shí)間（不到幾毫秒）、更低的延遲、更高的電源效率，因?yàn)閿?shù)據(jù)保留在設(shè)備上，所以提高了安全性，并且由于數(shù)據(jù)中心傳輸被最小化而節(jié)省了成本。
邊緣計(jì)算的最大好處之一就是能夠確保對(duì)時(shí)間敏感的實(shí)時(shí)結(jié)果。在許多情況下，可以直接收集、分析和通信傳感器數(shù)據(jù)，而不必將數(shù)據(jù)發(fā)送到時(shí)間敏感的云中心。跨各種邊緣設(shè)備的可伸縮性有助于加快本地決策的速度。提供即時(shí)可靠數(shù)據(jù)的能力可建立信心，增加客戶參與度，并在許多情況下可挽救生命。想想所有的行業(yè)——家庭安全、航空航天、汽車、智能城市、醫(yī)療保健——即時(shí)診斷和設(shè)備性能的解釋是至關(guān)重要的。
人工智能優(yōu)勢(shì)發(fā)展
像亞馬遜、谷歌、蘋(píng)果、寶馬、大眾、特斯拉、空客、弗勞恩霍夫、沃達(dá)豐、德國(guó)電信、愛(ài)立信和Harting這樣的創(chuàng)新型企業(yè)現(xiàn)在都在接受并對(duì)沖它們?cè)?a href="http://m.ygpos.cn/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD_1.html" target="_blank" class="keylink">人工智能方面的押注。其中一些公司正在組建行業(yè)協(xié)會(huì)，如歐洲邊緣計(jì)算聯(lián)盟（EECC），以幫助教育和激勵(lì)中小型和大型企業(yè)推動(dòng)邊緣計(jì)算在制造業(yè)和其他工業(yè)市場(chǎng)的應(yīng)用。
EECC倡議的目標(biāo)包括指定邊緣計(jì)算的參考體系結(jié)構(gòu)模型、開(kāi)發(fā)參考技術(shù)棧（EECC邊緣節(jié)點(diǎn)）、通過(guò)評(píng)估多種方案中的方法來(lái)確定差距和推薦最佳做法，以及與相關(guān)倡議／標(biāo)準(zhǔn)化組織同步。
從邊緣往下看
人工智能和機(jī)器學(xué)習(xí)的進(jìn)步為創(chuàng)造智能設(shè)備提供了大量的機(jī)會(huì)，這些設(shè)備能夠感知周圍的環(huán)境。對(duì)智能機(jī)器的需求將受益于多感官數(shù)據(jù)的增長(zhǎng)，這些數(shù)據(jù)可以以更高的精度和性能進(jìn)行計(jì)算。邊緣計(jì)算提供了一個(gè)機(jī)會(huì)，讓人工智能數(shù)據(jù)在幾乎所有行業(yè)都能轉(zhuǎn)化為實(shí)時(shí)價(jià)值。智能優(yōu)勢(shì)是人工智能技術(shù)發(fā)展和成功的下一個(gè)階段。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
