隨著人工智能和機器學習（ML）的采用率上升，以算法形式處理大量數(shù)據(jù)以實現(xiàn)計算目的的能力變得越來越重要。為了讓數(shù)十億連接設備之間的數(shù)據(jù)應用程序的使用變得更高效、更有價值，將處理從集中的第三方云服務器遷移到分散的、本地化的設備上處理（通常稱為邊緣計算）的趨勢越來越強。根據(jù)SARInsight＆Consulting的最新AI／ML嵌入式芯片數(shù)據(jù)庫，在2019－2024年期間，在2019－2024年期間，全球擁有邊緣計算能力的AI設備的數(shù)量將以64．2％的復合年增長率增長。
邊緣數(shù)據(jù)計算，不需要需網(wǎng)絡
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，是在硬件設備上本地進行的。優(yōu)點是數(shù)據(jù)處理不需要連接。數(shù)據(jù)的計算發(fā)生在開發(fā)數(shù)據(jù)的網(wǎng)絡邊緣附近，而不是在集中式數(shù)據(jù)處理中心。對于設備、技術和組件供應商來說，在邊緣處理能夠和應該完成的處理之間確定適當?shù)钠胶鈱⒊蔀樽钪匾臎Q策之一。
提出的邊緣計算參考體系結構模型（圖片：歐洲邊緣計算聯(lián)盟）
考慮到產生深度學習預測模型的訓練和推理引擎，邊緣處理通常需要Intel、高通、Nvidia和Google等供應商提供的x86或Arm處理器。AI加速器；以及處理高達2．5GHz、10到14核速度的能力。
時間敏感型應用程序的實時結果
考慮到不斷擴大的市場以及對計算數(shù)據(jù)和能力的不斷擴大的服務和應用需求，有幾個因素和好處推動了邊緣計算的增長。由于對可靠、適應性強和上下文信息的需求不斷變化，大部分數(shù)據(jù)都在本地遷移到設備上處理，從而提高了性能和響應時間（不到幾毫秒）、更低的延遲、更高的電源效率，因為數(shù)據(jù)保留在設備上，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。
邊緣計算的最大好處之一就是能夠確保對時間敏感的實時結果。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)送到時間敏感的云中心?？绺鞣N邊緣設備的可伸縮性有助于加快本地決策的速度。提供即時可靠數(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——即時診斷和設備性能的解釋是至關重要的。
人工智能優(yōu)勢發(fā)展
像亞馬遜、谷歌、蘋果、寶馬、大眾、特斯拉、空客、弗勞恩霍夫、沃達豐、德國電信、愛立信和Harting這樣的創(chuàng)新型企業(yè)現(xiàn)在都在接受并對沖它們在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，如歐洲邊緣計算聯(lián)盟（EECC），以幫助教育和激勵中小型和大型企業(yè)推動邊緣計算在制造業(yè)和其他工業(yè)市場的應用。
EECC倡議的目標包括指定邊緣計算的參考體系結構模型、開發(fā)參考技術棧（EECC邊緣節(jié)點）、通過評估多種方案中的方法來確定差距和推薦最佳做法，以及與相關倡議／標準化組織同步。
從邊緣往下看
人工智能和機器學習的進步為創(chuàng)造智能設備提供了大量的機會，這些設備能夠感知周圍的環(huán)境。對智能機器的需求將受益于多感官數(shù)據(jù)的增長，這些數(shù)據(jù)可以以更高的精度和性能進行計算。邊緣計算提供了一個機會，讓人工智能數(shù)據(jù)在幾乎所有行業(yè)都能轉化為實時價值。智能優(yōu)勢是人工智能技術發(fā)展和成功的下一個階段。
（免責聲明：本網(wǎng)站內容主要來自原創(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確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
