為什么邊緣計算和人工智能策略必須互補

許多企業(yè)已經(jīng)開始探索邊緣計算用例，因為可以將計算能力推向更靠近數(shù)據(jù)源和更靠近終端用戶。同時，可能正在探索或?qū)嵤┤斯ぶ悄芑驒C器學習，也已經(jīng)認識到自動化的發(fā)現(xiàn)和獲得數(shù)據(jù)驅(qū)動的洞察力。但如果不積極地將邊緣戰(zhàn)略和人工智能策略結(jié)合起來，那么就會錯過變革的可能性。

人工智能領(lǐng)域的涉足有明顯的跡象表明，邊緣分析和數(shù)據(jù)分析正在融合。根據(jù)數(shù)據(jù)表明，到2025年，邊緣數(shù)據(jù)的創(chuàng)建將增加33%，占數(shù)據(jù)的五分之一以上，到2023年，數(shù)據(jù)分析專業(yè)人士將把超過50%的精力放在創(chuàng)建和分析邊緣數(shù)據(jù)上。邊緣解決方案對實現(xiàn)企業(yè)的使命非?；驑O其重要。78%的領(lǐng)導者認為邊緣對AI和ML的影響最大。傳統(tǒng)上，企業(yè)需要將遠程數(shù)據(jù)傳輸?shù)綌?shù)據(jù)中心或商業(yè)云，以執(zhí)行分析和提取價值。這在邊緣環(huán)境中可能具有挑戰(zhàn)性，因為數(shù)據(jù)量的增加、網(wǎng)絡(luò)訪問受限或沒有網(wǎng)絡(luò)訪問，以及對實時更快決策的需求不斷增加。但今天，增強的小容量芯片組、高密度計算和存儲以及網(wǎng)狀網(wǎng)絡(luò)技術(shù)的可用性，為企業(yè)部署人工智能工作負載、更接近數(shù)據(jù)生產(chǎn)源奠定了基礎(chǔ)。邊緣人工智能入門要啟用邊緣人工智能用例，請確定近實時數(shù)據(jù)決策在哪些方面，可以顯著增強用戶體驗并實現(xiàn)任務(wù)目標。我們看到越來越多的邊緣用例集中在下一代飛行套件上，以支持執(zhí)法、網(wǎng)絡(luò)安全和健康調(diào)查。調(diào)查人員曾經(jīng)收集數(shù)據(jù)用于后續(xù)處理，新的部署套件包括先進的工具，用于現(xiàn)場處理和探索數(shù)據(jù)。接下來，確定傳輸大量邊緣數(shù)據(jù)的位置。如果可以在遠程位置處理數(shù)據(jù)，那么只需要傳輸結(jié)果。通過只移動一小部分數(shù)據(jù)，您可以釋放帶寬，降低成本，并更快地做出決策。利用松散耦合的邊緣組件來實現(xiàn)必要的計算能力。單個傳感器無法執(zhí)行處理。但是高速網(wǎng)狀網(wǎng)絡(luò)允許連接節(jié)點，其中一些處理數(shù)據(jù)收集，以及其他處理等等。甚至可以在邊緣重新訓練ML模型，以確保持續(xù)的預測精度。遠程人工智能的基礎(chǔ)設(shè)施即代碼邊緣人工智能的最佳實踐是基礎(chǔ)設(shè)施代碼?；A(chǔ)設(shè)施代碼允許通過配置文件，而不是通過物理硬件來管理網(wǎng)絡(luò)和安全配置。使用基礎(chǔ)設(shè)施代碼，配置文件包括基礎(chǔ)結(jié)構(gòu)規(guī)范，使更改和分發(fā)配置變得更容易，并確保一致地提供環(huán)境。還可以考慮使用微服務(wù)，并在其中運行它們，并利用開發(fā)ops功能，如CI/CD管道、giitops等在邊緣上將ML模型的迭代部署自動化到生產(chǎn)環(huán)境中，并提供編寫一次代碼在任何地方使用它的靈活性。我們應(yīng)該尋求在邊緣和核心使用一致的技術(shù)和工具。通過這種方式，可以不需要專門的專業(yè)知識，避免一次性的問題，并且可以更容易地擴展?，F(xiàn)實世界及其他中的邊緣人工智能從軍隊到執(zhí)法部門，再到管理關(guān)鍵基礎(chǔ)設(shè)施的機構(gòu)，都在邊緣執(zhí)行人工智能。例如國際空間站。國際空間站包括一個進行研究和運行實驗的現(xiàn)場實驗室。在一個例子中，科學家們專注于在國際空間站上發(fā)現(xiàn)的微生物的DNA基因組測序。基因組測序產(chǎn)生了大量的數(shù)據(jù)，但科學家只需要分析其中的一部分。在過去，國際空間站將所有數(shù)據(jù)傳輸?shù)降孛嬲具M行集中處理，通常每個序列有許多tb的數(shù)據(jù)。在過渡傳輸速率下，數(shù)據(jù)可能需要數(shù)周才能到達地球上的科學家手中。但是利用邊緣和人工智能的力量，研究是在國際空間站上直接完成的，只把結(jié)果傳送到地面?，F(xiàn)在可以在同一天進行分析。

生成海報

免責聲明：本網(wǎng)站內(nèi)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(guān)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(guān)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(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)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(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。