广告

AI如何改变边缘计算的未来

2019-07-31 John Koon 阅读:
AI如何改变边缘计算的未来
每个物联网设备都会持续收集数据,因此需要快速分析,达到实时决策,特别是对于自动驾驶汽车、电网、远程手术、石油钻井平台,甚至军用无人机等应用。

据Statista称,随着物联网(IoT)设备(如移动电话、虚拟助手、笔记本电脑、平板电脑、楼宇传感器、无人机、安全摄像头和可穿戴健康传感器)的数量到2025年有望超过700亿部,边缘计算应用也将增加。据Tratica称,全球人工智能(AI)边缘设备的数量预计将从2018年的1.614亿部激增到2025年的26亿部。85jednc

物联网设备在许多领域应用多种多样,例如零售、医疗保健、工业、航空航天、国防、运输、设施维护、能源、制造、供应链物流和智能城市等。每个物联网设备都会持续收集数据,因此需要快速分析,达到实时决策,特别是对于自动驾驶汽车、电网、远程手术、石油钻井平台,甚至军用无人机等应用。85jednc

物联网设备的边缘计算与云计算对比

传统上,云计算是物联网设备分析和预测的模型。在中央云计算模型中,数据从最终用户设备(“边缘”)发送到云端进行分析,然后云端再将决策回传到设备进行实施。虽然中央计算模型中的数据中心具有处理和存储数据的巨大能力,但它们的维护成本高昂且耗电量巨大。85jednc

边缘和云之间的数据传输不仅昂贵,而且耗时并且会产生延迟(滞后时间)。此外,数据传输所需的能量会超过低功耗无线物联网设备所能支持的能量。而且从后勤、运营或财务上来说,当所收集的信息中只有小部分可能有用时,它也没有必要将所有的数据都传到云端。最后,数据传输可能对数据完整性和安全性产生不利影响。85jednc

相比之下,边缘计算可以在物联网设备上收集和分析数据,进行快速推理(或决策制定)。然后可以只将少量有用的数据传送到云端。边缘计算提供了几个优点。由于无需将数据从物联网设备传送到云端,因此其延迟时间、带宽消耗和成本将会很低,并且可以根据数据分析快速做出决策。85jednc

此外,即使系统处于离线状态,边缘计算也可以持续运行,并且即时数据处理可以更轻松地确定应将哪些数据传送到云,以便再做分析。85jednc

开发AI边缘的挑战

虽然将AI与边缘计算相结合很有意义,但硬件和AI软件组件面临着多重挑战。85jednc

第一个挑战是处理和功耗。AI包括训练和推理软件。训练会教授模型识别相关参数,以便它可以解释数据。推理是指模型根据学习进行预测。85jednc

在云计算方面,高耗电的训练是在云端进行,然后再将训练过的软件部署到边缘,用于相对低功耗的预测(或推理)任务。在边缘计算方面,训练转到边缘,因而对边缘硬件的处理能力提出了更高的要求。对于物联网设备而言,这种能耗增加带来了更大的问题,需要重新平衡处理能力和功耗需求的关系。85jednc

由于边缘设备会保留大部分数据而仅将小部分传送到云,数据存储和安全是第二个挑战。此外,设备需要为学习和推理存储相关参数。第三个挑战是物联网设备的数量庞大并且目前缺乏安全标准。85jednc

因此,技术公司需要开发处理能力更高、功耗更低的硬件,以及可更有效地执行学习和推理的软件。此外,物联网的应用与特定的场景和行业相关,因此需要有强大生态系统和开发者环境进行定制。85jednc

开发AI边缘的进步85jednc

专注于物联网边缘硬件的大中小型公司包括BrainChip(Akida神经形态SoC)、CEVA(NeuPro系列)、谷歌(Edge TPU)、GreenWave(AI处理器GAP8)、华为(昇腾芯片) 、英特尔(至强)、英伟达(Jetson TX2)、高通(视觉智能平台)和意法半导体(STM32微控制器)。85jednc

小型公司倾向于关注物联网边缘软件。有些公司专注于Ekkono、FogHorn和Swim(一种基于云的POS)等学习,而其他公司则主要针对瑞萨(e-AI)等推理。许多公司还开发具有这两种功能的软件,例如亚马逊(AWS Greengrass机器学习推理模型)、BrainChip(Studio软件)、谷歌(Cloud IoT Edge)、华为(Atlas平台)和IBM(Watson IoT平台)。85jednc

大型科技公司则处于构建生态系统的最佳位置,而使开发人员能够创建特定行业和场景的解决方案。这些公司包括谷歌(AI平台)、华为(MindSpore)、IBM(Watson)、英特尔(AI开发人员计划)和微软(Azure),以及IoT Hub、Azure Databricks、ML Studio和Power BI等企业级IoT模块。85jednc

然而,有一些较小的公司正在创建生态系统,例如BrainChip的Akida开发环境。此外,开放雾联盟(OpenFog Consortium)等贸易集团,以及包括Living Edge Lab、ETSI多访问边缘计算和EdgeX Foundry在内的开源项目,也都在为生态系统做出贡献。此外,包括高通、微软和英特尔在内的领先企业在行业内进行了大量合作,它们正在与各行各业的合作伙伴合作。85jednc

本文小结

借助专门的硬件、软件和开发人员环境,边缘计算可以提高运营的可靠性,实现实时预测并提高数据安全。5G有望降低延迟、增强覆盖和响应能力,量子计算可以加速计算,因此有望增进边缘计算的效率。85jednc

然而,跨边缘设备网络有效分配处理需求将会是个挑战。此外,高效任务调度对于避免系统故障和优化机器学习来说也至关重要。未来,预计将会出现更强大的处理芯片并且其功耗要求更低,到那时,基于AI的边缘计算将会真正大显身手。85jednc

本文为《电子技术设计》2019年7月刊杂志文章。原文链接:How AI changes the future of edge computing85jednc

85jednc

85jednc

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
  • Digi-Key Electronics 宣布与 ArkX Laboratories Digi-Key Electronics 日前宣布与 ArkX Laboratories 达成牢固的全球分销合作关系,销售其高级远场语音采集 AFE 模块和支持语音的物联网产品开发套件。
  • Silicon Labs将专注成为物联网智能、无线连接的领导 – 公司宣布就出售基础设施和汽车业务达成协议 –
  • 如何使AIoT设备更安全? 从无关紧要的应用(例如找停车位),到最重要应用(例如安全与健康),这些AIoT技术可以从根本上提高我们的生活质量,提供更高的便利性和效率。但是,很多应用的安全性都受到极大的威胁。如何才能使AIoT设备更安全?
  • 展锐发布Cat.1bis新技术特性,拓展更广泛物联网应用场景 紫光展锐在4月20号举行的创见未来大会上,公布了一系列Cat.1bis新技术特性:为更好满足当前物联网应用部署中的关键需求而进行的技术升级、为进一步拓宽应用场景而做的场景专属优化等,包括eDRX/PSM特性、覆盖增强特性、BT特性、专业对讲、升级增强、海外特性等
  • 紫光展锐:大破大立 做数字世界的生态承载者  4月20日,以“构go”为主题的2021紫光展锐创见未来大会在线上举行。会上,展锐重磅发布了5G业务新品牌——唐古拉系列,推出了Cat.1bis新技术特性,并分享了创新业务AR领域的最新商用进展。
  • 详解华为“八爪鱼”的六大关键特性 “华为八爪鱼”指的是华为自动驾驶云服务HUAWEI Octopus,它是基于自动驾驶最核心的硬件:数据、高精地图、算法,构建一套数据驱动闭环的开放平台。相较OTT云服务及传统工具,华为这只“八爪鱼”到底有哪些特殊之处。
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了