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。WKHednc

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。WKHednc

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。WKHednc

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。WKHednc

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。WKHednc

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。WKHednc

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。WKHednc

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。WKHednc

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。WKHednc

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。WKHednc

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。WKHednc

开发AI边缘的进步WKHednc

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)。WKHednc

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)。WKHednc

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。WKHednc

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。WKHednc

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。WKHednc

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。WKHednc

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 computingWKHednc

WKHednc

WKHednc

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”
  • Qorvo助力Murata推出小型UWB模块,有助于实现低功耗物联 Qorvo宣布,Murata采用Qorvo IC推出了小型超宽带技术(UWB)模块,尺寸仅为10.5mm x 8.3mm x 1.44mm。
  • IoT资产追踪设计时需要考虑的5大因素 对物联网(IoT)资产(如设备及其运输和库存)进行追踪,是一项不断发展的应用。对于许多行业(包括零售、制造、运输和维护)来说,了解资产是什么以及在什么位置,是实现商业智能化非常重要的一部分。如果能够设计出良好的资产追踪设备,物联网技术就可以让这些行业变得更加智能。
  • 标准化不足会制约物联网的发展吗? 标准化不足会阻碍物联网的发展吗?似乎不会。另外有两个因素更可能阻碍物联网的发展。在决定采用哪些标准时需慎重考虑一些问题,例如,哪些标准在技术上得到了很好的验证,并且看起来长期可行?哪些标准可提供更广泛的物 联网生态?哪些仅在今天适用,却不能满足未来发展?
  • 美国极端高温天气暴露物联网控制问题潜在痛点 恒温器开发人员必须确保用户可对其系统保留一定程度的控制。当能源公司提高恒温器设定后,用户可以使用装置的常规控制机制,简单地恢复其原始设置,实际上就是“选择退出”(opt-out)节电事件或至少可以撤销该特定事件⋯
  • 贯通产业上下游,打造协同创新生态!2021国际AIoT生态发展 ASPENCORE近几年一直致力于为电子产业链上下游企业打造一个值得信赖、务实、高效的专业交流平台,帮助企业提升品牌影响力,优化现有供应链,发掘新的技术合作伙伴,寻找新的投资商,增强国际和国内上下游企业之间的了解与合作。
  • 借双碳风口,易电储充赋能产业发展 7月27日,在“2021国际AIoT生态发展大会”下午的智能能源分论坛上,易事特副总裁吴代立带来题为“借双碳风口,易电储充赋能产业发展”的主题演讲。分享了在“双碳”目标的驱使下,易事特在光储充领域做的一些思考和实践。
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