广告

如何选择边缘AI设备

2021-07-29 11:03:05 Toby Mcclean,物联网技术与创新副总裁,凌华科技 阅读:
在帮助您确定边缘技术是否适合您的应用之后,本文将探讨购买边缘AI设备时应注意的主要功能和注意事项。

边缘计算在当下是最受关注的技术趋势之一。随着这一趋势的热度高涨,也许您认为是时候投资智能边缘技术,并发展物联网网络了。但是,在您决定采购新兴边缘设备之前,让我们先讨论一下到底何为边缘计算、边缘计算的作用以及您的应用是否能够受益于边缘技术。边缘计算可以大幅提升物联网网络的灵活度、速度和智能化程度,然而边缘AI设备并不是应对智能网络应用所有挑战的灵丹妙药。在帮助您确定边缘技术是否适合您的应用之后,本文将探讨购买边缘AI设备时应注意的主要功能和注意事项。An9ednc

何为边缘计算?

边缘计算将物联网带入了另一个阶段。在边缘处,原始数据能够实时转化为价值。通过在整个网络中重新分配数据处理工作,边缘计算使网络节点、端点和其他智能设备的重要性得以提升、管理得以完善。An9ednc

边缘计算可以说是云计算的反面。云计算时,数据中心将集中处理从分布式网络流入的数据,并将运算结果传输回分布式网络,以触发操作或实现更改。然而,远距离传输大量数据需要考虑金钱和时间成本,以及功率消耗。An9ednc

这正是边缘计算的用武之地:当功率、带宽和网络延迟问题至关重要时,边缘计算或是解决之道。应用集中式云计算时,数据在得到处理前可能需要传输数百公里,而边缘计算可以在抓取、创建或保存数据的同一网络边缘位置处理数据。这意味着边缘计算的处理延迟几乎可以忽略不计,对功耗和带宽的要求通常也会大幅降低。An9ednc

当今边缘计算发展的主要推动力之一是半导体制造商,因为半导体的进步能够让芯片在不大幅增加功耗的情况下提高处理能力。位于边缘的处理器可以在不消耗更多功率的情况下,对所获取的数据进行更多处理。这样一来,更多的数据就可以留在边缘,而无需传输到核心。因此,边缘计算不仅可以降低系统总功耗,还能缩短响应时间并更好地保护数据隐私。An9ednc

人工智能(AI)和机器学习(ML)等技术也受益于边缘计算:它们也需要在提高数据隐私安全性的同时降低数据获取成本,而这些都可以通过边缘处理来解决。传统上,AI和机器学习等技术需要海量资源才能运行,远非端点或智能设备通常可提供的量级。然而如今,硬件和软件的进步有可能把这些赋能技术嵌入到网络边缘更小型、资源更受限的设备中。An9ednc

评估边缘AI

在选择能够执行边缘处理并运行AI算法或机器学习推理引擎的平台前,必须进行仔细评估。简单的传感器和执行器,甚至需要在物联网中应用的传感器和执行器,都可以通过较小的集成设备来实现。提高边缘执行处理量需要一个更强大的平台,并应用高度并行化的架构。这通常意味着需要使用图形处理器(GPU),但是如果平台过于强大,也会给网络边缘有限的资源带来负担。An9ednc

此外,边缘设备从根本上来说是现实世界的一个接口,因此需要兼容一些如以太网、GPIO、CAN、串行和/或USB等常见接口技术,并支持如摄像头、键盘和显示器等外围设备。An9ednc

与环境因素可控的数据中心相比,边缘环境可能截然不同:边缘设备可能会暴露在极端的温度、湿度、振动,甚至高原环境中。这些因素将影响设备选择及其包装或安装的方式。An9ednc

还需考虑的另一重要方面是法规要求。任何使用射频(RF)进行通信的设备都会受到法规的管制,并且可能需要获得许可才能使用。某些平台能够“开箱即用”,但其他平台可能需要投入更多精力。平台一旦投入使用,就不太可能进行硬件升级,因此在设计平台时就应谨慎确定其处理能力、内存和存储,为将来的性能提升留出空间。An9ednc

这其中就包括软件升级。与硬件不同,软件更新部署在设备不在现场的情况下也可实现。如今,这种无线更新(OTA)方式非常普遍,未来大多边缘设备都可能支持OTA更新。An9ednc

要想选对解决方案,需要仔细评估以上所有要点,并符合应用的特定需求。设备是否需要处理视频数据或音频?它仅需要监测温度,还是也需要监测其他环境指标?它是否需要始终处于开启状态,还是会长时间休眠?它会被外部事件触发吗?上述大部分要求适用于部署在边缘的所有技术,但是随着客户对处理水平和产出的期望提高,需求清单也有必要随之扩展。An9ednc

边缘计算的优势

从技术上讲,现在AI和机器学习可以被应用于边缘设备和智能节点中,这将带来重大的机遇。这意味着处理引擎不仅离数据源更近,而且可以利用所收集的数据,开展更多的工作。An9ednc

边缘计算的优点着实不少。首先,它能够提高其使用数据的生产率或效率。其次,由于需要移动的数据较少,边缘计算能够简化网络架构。第三,它使设备与数据中心的邻近性变得不那么重要。如果数据中心位于城市中心并离执行任务的地点很近,那么最后一点似乎无足轻重,但是如果网络边缘位于如农场或水处理工厂等遥远的地点,边缘计算就会带来很大的不同。An9ednc

数据在互联网上飞速移动。当得知自己的搜索结果可能绕了地球两圈才显示在屏幕上,多数人可能会感到惊讶,因为总耗时可能只有几分之一秒,这对我们来说只是弹指瞬间。但是,对组成互联、智能且通常是自主的传感器和执行器和其他智能设备而言,每秒钟都像一小时。An9ednc

这种往返延迟是实时系统的制造商和开发者需要重视的问题。数据往返于数据中心的耗时并非无关紧要,也肯定不是瞬时的,而缩短延迟就是边缘计算的关键目标。边缘计算能够与5G等速度更快的网络整合。但需要注意的是,随着越来越多的设备上线,网络提速也将无法解决累积的网络延迟问题。An9ednc

据预测,到2030年,可能有多达500亿互联设备在线。如果每一台设备都需要通往数据中心的宽带,网络将一直堵塞。如果每台设备的操作都需要等待数据从上一阶段到达才能进行,总延迟很快就会变得非常明显。因此,边缘计算是缓解网络堵塞的唯一实用解决方案。An9ednc

然而,尽管大多数应用都需要边缘计算支持,但其优势仍很大程度上取决于应用本身。边缘计算定律将帮助工程团队确定边缘计算是否适合某些特定应用。An9ednc

边缘计算的四大定律

毋庸置疑,第一定律是物理定律。射频能量的优点是它能以光速传播,就像光纤网络中的光子一样。但缺点是它们无法更快速地传输。因此,如果射频能量的往返时间仍然较长,边缘计算可能更好的选择。An9ednc

Ping测试提供了一种简单的方法来测量数据包在两个网络端点之间传输所需的时间。在线游戏通常托管在多台服务器上,游戏玩家需要对服务器进行ping操作,直至找到延迟最小的服务器,以实现最快速的数据传输。由此可见,即使十分之一秒对于时间敏感型的数据也十分关键。An9ednc

网络延迟不只取决于传输机制。数据传输的两端都有编码器和解码器,物理层需要将电子转换为正在使用的某一能量形式,然后再将其转换回去。即使处理器以GHz级的速度运行,这一过程也需要时间,且移动的数据量越大,所需时间越长。An9ednc

第二定律是经济学定律。该定律相对更为灵活,但是随着对处理和存储资源的需求猛增,其可预测性也越来越差。利润本就微薄,如果在云中处理数据的成本突然上升,就可能造成亏损。An9ednc

云服务的成本包括购买或租用服务器、机架或刀片。成本高低可能取决于CPU内核数、所需的RAM或永久存储量、以及服务级别。相较于缺乏保障的服务,可以保障正常运营时间所需的服务成本会更高。网络带宽基本上是免费的,但是如果需要带宽始终保持某一标准,则将需要为此服务付费,在评估成本时需要考虑这一点。An9ednc

话虽如此,边缘数据处理的成本不会大幅波动。一旦支付了设备的初始成本,在边缘处理任何数量数据的额外成本几乎为零。An9ednc

数据有价值是由于其携带的信息。这就与第三定律有关,即土地定律。现在,任何捕获信息的人可能都需要遵守捕获数据所在区域的数据隐私法。这意味着即使您是数据设备的合法所有者,可能也不被允许跨地理边界传输该数据。An9ednc

相关规定包括欧盟数据保护指令、通用数据保护条例(GDPR)和亚太经济合作组织隐私框架。加拿大的《个人信息保护和电子文件法》符合欧盟的数据保护法,而美国的《安全港安排》也显示了类似的合规性。An9ednc

然而,边缘处理可以解决这一问题。通过在边缘处理数据,数据就无需离开设备。便携式消费设备的数据隐私变得越来越重要。手机上的面部识别使用本地AI来处理相机图像,因此数据永远不会离开设备。同样,闭路电视(CCTV)和其他安全监视系统使用摄像头来监控公共空间,图像通常需要经过基于云的数据服务器进行传输与处理,这就带来了数据隐私问题。通过边缘计算,数据就可在摄像头端直接处理,更快速安全,并有可能消除或简化对数据隐私措施的需求。An9ednc

最后,我们要考虑墨菲定律,即如果某些地方可能出错,那么它终将出错。当然,即使最精心设计的系统也总有可能出错。通过网络传输数据、在云端存储数据并在数据中心处理数据的整个过程中可能会出现许多故障,而边缘处理可以避免冗长过程中可能出现的故障。An9ednc

提出有关边缘计算的正确问题

即使您的应用能够受益于边缘处理技术,仍然有一些问题需要加以考量。以下是一些最为相关的问题:An9ednc

您的应用在哪种处理器架构上运行?将软件移植到不同的指令集上可能代价高昂并造成延迟,因此升级并不意味着要使用另一架构。An9ednc

您需要哪种I/O?这可以是任何数量的有线和/或无线接口。日后添加会导致效率低下,因此需要尽早确定。An9ednc

设备的运行环境如何?是极热、极冷还是两者兼而有之?火星任务是很好的“边缘处理”示例,其运行环境十分多变!An9ednc

您的硬件是否需要遵守法规或经过认证?答案几乎是肯定的,因此选择经过预认证的平台能够节省时间和成本。An9ednc

设备需要多大的功率?就单位成本和安装而言,系统功能非常昂贵,因此了解到底多少算“足够”非常重要。An9ednc

边缘设备是否受制于外形尺寸?与其他许多部署相比,这在边缘处理中更为重要,因此在设计周期的早期就应予以考虑。An9ednc

服务时长有多久? 设备将用于可能需要运行多年的工业应用,还是以月为单位衡量生命周期?An9ednc

就处理能力而言,系统性能要求是怎样的? 比如每秒的帧数?有哪些内存要求?应用使用什么语言?An9ednc

有成本方面的考量吗?这是一个棘手的问题,因为答案是肯定的,但是了解成本限制会有助于您做出选择。An9ednc

结论

边缘处理体现自物联网,但还不止于此。其驱动力来自于比实现上述互联设备更高的期望。在基本层面上,设备可能需要低功耗低成本,但是现在还需要提供更高级别的智能操作,并且不影响功耗和成本。An9ednc

选对技术合作伙伴,就能轻松选择合适的平台。凌华科技拥有广泛的边缘处理解决方案组合,并与众多提供互补技术的公司合作。欢迎加入边缘计算开发生态系统,我们将更好地助力您为AI应用选择合适的边缘计算平台。An9ednc

关于凌华科技

凌华科技(股票代号:6166)引领边缘计算,是AI人工智能驱动世界的推动者。我们制造并开发用于嵌入式、分布式与智能计算的边缘硬件与软件解决方案,全球超过1600家客户信任凌华科技,选择我们作为其关键任务的重要伙伴,从重症监护室的医疗计算机到全球第一辆高速自动驾驶赛车,都有我们的足迹。 An9ednc

凌华科技是英特尔、NVIDIA、AWS和SAS的重要合作伙伴,并加入了英特尔顾问委员会、ROS 2技术指导委员会以及Autoware自动驾驶开源基金会。我们积极参与了开源技术、机器人、自主化、物联网、5G等超过24个标准规范的制定,以驱动智能制造、网络通信、智能医疗、能源、国防军工、智能交通与信息娱乐等领域的创新。 An9ednc

凌华科技拥有1800多名员工和200多家合作伙伴。25年以来,我们秉持并推动当今和未来技术的发展,创新科技,转动世界。 An9ednc

请关注凌华科技LinkedIn,微信公众号(ADLINKTECH),或访问adlinktech.com.cn。An9ednc

  • 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”
  • 因眼睛小车主被辅助驾驶误判“开车睡觉”,小鹏、蔚来回 昨日,汽车博主@常岩CY 发博称自己突然上了热搜,原来就是因自己眼睛小被小鹏汽车自动驾驶误判“开车睡觉”,不住的发出提醒。此外,@常岩CY 称在多款车型上都收到此困扰。无论是红外还是摄像头,只要开始检测眼睛,就会判定过度疲劳。小鹏P7会提示他睡觉,蔚来ET7一开车就认为其疲劳和走神,岚图FREE会在冬天为了让其“别困”而打开冷风……
  • 国际象棋机器人Chessrobot夹断对手手指,意外还是设计缺 据悉,在7月19日的莫斯科国际象棋公开赛期间,一位7岁小男孩疑似因提前走子犯规手,意外被“对手”国际象棋机器人Chessrobot夹住手指,造成指骨骨折,该事件登上了热搜榜。该男孩是莫斯科9岁以下最强的30位棋手之一。
  • “智能家居”未来将可通过呼吸控制操作 凯斯西储大学的研究人员创造了一个简单的原型设备,使用户能够通过改变他们的呼吸模式来控制“智能家居”。这种自供电装置可放入鼻孔,并有可能提高行动不便或无法清晰说话的人的生活质量。如果个人呼吸困难,它也可以编程为医务人员提供自动警报。
  • 核酸采样机器人将取代“大白”?用了哪些技术保证采样准 取棉签、核酸采样、储存核酸采样管、设备消杀……动作精准流畅,今后给你核酸采样的可能不再是“大白”,而是机器人。EDN小编就带大家来看看,目前已被使用的核酸采样机器人有哪些?
  • 一个AI程序就可将手机电池增加30% 一项尖端的人工智能开发可以将智能手机的电池寿命延长 30%。这项应用则是利用 AI 分析正在使用的应用程序的 FPS 变化,并试图找到 CPU 和 GPU 处理器的最佳运行频率以适应变化,同时消耗设备中最少的功率和温度增益……
  • AI视觉芯片如何赋能两轮车出行? 6月29日,在由全球领先的专业电子机构媒体AspenCore和深圳市新一代信息通信产业集群联合主办的“2022国际AIoT生态发展大会-智慧两轮车分论坛”中,嘉楠科技副总裁汤炜伟以《勘智AI视觉芯,赋能智眼两轮行》为主题,向大家分享了嘉楠地芯片设计创新历程,及其RISCV架构AI芯片技术路线图,并以具体案例展示AI视觉芯片如何赋能两轮车出行。
  • 碎片化、成本高是难题,AIoT行业需要哪些改变? 作为AIoT的行业基石,物联网市场到2022年预计将达到 144 亿活跃连接。随着供应限制的缓解和增长的进一步加速,IoT Analytics 最新预测指出,到2025年全球将有大约 270 亿台联网物联网设备。中国物联网链接到2025年也将达到80亿。随着整个AIoT和IoT市场的快速成长与变化,我们将面临哪些风险和挑战?
  • 英特尔张宇:边缘AI有三个阶段,我们还处在山脚 在AspenCore举办的“2022国际AIoT生态发展大会”上,英特尔公司高级首席工程师、物联网事业部中国区首席技术官张宇博士通过视频方式分享了“边缘AI技术发展趋势与展望”主题演讲。
  • 世界上尺寸最大的芯片Wafer Scale Engine-2打破了在单 Cerebras公司售价数百万美元的“全球最大AI芯片”Wafer Scale Engine-2又有新消息,在基于单个Wafer Scale Engine-2芯片的CS-2系统上训练了世界上最大的拥有200亿参数的NLP(自然语言处理)人工智能模型。
  • 婴儿或可帮助解锁下一代人工智能 都柏林圣三一学院的神经科学家及其同事刚刚发布了改进人工智能的新指导原则,他们表示,婴儿可以帮助解锁下一代人工智能(AI)。
  • 日本要利用机器学习实现半导体研究自动化 新型薄半导体材料的开发需要对大量反射高能电子衍射(RHEED)数据进行定量分析,既耗时又需要专业知识。为了解决这个问题,东京理科大学的科学家们确定了可以帮助自动化 RHEED 数据分析的机器学习技术。他们的发现可以极大地加速半导体研究,并为更快、更节能的电子设备铺平道路。
  • 纯视觉自动驾驶更安全?美国交通部发布数据打脸特斯拉 特斯拉的纯视觉自动驾驶到底效果如何?真的如马斯克所说的:“通过摄像头和计算机网络让自动驾驶比人类驾驶更安全”吗?近日美国国家公路交通安全管理局发布了一份新的数据,颇有打脸特斯拉的意味。
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