邊緣智能：人工智能的下一波浪潮

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，全球擁有邊緣計算能力的AI設備的數(shù)量將以64.2%的年復合增長率增長。

邊緣數(shù)據(jù)計算，不需要網(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。

考慮到產(chǎn)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(jié)果?？紤]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的不斷變化，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(jié)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。跨各種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。