什么是边缘 AI 和边缘计算？

边缘 AI 是人工智能领域中最值得注意的新领域之一，它旨在让人们在不担心隐私或数据传输延迟的情况下运行 AI 进程。边缘 AI 使得 AI 的使用更加广泛，让智能设备能够快速响应输入而无需访问云端。虽然这是边缘 AI 的快速定义，但让我们更深入地了解边缘 AI，通过探索使其成为可能的技术和查看边缘 AI 的一些用例。

什么是边缘计算？

为了真正理解边缘 AI，我们需要首先理解边缘计算，最好的理解边缘计算的方法是将其与云计算进行对比。云计算是通过互联网提供计算服务。相比之下，边缘计算系统不连接到云，而是运行在本地设备上。这些本地设备可以是专用的边缘计算服务器、局部设备，或物联网（IoT）。使用边缘计算有几个优势。例如，基于互联网/云的计算受到延迟和带宽的限制，而边缘计算则不受这些参数的限制。

什么是边缘 AI？

现在我们已经理解了边缘计算，我们可以看看边缘 AI。边缘 AI 结合了人工智能和边缘计算。AI 算法运行在能够进行边缘计算的设备上。这种方法的优势在于数据可以在实时处理，而无需连接到云端。

大多数最先进的 AI 进程都在云中执行，因为它们需要大量的计算能力。结果是这些 AI 进程可能容易出现停机时间。由于边缘 AI 系统运行在边缘计算设备上，因此必要的数据操作可以在本地执行，当建立互联网连接时发送，这样可以节省时间。深度学习算法可以在设备本身上运行，即数据的起源点。

边缘 AI 正变得越来越重要，因为越来越多的设备需要在无法访问云的场景中使用 AI。考虑一下有多少工厂机器人或汽车配备了计算机视觉算法。在这些情况下，数据传输的延迟可能是灾难性的。自动驾驶汽车在检测道路上的物体时不能出现延迟。由于快速响应时间非常重要，因此设备本身必须具有边缘 AI 系统，以便在不依赖云连接的情况下分析和分类图像。

当边缘计算机器被委托执行通常在云上执行的信息处理任务时，结果是实时低延迟、实时处理。另外，通过限制传输的数据仅为最重要的信息，数据量本身可以减少，通信中断可以最小化。

边缘 AI 和物联网

边缘 AI 与其他数字技术如 5G 和物联网（IoT）相互补充。IoT 可以为边缘 AI 系统生成数据，而 5G 技术对于边缘 AI 和 IoT 的持续发展至关重要。

物联网指的是通过互联网相互连接的各种智能设备。所有这些设备都生成数据，这些数据可以被边缘 AI 设备使用，边缘 AI 设备也可以作为数据在与云同步之前的临时存储单元。这种数据处理方法允许更大的灵活性。

第五代移动网络 5G 对于边缘 AI 和物联网的发展至关重要。5G 能够以更高的速度传输数据，最高可达 20Gbps，而 4G 只能以 1Gbps 的速度传输数据。5G 还支持比 4G 更多的同时连接（每平方公里 1,000,000 个连接 vs. 100,000 个连接）和更好的延迟速度（1ms vs. 10ms）。这些优势对于 IoT 的增长至关重要，因为数据量也会增长，传输速度会受到影响。5G 允许更多设备之间进行交互，其中许多设备可以配备边缘 AI。

边缘 AI 的用例

边缘 AI 的用例包括几乎所有数据处理更高效地在本地设备上执行而不是在云上的情况。然而，边缘 AI 的一些最常见的用例包括 自动驾驶汽车、自动驾驶无人机、面部识别 和 数字助手。

自动驾驶汽车是边缘 AI 的一个最相关的用例。自动驾驶汽车必须不断扫描周围环境并评估情况，根据附近的事件对其轨迹进行调整。实时数据处理对于这些情况至关重要，因此其上的边缘 AI 系统负责数据存储、操作和分析。边缘 AI 系统对于将第 3 级和第 4 级（完全自动驾驶）汽车推向市场至关重要。

由于自动驾驶无人机不受人类操作员的控制，因此它们与自动驾驶汽车有相似的要求。如果无人机在飞行中失去控制或发生故障，它可能会坠毁并造成财产或生命损失。无人机可能会飞到离互联网接入点很远的地方，因此它们必须具备边缘 AI 能力。边缘 AI 系统对于像亚马逊 Prime Air 这样的服务至关重要，该服务旨在通过无人机交付包裹。

边缘 AI 的另一个用例是面部识别系统。面部识别系统依赖于计算机视觉算法，分析由摄像头收集的数据。用于安全等任务的面部识别应用程序必须即使在没有云连接的情况下也能可靠地运行。

数字助手也是边缘 AI 的一个常见用例。数字助手，如 Google Assistant、Alexa 和 Siri，必须能够在智能手机和其他数字设备上运行，即使它们不连接到互联网。当设备上处理数据时，无需将其传递到云端，这有助于减少流量并确保隐私。