通过利用边缘计算构建智能空间

在一个日益复杂的世界中，自动化和提高物理空间的运营效率和安全性的需求前所未有。无论是简化零售体验，解决我们不断增长的城市的交通拥堵问题，还是提高我们工厂的生产率，人工智能和边缘计算的能力都至关重要。

摄像机是最重要的物联网传感器之一。全世界部署了大约 10 亿台摄像机，它们产生了大量数据，当与人工智能感知和推理相结合时，这些数据是将普通区域转变为智能空间的关键。

随着物联网传感器数量的增加，在远程边缘位置生成更多数据。从边缘传感器向数据中心发送数据的成本极高。然而，数据移动对于 AI 应用程序的成功运行至关重要，这意味着这些应用程序在通过云处理时容易受到高成本和延迟的影响。在每秒都很重要的情况下，将数据发送到数据中心并不理想，例如管理实时流量或处理医疗紧急情况。

这让我们想到 边缘计算 ，一种分布式计算模型，允许在收集和分析数据的传感器附近进行计算。

Edge computing 是为 Edge AI 提供动力的技术， Edge AI 是一种利用深度学习算法处理传感器数据的体系结构，该算法靠近生成数据的传感器。 Edge AI 使任何设备或计算机能够以最小的延迟实时处理数据和做出决策。因此，，边缘计算对于需要低延迟以实现快速响应的实时应用程序至关重要。例如，在铁路线上发现障碍物，在快速移动的装配线上检查缺陷，或者在医院检测患者跌倒。

通过使人工智能处理任务更接近源，边缘计算克服了云计算可能出现的问题，如高延迟和安全性受损。边缘计算的一些优点是：

减少延迟： 将人工智能和计算能力带到数据生成的地方，而不是收集数据并将数据上传到数据中心，从而最大限度地减少延迟。这种响应能力对于实时应用程序的成功执行至关重要。

加强安全： 允许在本地处理数据减少了通过网络发送敏感数据的需要。使用边缘计算，数据不需要离开传感器，从而使数据保持私密性成为可能。

尽量减少开支： 将人工智能处理移动到边缘是经济高效的。实体只需要将高价值数据发送到数据中心，并在本地处理所有其他数据—节省与带宽和数据存储相关的成本。

增强范围： 无需 internet 访问即可处理数据，使应用程序能够在以前无法访问的远程位置运行。

智能城市边缘计算用例

城市、校园和购物中心是许多已经开始在边缘使用人工智能将自己转变为智能空间的地方中的几个。从交通管理到城市规划，这些实体正在使用人工智能使其空间更加高效、方便和安全。

以下示例说明了如何使用边缘计算在世界各地转换操作和提高安全性。

减少交通挤塞

Nota 开发了一种实时交通控制解决方案，该解决方案使用边缘计算和计算机视觉来识别交通量、分析拥堵并优化交叉口的交通信号控制。 Nota 的解决方案被城市用于改善交通流，节省交通拥堵相关成本，并最大限度地减少驾驶员在交通中花费的时间。

评估和避免城市中的操作危险

Viisights 帮助管理以色列城市内的运营。 Viisights 的边缘计算应用程序帮助城市官员识别和管理人口密集地区的事件。它对行为的实时检测有助于官员预测事件的发展速度，并确定是否有理由发出警报或需要采取行动。

改革零售业

许多零售商店和配送中心使用边缘计算和计算机视觉为零售商带来实时洞察力，使他们能够保护自己的资产并优化配送系统流程。这项技术可以帮助零售商以提高零售商净利润率的效率发展其高端产品线。

在海滩拯救生命

Sightbit 开发了一个图像检测应用程序，帮助识别海滩上的危险。在这些生死攸关的情况下，速度是非常关键的，这就是为什么在边缘进行处理。该系统检测潜在的危险，如急流，或危险的海洋条件，允许当局制定救生程序。

提高航空公司和机场运营效率

世界各地的机场正在与 ASSAIA 合作，使用 edge 计算来缩短周转时间并减少延误。 ASSAIA 的人工智能视频分析应用程序提供了一些见解，帮助航空公司和机场在容量、可持续性和安全性方面做出更好、更快的决策。

关于作者：About Debraj Sinha

Debraj Sinha 是 NVIDIA Metropolis 的产品营销经理，专注于通过支持 AI 的视频分析在全球打造更智能的空间。 Debraj 与从初创企业到财富 500 强企业，再到推动安全和效率提升的人工智能应用市场等合作伙伴展开合作。他拥有加利福尼亚大学哈斯商学院工商管理硕士学位，伯克利，康奈尔大学计算机科学硕士学位。

审核编辑：郭婷