边缘AI的应用前景和未来趋势-电子发烧友网

电子发烧友网报道（文/李弯弯）因为算力要求高，最初的AI都从云端智能开始，数据必须上传至云端处理。而随后的发展过程中，产生了用户体验和数据隐私方面的问题。边缘AI能够大大减小延时问题，并且对于网络环境的要求较为宽松，极大地提升了用户体验。

另外从技术发展方面看，芯片和软件技术的迭代一定程度推动了边缘AI的发展。过去芯片的算力无法满足边缘AI应用，同时软件配置通常是利用专家系统或者是基本机器学习系统来实现AI功能。但是现在随着深度学习软件上的发展，以及高算力、低功耗的边缘处理器的普及，边缘AI在技术支持层面也得到了更好的发展。

边缘AI应用领域广泛

边缘AI运行在边缘设备上，具体来说，有很多需要大数据量，计算实时性比较高，不需要将数据上传云端来计算的场景，比如智能驾驶、智能工厂以及与安防结合的交通管理等。也可以把边缘AI的应用理解为是在某个范围内，一辆汽车、一列火车、一个工厂或一个商店。在这个范围内，有一些实时的AI决策及处理需求被满足。

相较于云端的AI，边缘AI数据安全性更高，功耗更低，时延更短，可靠性更高，带宽需求更低，还可以更大限度的利用数据，以及进一步缩减数据处理成本。

边缘AI的应用领域非常广泛，包括智能家居、智慧交通、餐厅送餐机器人、新零售应用、AR/VR/元宇宙、机器人编程、智慧工业/物流/金融等。尤其是边缘AI视觉，具体来看，常用的技术包括图像分类、目标检测、语义分割、实例分割等。

当前，虽然云端仍然是AI芯片的主要细分应用领域，不过AI芯片正在从云端向边缘端发展。数据显示，预计到2025年，边缘AI芯片市场的收入将达到122亿美元，云端AI芯片市场的收入达119亿美元，边缘AI芯片市场将超过云端。

IBM此前在一项研究中表明，94%的受访高管表示他们的企业机构将在未来五年内部署边缘计算。从智能医院、智慧城市到无人商店、自动驾驶汽车，现在这个社会比以往任何时候都更加需要边缘AI。物流问题、工人短缺、通货膨胀和疫情所造成的不确定性正困扰着企业。边缘AI可以作为人与机器之间的桥梁，实现预测、工人分配、产品设计和物流的改进。

边缘AI未来的发展趋势

此前有机构预测，未来几年，边缘AI的增长主要来源于物联网、5G网络覆盖对更快计算速度的需求，以及其他一些因素。那么边缘AI未来有怎样的发展趋势呢？

边缘与工业物联网解决方案的融合是一个趋势，智能工厂是一个由边缘AI应用推动领域，Gartner此前在报告中指出，到2027年，深度学习形式的机器学习将被加入到65%以上的边缘用例中，而这一比例在2021年还不到10%。

英伟达此前谈到，工厂可以将AI应用添加到摄像头和其他传感器上，以便进行检测和预测性维护。但检测仅仅是第一步，一旦发现问题，就必须采取行动。AI应用能够检测到异常情况或缺陷，然后提醒人类进行干预。但对于安全应用和其他需要即时行动的用例而言，只需将AI推理应用与管理装配线、机械臂或取放机的物联网平台相连接，就能实现实时响应。

这些应用之间的集成依靠自定义开发工作。因此，预计AI和传统物联网管理平台之间会建立更多的合作关系，来简化工业环境中边缘AI的采用。

另外采用AI-on-5G应用的企业会日益增加。AI-on-5G组合式计算基础架构提供了一个安全、高性能的连接结构，该结构可以集成现场、本地或云端的传感器、计算平台和AI应用。其主要优点包括在非有线环境中的超低延迟，有保障的服务质量和更高的安全性。

英伟达表示，AI-on-5G将解锁新的边缘AI用例。比如，工业4.0：工厂自动化、工厂机器人、监测和检查；汽车系统：收费公路和车辆遥测应用；智能空间：零售、智慧城市和供应链应用。全球首批全栈式AI-on-5G平台之一Mavenir Edge AI已于2021年11月发布。未来预计将出现更多全栈式解决方案，提供企业5G环境性能、管理和规模。

虽然近些年边缘AI得到较快的发展，不过其应用场景的多元化，也给边缘AI的应用落地带来了诸多问题，比如针对不同应用场景需要定制不同算法，对芯片算力和功耗的要求也各不相同，另外算力、算法和应用存在割裂的情况，这使得边缘AI缺乏整体的解决方案等。

未来针对这些落地难题，将会逐渐有些创新的解决方案。恩智浦半导体产品和市场总监林明此前谈到，因为边缘AI应用场景的多样性，很难用一个通用处理器去处理所有的AI应用场景，那么异构计算架构将是未来边缘AI发展的一个重要趋势，即用最适配的处理单元处理相应的AI任务。

另外通常AI应用场景会存在一个分离式安全芯片作为密钥的管理和安全启动管理，为了降低功耗和成本，未来边缘AI会向着安全功能集成化的趋势发展，比如恩智浦在边缘处理器中广泛集成了EdgeLock（安全身份验证芯片）模块。

更为重要的是，边缘AI产品的落地涉及到不同领域的产业融合，未来边缘AI的生态体系搭建势必需要芯片供应商、算法供应商、设备制造商、系统集成商，甚至云服务供应商一起合作提供专业的服务。