在IoT边缘执行AI

你以前听说过——边缘的人工智能（AI）是自切片面包以来最酷的东西，如果你不利用它，你就错过了这条船。无论好坏，这些说法有很多道理。至少在工业环境中，人工智能的目标是通过从多个点提取实时数据来产生可操作的见解，从而提高生产能力、提高效率并降低运营成本。

在几乎任何需要实时分析的应用程序中，边缘的AI应该是您的“首选”。一些业内人士认为，边缘人工智能将在下一波物联网连接解决方案中无处不在。目标是提高运营效率，而不仅仅是为了数据。

虽然将AI引入您的系统对生产来说可能是一个福音，但这并不是绝对的。有时在边缘使用 AI 是有意义的，但在某些情况下，有更好的选择。您需要确定您的 AI 应该驻留在云中还是边缘，然后才能采取适当的实施步骤。

云与边缘

传统思维是，当需要复杂的计算时，云中的人工智能更有意义，因为这通常是高性能计算引擎所在的位置。边缘更多的是基于一些简单的机器学习算法的快速决策。

但时代在变。基于边缘的计算可以处理许多与AI相关的任务，这些任务以前需要仅在云中找到的计算能力。边缘处理提供了直接的双重优势：您无需通过昂贵的介质将数据发送到云，从而降低成本，并且消除了与将数据发送到异地然后返回处理相关的时间滞后。虽然这些延迟可能看起来很小，但有时需要实时性能，如果您必须转到云并返回，这根本不可能。

如果您需要将数据发送到云，则会出现延迟。您是否能承受这种时间滞后取决于您的应用程序。

将从 AI 注入的边缘计算中受益的应用示例包括医疗设备、制造系统和车辆。医疗设备特别需要边缘智能，例如，在手术室中，需要及时处理数据，以便为医生提供特定信息。

边缘人工智能可能有益的另一个潜在领域是机器视觉，它结合了摄像头和视觉分析。例如，可以在配送设施中放置摄像头，以监控和管理在卡车和托盘之间移动的货物。使用当前的技术，这种交互可以近乎实时地发生。

从硬件的角度来看，当今基于边缘的AI设备越来越能够支持运行这些AI算法所需的功率和容量要求。它甚至延伸到边缘传感器本身，现在在微小的占地面积内集成了重要的内存和处理能力。基于边缘的人工智能的一个明显好处是它带来了更高的安全性，因为数据不需要通过互联网传递。

当您添加分析组件时，软件组件将发挥作用，这是基于边缘的 AI 的关键。OpenFog Consortium和EdgeX Foundry等组织的成员提供了有助于基于边缘的分析的工具。EdgeX Foundry的大量代码可以直接在GitHub上找到。

OpenFog生态系统合作伙伴包括微软，微软认为，其新的操作系统和中间件增加了边缘的简单性、安全性和安全性，同时将代码的大小保持在最低限度，适合较小的电池供电设备。微软声称它现在可以“无缝连接到Azure并启用新的智能功能”。

最重要的是，边缘的人工智能很可能在你的未来。安富利可以一步满足您在边缘 AI 方面的所有物联网需求。

审核编辑：郭婷