边缘智能：人工智能的下一波浪潮

　　随着人工智能和机器学习(ML) 的采用率上升， 以算法形式处理大量数据以实现计算目的的能力变得越来越重要。为了让数十亿连接设备之间的数据应用程序的使用变得更高效、更有价值， 将处理从集中的第三方云服务器迁移到分散的、本地化的设备上处理(通常称为边缘计算) 的趋势越来越强。根据 SARInsight&Consulting 的最新 AI/ML 嵌入式芯片数据库， 在 2019-2024 年期间， 全球拥有边缘计算能力的AI 设备的数量将以64.2%的年复合增长率增长。

　　边缘数据计算， 不需要网络。 EdgeAI 采用算法并尽可能接近物理系统处理数据- 在这种情况下， 是在硬件设备上本地进行的。优点是数据处理不需要连接。数据的计算发生在开发数据的网络边缘附近， 而不是在集中式数据处理中心。对于设备、技术和组件供应商来说， 在边缘处理能够和应该完成的处理之间确定适当的平衡将成为最重要的决策之一。

　　考虑到产生深度学习预测模型的训练和推理引擎， 边缘处理通常需要Intel、高通、Nvidia 和Google 等供应商提供的x86 或Arm 处理器， AI 加速器； 以及处理高达2.5GHz、10 到14核速度的能力。

　　时间敏感型应用程序的实时结果。考虑到不断扩大的市场以及对计算数据和能力的不断扩大的服务和应用需求， 有几个因素和好处推动了边缘计算的增长。

　　由于对可靠、适应性强和上下文信息的需求的不断变化， 大部分数据都在本地迁移到设备上处理， 从而提高了性能和响应时间(不到几毫秒)、更低的延迟、更高的电源效率。因为数据保留在设备上， 所以提高了安全性， 并且由于数据中心传输被最小化而节省了成本。

　　边缘计算的最大好处之一就是能够确保对时间敏感的实时结果。在许多情况下， 可以直接收集、分析和通信传感器数据， 而不必将数据发送到时间敏感的云中心。跨各种边缘设备的可伸缩性有助于加快本地决策的速度。提供即时可靠数据的能力可建立信心， 增加客户参与度， 并在许多情况下可挽救生命。