在物联网边缘执行您的人工智能

　　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，这些陈述都有很多道理。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以产生可操作的见解来提高生产能力、提高效率并降低运营成本。安富利 （Avnet） 的一份题为“边缘人工智能：物联网的下一个前沿”的白皮书指出了这一点。

　　在几乎所有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，边缘的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 引入您的系统可能是生产的福音，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，会有更好的选择。您需要确定您的 AI 应该驻留在云端还是边缘，然后才能采取适当的实施步骤。

　　云诗篇

　　传统的想法是，当需要进行复杂的计算时，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地方。基于一些简单的机器学习算法，优势更多的是用于快速决策。

　　但时代在变。基于边缘的计算可以处理许多与人工智能相关的任务，这些任务以前需要仅在云中才能找到的计算能力。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，并且消除了与异地发送数据然后返回处理相关的时间延迟。 虽然这些延迟可能看起来很小，但有时需要实时性能，如果您必须往返于云端，这根本不可能。

　　受益于人工智能边缘计算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提供特定信息供医生采取行动。

　　边缘人工智能可能受益的另一个潜在领域是机器视觉，它使用相机和视觉分析的组合。例如，可以将摄像机放置在配送设施中，以监控和管理在卡车和托盘之间移动的货物。使用当前技术，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。它甚至可以归结为边缘传感器本身，这些传感器现在在很小的空间内集成了显着的内存和处理能力。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，软件组件就会发挥作用，这是基于边缘的 AI 的关键。OpenFog Consortium和EdgeX Foundry等团体的成员提供有助于基于边缘分析的工具。EdgeX Foundry 的大量代码可直接在GitHub 上获得。

　　OpenFog 生态系统合作伙伴包括微软，它最近收购了Express Logic及其流行的ThreadX RTOS。微软相信其新的操作系统和中间件在边缘增加了简单性、安全性和安全性，同时将代码的大小保持在最低限度，这适合更小的电池供电设备。微软声称它现在可以“无缝连接到 Azure 并启用新的智能功能”。

　　底线是边缘的人工智能很可能在你的未来。当涉及到边缘人工智能时，Avnet可以成为您满足所有物联网需求的一步。

　　审核编辑：郭婷