小蚁科技创始人兼CEO达声蔚,在AI WORLD 2018世界人工智能峰会上，介绍了小蚁科技在过去几年里所取得的成果，并以此为切入点，深入分析了计算机视觉的未来发展。一、 边缘智能，重构智能算法引擎
什么是边缘智能顾名思义就是互联网和物联网的边缘，最边缘是大量的传感器，摄像头CMOS，是最重要的传感器之一。我们专注于图像领域，所以计算机视觉的最后一公里应用就是小蚁科技专注的领域，这个领域的发展，必须采用边缘智能端云结合，也就是边缘和云端结合的处理方式，也就是边缘智能架构。
二、 1300万全球用户，每日视频数据超过100PB
过去四年中小蚁科技取得的国内和国际计算机视觉方面的专利和著作，获得了大量的海外专利。小蚁科技下一步的发展将会在AI赋能的视频硬件领域进一步发力，覆盖168个国家和地区，并且在中国、美国和以色列三个地方有研发中心，每天产生大量的视频数据。
三、 EI的三大核心竞争力：算力、算法的自我成长模型和赋能商业
算力是一个人工智能企业的“核能力”。云+端的全球算力。小蚁科技已经出售了1300多台设备，未来会指数级增长，这些设备中的算力也是指数级增长。其次，小蚁科技的深度神经算法，在云端采用千层以上的深度学习神经网络，在终端更多的是采用嵌入式、小比特神经网络。小蚁科技在每Gflop等效算力达到最高，应该是业界非常领先的。
四、 重构的空间能够给人解决什么—实时主动决策
物联网IOT已经存在了一段时间，小蚁成立之初就一直致力于IOT硬件、软件和整个系统的提供，早期这些产品其实只是完成了边缘的感知。小蚁科技开始在边缘进行处理和计算，整个智能化还要结合其它的传感器进行数据的聚合，把它叫做边缘智能。
五、 边缘计算的优势：新摩尔定律
边缘计算能够更快更好地进行处理。因为在2020年全球将会有500亿个IOT设备，50%的设备将会在其本身进行数据的分析、识别和存储。今天达到的比例甚至远远不到50%，恐怕只有10%-20%，未来两三年将会是投资发展的大风口。
六、 小蚁边缘智能赋能智慧零售
小蚁科技提供的是智能数字空间的解决方案，就是线下零售的可视化解决方案，这些解决方案当中包含智能新零售店的产品和智能货架的产品，还有一系列和视频相关的完整的系统，最后还包含提供软件服务给智慧零售的现场管理和决策。
1 物联网（Internet of Things，IoT）
指将传感器、执行器、智能设备、人工智能和云计算等技术融合在一起，通过互联网连接、交互和协同工作来实现智能化和自动化的网络。
2 传感器（Sensor）
指一种可以感知并测量实际物理量的设备或系统，通过将物理信号转换成数字或模拟信号来输出相应的测量结果。
3 执行器（Actuator）
指一种可以根据输入信号转换成机械或电动力的设备或系统，用于控制或驱动实际物理行为。
4 物联网平台（IoT Platform）
指一种用于将各种传感器、执行器和智能设备互联互通的技术平台，提供数据采集、数据分析、数据处理和数据交互等功能。
5 云计算（Cloud Computing）
指一种基于互联网的分布式计算和存储模式，将计算和数据存储分布在多个服务器上，提供虚拟化和动态扩展等功能。
6 数据采集（Data Collection）
指通过传感器和其他设备收集和记录现实世界中的数据，如温度、湿度、压力、位置、声音等。
7 数据处理（Data Processing）
指将采集到的数据进行分类、筛选、转换、分析等处理，以提取有用的信息，比如预警、异常检测、预测分析等。
8 数据交互（Data Interaction）
指通过互联网将数据传输到物联网平台等服务器上，并将处理结果返回到智能设备中，以实现设备之间的互通和协同工作。
9 人工智能（Artificial Intelligence，AI）
指模拟人类智能和行为的计算机系统和算法，用于实现自动化、智能化和自主学习等功能，如图像识别、语音识别、机器人等。
10 区块链（Blockchain）
指一种去中心化的分布式账本技术，用于实现安全性、透明度和信任度的高效交互和协同，如支付、合同管理、安全通信等。
承接上文介绍了雾计算的简单的应用和由来，下文将会介绍物联网的一个重要技术 - 边缘计算（Edge computing）。下文将会阐述边缘计算的由来，并介绍它与物联网的关系，而且会利用无人驾驶作为用例，介绍云计算的短处和边缘计算的应用。
先定义一下边缘计算（wikepedia，2019）：
这里提到很多艰涩的专业名词，例如是“分散式运算”，“节点”等，其实只是描述：边缘技术是一种技术将大型应用程式的一部分转移到（即分散式运算）日常设备中处理（即边缘节点中）。
在云计算的典型结构中（如上图），通常可分为“云（云层） - 网（雾层） - 端（边缘）”三层。“端”这一层覆盖所有终端的应用程式，亦通常是被管理的角色。当云计算一计算出结果，就会到透过“网”层，将指令发送到“端”层的应用程式执行，而应用程式收到数据后，则会发送到“云”层作计算。
而边缘计算则可以想像为给予“端”层一定程度的“自治”。在边缘计算的架构中，终点被赋予简单的存储和计算能力（与雾计算不同，这里重点是“简单”的功能） ，令它能偶尔脱离云的管理，并根据环境数据作出回应。
增加终端系统简单的计算和存取能力看似一小步，但其实这个布局有着莫大的好处，当中包括：
- 低延迟：数据由近场产生，能快速回应
- 独立性：在没有网络连接下，系统亦能运作
- 合规性：无需传送用户资料，保护个人数据
- 简化数据：终端先处理部份数据，数据简化后才向云服务器传输
- 安全性：数据传输减少，减少网络安全风险
无人驾驶是边缘计算其中一个经典用例，亦是一个很好例子说明云计算的短处和为什么需要边缘计算。
下图展示的是常用的云计算架构，当中包括1）一架智能汽车（客户端），并且正在使用无人驾驶功能，2）互联网（Internet），用作传输数据，以及3）云服务（云计算）服务器），用作提供无人驾驶服务。
假设汽车正在以60ms-1的速度行驶，并在起始位置感测到前方3m有阻碍物。由于汽车正在使用云计算的架构，汽车本身并没有分析的功能，汽车会将感测到的影像 传送到云服务器中作分析（步骤1）。
很不幸地，由于汽车现在在北区甚远，信息在005s后才能到云服务 无上停驶，但也要经过005s才能将指令发送到汽车上执行（步骤2）。
在这段发送信息到回收指令的过程中（~01s），汽车会继续以均速行驶（60ms-1），并到6m后（= 60ms-1×01s）才会收到指令停下来 。而且会撞到在3m前的路人，酿成车祸。
汽车在起始位置感测到前方3m有阻碍物，会立刻执行停车指令（步骤1）。然后再发送影像和决策内容到云服务器中作进阶分析（步骤2），以改善无人驾驶性能。 （注：这里看似与雾计算方式相似，但在过程中，应用程式没有作任何的数据分析，只根据感应器内容作出回应。若然是雾计算的话，感应器信息会发送到雾服务中，再作分析，然后通知终端设备作出回应。）
由此可见，云服务器距离数据产生的位置较远，因此会造成较大的延迟。而无人驾驶这些需要实时作出决策的活动，则很大机会需要使用边缘计算，使计算的服务靠近产生数据的源头，做到计算更接近实际行动。
随着科技的进步，数据传输速度的快速提升，不少日常物品，例如是家用电器，车辆等，都已经嵌入感测器，并透过网络接结与互联网交换资讯，形成了庞大的物件网络（即物联网）。
物件会在运行时会收集到大量的环境数据。有些人会问，为什么不把数据都在本地（local drive）处理，其他数据再传到云服务做储存。这可能是其中一个可以实行的方法，但如果所有数据都在本地处理，物件本身要设有很多的存储装置和处理服务器。这会大大增加电力消秏和物件重量，增加成本。
因此，最好的方法是结合云计算和边缘计算的优势做出最佳的配置。在一些决定物件重大安全性的事件（例如如上文无人驾驶例子的刹车）可将决定的主导权放到边缘上，其他没有急切性的事情，则放到云服务器低成本集中处理。透过云与边缘的良好分工，大大减少成本，亦能提高运算效率。边缘是物联网时代竞争的核心吗？
近两年来，在云服务提供商、电信运营商、系统服务商等多方的推动下，众多物联网 *** 作系统相继诞生，既说明了物联网发展势头的火热，也展现出物联网发展技术路线的差异化，仍然处于一个集体 探索 时期。物联网虽然被普遍看好，但一直以来发展速度低于前些年的发展预期。一些厂商把目光投向了边缘侧，边缘计算成为行业热词。当边缘计算遇上物联网，能否成为撬动物联网发展的“钥匙”？
边缘计算为物联网破局带来新可能
麦肯锡在2021年11月发布的《物联网：抓住加速机遇》报告中预测，到2030年，物联网将在全球创造55万亿至126万亿美元的经济价值，中国将占全球物联网经济价值的26%左右。但是物联网发展仍然面临着众多“逆风因素”，包括“互 *** 作性差”、“安全性不高”、“成本居高不下”和“用户的数据和隐私面临威胁”等。
边缘计算的出现似乎为解决这些发展阻碍带来了生机。当把计算能力下沉到边缘侧，可以就近分析处理数据，这样做会带来多重好处：
1、边缘计算拥有更快的响应时间，数据存储和计算能力被分散布置在本地，数据无需往返于本地和云端，因此可以减少延迟并加快响应速度。
2、边缘计算可以降低企业的成本。与云中心设备相比，由本地设备进行数据存储与处理的成本更低，一方面，边缘计算减少了对带宽资源和云中心计算资源的占用，另一方面，边缘计算可以提高应用程序的运行效率，降低能耗。
3、边缘计算设备可以自主收集、存储并使用数据，有效地避免用户个人隐私等敏感数据被上传到云中心而引发的数据安全问题。
4、边缘计算对云端的依赖性低，可以有效降低单点故障率。万一断网，也可以正常工作。
5、更关键的是，边缘设备可以使现有设备和新兴IoT设备互联互通，对现有设备的通信协议进行转换，就能与新兴IoT设备进行高效交互。在这种方式下，企业无需对现有设备进行更新设计，也能接入IoT平台，以较低的成本实现生产力的大幅提升。
一些厂商已经看到了边缘计算的巨大趋势，通过开发边缘计算 *** 作系统，创建开放的平台生态，提供完善的应用开发工具给予开发者，逐渐推动物联网往边缘计算靠拢，促使边缘计算推动物联网应用长尾时代的到来。
物联网算力从云、端走向边缘
在物联网 *** 作系统研发中，大部分厂商从“端-边-管-云”各层次构建物联网基础设施。物联网被认为是互联网时代向万物互联的一个延展，会充分继承互联网时代的计算存储和通信能力，从人人互联转向人与万物互联，正因如此，人工智能技术将得以在物联时代快速发展。因此IoT的定义越来越多被AIoT这个概念所取代。
在现实世界中，物联网端设备存储和计算能力往往十分有限。那么随着物联网发展，到底是应该让端设备更加智能，具备必要的算力和通信能力，并将所产生的信息和数据通过5G或NBIoT等途径直接回传到云数据中心，还是物联网端设备不需要太多的算力存储，窄带通信能力即可满足绝大多数场景，应该由边缘为这些端设备提供算力存储和宽带通信能力？
以翼辉信息为代表的一些 *** 作系统厂商认为未来应向“强边弱端”发展。互联网的边缘计算节点就是各类端设备的上游节点，应由边缘为这些端设备提供算力存储和宽带通信能力，其与端设备之间通过近距通信协议，来保持端设备的高并发、低延时、低功耗的工作特点，简单说就是让互联网做互联网擅长的工作，物联网做物联网擅长的工作，二者通过边缘计算节点来接驳，让两个网发挥各自优势，连通协作。
翼辉今年推出智能边缘计算 *** 作系统——爱智 *** 作系统EdgerOS，把边缘侧的算力动态共享、分配、实时计算，主要交由部署在边缘侧的智能边缘计算机来处理，可以更好的满足物联网实时、安全、降低成本等需求。智能边缘计算机就相当于一个小服务器，不仅实现了周边设备和异构网络互通互联，还承担着大量的算力工作，当算力主要在边缘处理，端设备不再需要具备很强的算力，也为用户减轻了相应的负担。
很多物联网节点如灯泡等本身没什么算力，爱智通过智能边缘计算设备能保持跟节点的长时间连接，并把较强的算力包括AI的算力分享给这些较弱的节点，那么有了算力和资源，这些节点就会充满想象力，同时极大地降低智能设备的开发成本，实现基于真实场景的智能应用。
翼辉拥有十多年的嵌入式系统设计经验，企业在嵌入式领域的成功，对端设备应用场景的理解，促使其更加坚定的相信边缘计算的重要性，边缘为端设备应提供算力存储和宽带通信能力，端和边应形成一个有机体，各司其职，不转嫁冗余成本到用户层面。
开发者们把目光投向了边缘计算
基于边缘计算 *** 作系统开发物联网应用正在吸引国内开发者的目光 。在正在开展的“2021爱智先行者”征文活动中，技术社区内的开发者们纷纷利用搭载着 EdgerOS 的智能边缘计算机精灵一号（Spirit 1），进行了各种智能家居的DIY研发，例如人脸识别门禁、智能光照传感器、智能红外温度传感器、手势控制智能灯、智能监控设备、智能甲醛检测器、智能变频电热毯等，利用几天时间使用低代码即可开发一款物联网应用。
爱智打造了一个高性能的 JavaScript 运行时引擎，可以使用简单高效、易学易用的 JavaScript 和 TypeScript 等互联网技术栈来开发物联网应用。此外，爱智提供了功能非常丰富的开发框架，包括APP框架、流媒体框架、AI框架、设备管理框架等。
由于爱智是一个开放的智能边缘计算 *** 作系统，开发者可以在物联网应用开发中使用各种品牌、各种型号的硬件设备。例如，当前市场上有很多品牌的智能灯泡，但是通常需要搭配厂家的网关设备才能使用。因为爱智 *** 作系统的开放性，可以支持不同品牌的智能设备。开发者使用Spirit 1和自主选择的智能灯泡，不到 30 分钟即可在寒冷的冬季来临之前为自己研发一个“关灯神器”。 开发者们可以利用Spirit 1或者其它智能边缘机，搭载EdgerOS，实现各种想象丰富场景下、大量长尾应用的研发。个人认为物联网主要价值在于：
1、使得各类信息、咨询可以更容易的被获取
2、大量信息的集合能够更容易的产生衍生价值
3、将一定的人力资源从繁杂的信息数据采集和处理中解放出来、
4、提高生活、工作、学习等各方面的便捷性，提高人的幸福感
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）