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 *** 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 *** 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