NXP Semiconductors邊緣處理戰(zhàn)略主管Gowri Chindalore說(shuō)：“我們都看到了關(guān)于有多少設(shè)備將很快連接到物聯(lián)網(wǎng)(IoT)的預(yù)測(cè)。”例如，IDC預(yù)測(cè)到2025年這一數(shù)字將超過(guò)410億。關(guān)于這將釋放的機(jī)會(huì)，使我們的家庭、工作、娛樂(lè)和旅行更加高效和可持續(xù)發(fā)展，已經(jīng)有很多報(bào)道。

[[348532]]

但支撐這些進(jìn)步的數(shù)據(jù)爆炸式增長(zhǎng)正給那些創(chuàng)造產(chǎn)品、服務(wù)和支持基礎(chǔ)設(shè)施的人帶來(lái)麻煩。許多早期的物聯(lián)網(wǎng)設(shè)備依賴(lài)云來(lái)處理它們收集的數(shù)據(jù)。該模型的部分驅(qū)動(dòng)因素是云中有效的無(wú)限計(jì)算能力，再加上許多物聯(lián)網(wǎng)設(shè)備受限的機(jī)載處理能力。

卸載到云端的局限性

不過(guò)，在云端和云端發(fā)送數(shù)據(jù)也有其缺點(diǎn)。首先，傳輸數(shù)據(jù)需要能量和帶寬。更多的數(shù)據(jù)意味著你需要更多這些昂貴而有限的資源。其次，向云端發(fā)送數(shù)據(jù)會(huì)帶來(lái)延遲，這會(huì)限制某些應(yīng)用程序的有效性。

第三，機(jī)外信息會(huì)帶來(lái)隱私和安全風(fēng)險(xiǎn)。例如，智能家居設(shè)備收集的數(shù)據(jù)將揭示很多關(guān)于你何時(shí)在家和何時(shí)外出的信息。如果這些信息被發(fā)送到云端，你能確定它是安全的嗎?它儲(chǔ)存在哪里，以什么形式?誰(shuí)能得到它?

隨著越來(lái)越多的設(shè)備收集更多(和更敏感)的數(shù)據(jù)進(jìn)行處理，應(yīng)對(duì)這些挑戰(zhàn)的需求變得越來(lái)越迫切。這是“智能優(yōu)勢(shì)”興起的主要驅(qū)動(dòng)力之一。

在這個(gè)模型中，密鑰處理和決策不是發(fā)送到云端，而是在本地網(wǎng)絡(luò)的“邊緣”靠近連接的設(shè)備進(jìn)行。這減少了上述延遲、能耗和帶寬使用，同時(shí)允許用戶(hù)將私有數(shù)據(jù)保留在自己的基礎(chǔ)設(shè)施范圍內(nèi)。

智能邊緣的核心是機(jī)器學(xué)習(xí)。目前，我們主要討論的是推理。這是邊緣設(shè)備使用預(yù)先訓(xùn)練的機(jī)器學(xué)習(xí)模型，根據(jù)本地傳感器收集的新數(shù)據(jù)做出決策。

在邊緣推動(dòng)向人工智能的轉(zhuǎn)變

在這種資源受限的環(huán)境中，推理的顯著增長(zhǎng)是通過(guò)改進(jìn)推理處理，特別是用于加速推理的技術(shù)而實(shí)現(xiàn)的。

第一代機(jī)器學(xué)習(xí)加速器(如果它們是加速器的話(huà))主要是基于軟件的，由CPU運(yùn)行指令集。第二代引入了專(zhuān)用硬件，如gpu和dsp。今天，我們有了第三代，它使用基于硬件的修剪和壓縮等功能。在硬件上完成的越多，這個(gè)過(guò)程就越節(jié)能，因?yàn)槟銣p少了軟件和CPU周期的使用。

今天的智能優(yōu)勢(shì)可以實(shí)現(xiàn)什么

作為人類(lèi)，我們的大部分交流不僅僅是通過(guò)語(yǔ)言來(lái)傳遞的：我們的語(yǔ)氣、面部表情和手勢(shì)都有助于我們本能地交流和理解彼此。使用基于邊緣的推理，今天的設(shè)計(jì)師可以使他們的產(chǎn)品接收到這些信號(hào)，從而創(chuàng)造出越來(lái)越自然的交互體驗(yàn)。技術(shù)可以包括面部和其他物體和手勢(shì)識(shí)別、語(yǔ)音識(shí)別、音調(diào)分析和自然語(yǔ)言處理。

在其他地方，智能邊緣設(shè)備可以提高安全性。例如，智能家居邊緣套件可以被訓(xùn)練識(shí)別危險(xiǎn)信號(hào)，例如警報(bào)響起、人摔倒、玻璃破碎或水龍頭滴落或滴落。一旦感覺(jué)到問(wèn)題，系統(tǒng)就可以提醒車(chē)主，讓他們做出相應(yīng)的反應(yīng)。

接下來(lái)是什么?

未來(lái)幾年，將有許多新的物聯(lián)網(wǎng)產(chǎn)品和服務(wù)進(jìn)入市場(chǎng)，利用這一日益強(qiáng)大的智能優(yōu)勢(shì)。如何在第三代人工智能加速能力。未來(lái)幾代可能包括神經(jīng)形態(tài)或內(nèi)存計(jì)算、尖峰神經(jīng)網(wǎng)絡(luò)或最終的量子人工智能。這些發(fā)展將有助于加速目前正在出現(xiàn)的另一個(gè)趨勢(shì)，即在邊緣實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法的實(shí)際訓(xùn)練。