隨著視頻需求和使用 AI 來理解視覺數據的增加，攝像頭的數量和產生的后續(xù)數據正在迅速增長，這迫使創(chuàng)建新的邊緣架構。

[[419066]]

交通管理中的攝像頭和人工智能

此外，還開發(fā)了新一代“智能”用例。例如，在“智慧城市”中，攝像頭和人工智能分析交通模式并調整紅綠燈，以改善車輛流量，減少擁堵和污染，提高行人安全。

“智能工廠”可以利用人工智能實時檢測生產線中的缺陷或偏差，調整以減少錯誤并實施有效的質量保證措施。因此，通過自動化和早期故障檢測可以大大降低成本。

智能視頻的演進

智能視頻的發(fā)展也伴隨著其他技術和數據基礎設施的進步，例如 5G。隨著這些技術融合在一起，它們正在影響我們構建邊緣的方式。而且，它們正在推動對專用存儲的需求。

下面列出的是我們看到的一些最大的趨勢：

更大的體積意味著更高的質量

隨著每一項新的進步，攝像機的數量和種類不斷增加，帶來新的功能。擁有更多的相機可以讓更多的人被看到和捕捉到。這可能意味著有更多的覆蓋范圍或更多的角度。這也意味著可以捕獲更多實時視頻并用于訓練 AI。

隨著分辨率的提高(4K 視頻及以上)，質量也不斷提高。視頻越詳細，從中提取的洞察力就越多。而且，人工智能算法可以變得越有效。此外，新攝像機不僅傳輸一個視頻流，還傳輸用于低帶寬監(jiān)控和 AI 模式匹配的額外低比特率流。

智能相機 24/7 全天候運行

無論是用于交通管理、安全還是制造，這些智能攝像機中的許多都一年 365 天 24/7 全天候運行，這帶來了獨特的挑戰(zhàn)。存儲技術必須能夠跟上。

一方面，存儲已經發(fā)展為提供高性能的數據傳輸速度和數據寫入速度，以確保高質量的視頻捕獲。而且，實際的機載存儲技術必須提供使用壽命和可靠性，這對任何工作流程都至關重要。

真實世界的情景對于理解端點至關重要

無論是用于商業(yè)、科學研究還是我們的個人生活，我們都看到了可以捕捉新型數據的新型相機。由于利用和分析這些數據的潛在好處，可靠數據存儲的重要性從未如此明顯。

在設計存儲技術時考慮情景

在設計存儲技術時，我們必須考慮環(huán)境，例如位置和外形因素。我們需要考慮攝像頭的可及性(或缺乏攝像頭)，它們是在高樓頂上還是在偏遠的叢林中?

這些位置可能還需要承受極端的溫度變化。所有這些可能性都需要考慮在內，以確保關鍵視頻數據的持久、可靠的連續(xù)記錄。

芯片組正在提高人工智能 (AI) 能力

改進的相機計算能力意味著處理發(fā)生在設備級別，從而在邊緣實現實時決策。

新的相機芯片組提供增強的 AI 功能

我們看到新的芯片組出現在提供改進的 AI 功能的相機上，更先進的芯片組為相機上的深度學習分析添加了深度神經網絡處理。人工智能不斷變得更聰明、更有能力。

云必須支持深度學習技術

正如攝像頭和攝像機芯片組的計算能力越來越強一樣，在當今的智能視頻解決方案中，大多數視頻分析和深度學習仍然是通過離散視頻分析設備或在云中完成的。為了支持這些新的 AI 工作負載，云已經進行了一些轉型。云中的神經網絡處理器采用了海量 GPU 集群或定制 FPGA。

他們正在接受數千小時的訓練視頻和數 PB 的數據。這些工作負載依賴于企業(yè)級硬盤驅動器 (HDD) 的高容量功能，每個驅動器已經可以支持 20TB 和高性能企業(yè)級 SSD 閃存設備、平臺或陣列。

對網絡的依賴

有線和無線互聯網實現了可擴展性和易于安裝，推動了安全攝像頭的爆炸性采用，但它只能在已經存在 LAN 和 WAN 基礎設施的情況下實現。

5G 技術有助于安裝攝像頭

5G 消除了許多部署障礙，為城市級別的攝像機放置和安裝提供了廣泛的選擇。這種易于部署帶來了新的更大的可擴展性，這推動了相機和云設計的用例和進一步進步。例如，攝像機現在可以是獨立的，可以直接連接到集中式云，因為它們不再依賴于本地網絡。

支持 5G 的新興攝像頭旨在加載和運行第三方方應用，這可以帶來更廣泛的功能。然而，有了更大的自主權，這些相機將需要更多的動態(tài)存儲。他們將需要耐用性、容量、性能和電源效率的新組合，以便能夠以最佳方式處理新的應用程序驅動功能的可變性。

為邊緣存儲革命鋪平道路

對于智能視頻來說，這是一個美麗的新世界，它既復雜又令人興奮。正在進行架構更改以處理新的工作負載，并為邊緣和端點的更多動態(tài)功能做好準備。與此同時，深度學習分析在后端和云端繼續(xù)發(fā)展。

了解工作負載的變化，無論是在攝像機、錄像機還是云級別，對于確保通過存儲技術的持續(xù)創(chuàng)新來增強新的架構變化至關重要。