許多企業(yè)已經(jīng)開始探索邊緣計算用例，因為可以將計算能力推向更靠近數(shù)據(jù)源和更靠近終端用戶。同時，可能正在探索或?qū)嵤┤斯ぶ悄芑驒C器學習，也已經(jīng)認識到自動化的發(fā)現(xiàn)和獲得數(shù)據(jù)驅(qū)動的洞察力。但如果不積極地將邊緣戰(zhàn)略和人工智能策略結(jié)合起來，那么就會錯過變革的可能性。

人工智能領(lǐng)域的涉足

有明顯的跡象表明，邊緣分析和數(shù)據(jù)分析正在融合。根據(jù)數(shù)據(jù)表明，到2025年，邊緣數(shù)據(jù)的創(chuàng)建將增加33%，占數(shù)據(jù)的五分之一以上，到2023年，數(shù)據(jù)分析專業(yè)人士將把超過50%的精力放在創(chuàng)建和分析邊緣數(shù)據(jù)上。邊緣解決方案對實現(xiàn)企業(yè)的使命非常或極其重要。78%的領(lǐng)導(dǎo)者認為邊緣對AI和ML的影響最大。

傳統(tǒng)上，企業(yè)需要將遠程數(shù)據(jù)傳輸?shù)綌?shù)據(jù)中心或商業(yè)云，以執(zhí)行分析和提取價值。這在邊緣環(huán)境中可能具有挑戰(zhàn)性，因為數(shù)據(jù)量的增加、網(wǎng)絡(luò)訪問受限或沒有網(wǎng)絡(luò)訪問，以及對實時更快決策的需求不斷增加。

但今天，增強的小容量芯片組、高密度計算和存儲以及網(wǎng)狀網(wǎng)絡(luò)技術(shù)的可用性，為企業(yè)部署人工智能工作負載、更接近數(shù)據(jù)生產(chǎn)源奠定了基礎(chǔ)。

邊緣人工智能入門

要啟用邊緣人工智能用例，請確定近實時數(shù)據(jù)決策在哪些方面，可以顯著增強用戶體驗并實現(xiàn)任務(wù)目標。我們看到越來越多的邊緣用例集中在下一代飛行套件上，以支持執(zhí)法、網(wǎng)絡(luò)安全和健康調(diào)查。調(diào)查人員曾經(jīng)收集數(shù)據(jù)用于后續(xù)處理，新的部署套件包括先進的工具，用于現(xiàn)場處理和探索數(shù)據(jù)。

接下來，確定傳輸大量邊緣數(shù)據(jù)的位置。如果可以在遠程位置處理數(shù)據(jù)，那么只需要傳輸結(jié)果。通過只移動一小部分數(shù)據(jù)，您可以釋放帶寬，降低成本，并更快地做出決策。

利用松散耦合的邊緣組件來實現(xiàn)必要的計算能力。單個傳感器無法執(zhí)行處理。但是高速網(wǎng)狀網(wǎng)絡(luò)允許連接節(jié)點，其中一些處理數(shù)據(jù)收集，以及其他處理等等。甚至可以在邊緣重新訓練ML模型，以確保持續(xù)的預(yù)測精度。

遠程人工智能的基礎(chǔ)設(shè)施即代碼

邊緣人工智能的最佳實踐是基礎(chǔ)設(shè)施代碼?；A(chǔ)設(shè)施代碼允許通過配置文件，而不是通過物理硬件來管理網(wǎng)絡(luò)和安全配置。使用基礎(chǔ)設(shè)施代碼，配置文件包括基礎(chǔ)結(jié)構(gòu)規(guī)范，使更改和分發(fā)配置變得更容易，并確保一致地提供環(huán)境。

還可以考慮使用微服務(wù)，并在其中運行它們，并利用開發(fā)ops功能，如CI/CD管道、giitops等在邊緣上將ML模型的迭代部署自動化到生產(chǎn)環(huán)境中，并提供編寫一次代碼在任何地方使用它的靈活性。

我們應(yīng)該尋求在邊緣和核心使用一致的技術(shù)和工具。通過這種方式，可以不需要專門的專業(yè)知識，避免一次性的問題，并且可以更容易地擴展。

現(xiàn)實世界及其他中的邊緣人工智能

從軍隊到執(zhí)法部門，再到管理關(guān)鍵基礎(chǔ)設(shè)施的機構(gòu)，都在邊緣執(zhí)行人工智能。例如國際空間站。

國際空間站包括一個進行研究和運行實驗的現(xiàn)場實驗室。在一個例子中，科學家們專注于在國際空間站上發(fā)現(xiàn)的微生物的DNA基因組測序。基因組測序產(chǎn)生了大量的數(shù)據(jù)，但科學家只需要分析其中的一部分。

在過去，國際空間站將所有數(shù)據(jù)傳輸?shù)降孛嬲具M行集中處理，通常每個序列有許多tb的數(shù)據(jù)。在過渡傳輸速率下，數(shù)據(jù)可能需要數(shù)周才能到達地球上的科學家手中。但是利用邊緣和人工智能的力量，研究是在國際空間站上直接完成的，只把結(jié)果傳送到地面?，F(xiàn)在可以在同一天進行分析。

在空間和功率有限的環(huán)境中，該系統(tǒng)易于管理。軟件更新被推到必要的邊緣，并在現(xiàn)場進行ML模型訓練。而且該系統(tǒng)足夠靈活，可以在未來處理其他類型的基于ML的分析。

結(jié)合人工智能和邊緣計算可以使企業(yè)在任何位置執(zhí)行分析。通過從核心到邊緣的公共框架，可以在遠程位置擴展和擴展人工智能。通過將分析放置在數(shù)據(jù)生成和用戶交互的位置附近，可以更快地做出決策，更快地提供服務(wù)，并將任務(wù)擴展到任何需要的地方。