企業(yè)通過使用分布式混合云架構部署人工智能，越來越多地獲得競爭優(yōu)勢。

這是由兩個因素驅動的：首先，邊緣生成的數據比以往任何時候都多。事實上，據預測，到2025年，50%的企業(yè)生成數據將在傳統(tǒng)數據中心或云計算之外進行處理。最近的一項全球調查發(fā)現，78%的IT決策者認為，將IT基礎設施轉移到數字邊緣是其業(yè)務經得起未來考驗的優(yōu)先事項。

其次，將大量數據轉移到集中位置的人工智能訓練基礎設施引擎進行處理，意味著企業(yè)將花費寶貴的時間和費用。除此之外，合規(guī)和隱私法規(guī)通常要求將人工智能數據處理和分析保留在原籍國，這進一步證明了在多個國家分配工作負載的合理性。

讓我們深入探討三個不同的行業(yè)用例，分布式人工智能正在幫助企業(yè)節(jié)省成本、滿足監(jiān)管需求并實現新的技術進步。

在降低成本的同時獲得實時零售洞察

許多大型零售商正在通過利用分布式數字基礎設施戰(zhàn)略尋找競爭優(yōu)勢。他們正在使用IDC最近確定的一種越來越流行的人工智能部署策略：在核心開發(fā)人工智能，如在云或區(qū)域數據中心，并在邊緣部署人工智能推理模型，然后用新的區(qū)域數據重新訓練模型以適應應用。

例如，使用分布式混合云模型的零售商，可能首先將其店內攝像頭信息和庫存管理數據，發(fā)送到托管大都市數據中心，以建立區(qū)域人工智能模型，并利用聯合人工智能方法來整合區(qū)域模型。

然后，它將這些優(yōu)化的人工智能模型部署到門店，以執(zhí)行低/預測延遲人工智能模型推理，從而深入了解庫存、員工輪班管理、購物者購買趨勢預測和廣告投放建議。

從一個大都市數據中心部署人工智能推理引擎，比在每個零售地點維護和服務這些服務器更具成本效益。這種分布式人工智能基礎設施，使零售商能夠在一個區(qū)域快速處理和分析洞察，最終提高他們的利潤。

維護視頻監(jiān)控中的隱私和合規(guī)性

據聯合國貿發(fā)會議稱，世界上大多數(71%)國家/地區(qū)都制定了有關隱私和數據保護的立法。分布式數據管理和人工智能架構可以在幫助企業(yè)確保合規(guī)性方面發(fā)揮關鍵作用。

例如，一家在全球多個都市區(qū)設有站點的大型房地產管理企業(yè)，可以為其全球數百個安全攝像頭利用分布式AI架構，通過在數據收集地部署人工智能來保持對當地隱私法規(guī)的合規(guī)性。

在企業(yè)經營所在的不同國家/地區(qū)擁有集中式設施，確保企業(yè)不會將數據發(fā)送到另一個可能與數據來源國不具有相同合規(guī)法規(guī)的國家/地區(qū)，從而違反當地隱私法。

除了實現隱私和數據使用合規(guī)性之外，該模型還通過將人工智能推理堆棧托管在單個地鐵位置，而不是每個設施來降低成本，即使它在數百個位置中的每個位置都現場處理運動檢測數據。

通過區(qū)域更新實現自動駕駛

如果沒有人工智能基礎設施，由高級駕駛輔助系統(tǒng)(ADAS)啟用的自動駕駛汽車無法解決某些用例。ADAS要求人工智能決定車輛應如何與周圍環(huán)境互動，尤其是在與自行車和行人等弱勢道路使用者互動時。

測試車輛為訓練人工智能模型而生成的數據量是巨大的，對于2級和3級ADAS(車輛可以根據環(huán)境調整速度、剎車和做出決策)，每輛車每天產生的數據量在20TB到60TB之間。人工智能使聯網車輛能夠比使用傳統(tǒng)基礎設施更快、更具成本效益地從測試車隊中收集和處理這些大型數據集。

分布式人工智能基礎設施正在定義下一代車輛的機動性和自主性。例如，聯網車輛利用高清地圖為汽車提供有關標牌和街道的信息。

但是，當施工區(qū)或道路危險在一夜之間出現時會發(fā)生什么?分布式人工智能基礎設施不需要每輛車單獨處理道路危險，而是允許將這些危險發(fā)送到一個區(qū)域位置，然后將危險傳達給該地區(qū)的所有車輛。

順應數據流

沒有什么比人工智能更能感受到數據的引力了。為了充分利用其人工智能基礎設施，企業(yè)需要評估集中、區(qū)域或本地部署這些基礎設施的價值。這樣做將節(jié)省時間、金錢和寶貴的延遲速度。