高效的邊緣人工智能模型通常擁有優化的邊緣計算基礎設施，可以在邊緣和靠近邊緣處理更龐大的人工智能工作負載。

　　邊緣計算正在見證人們對新用例的極大興趣，尤其是在引入5G之后。根據Linux基金會發布的《2021年邊緣計算狀態》報告的預測，到2028年，全球邊緣計算基礎設施的市場價值將超過8000億美元。與此同時，很多企業也在大力投資人工智能（AI）。根據麥肯錫公司在去年的調查報告，50%的受訪者表示至少在一項業務職能中實施了人工智能。

　　雖然大多數企業將這些技術投資作為其數字化轉型之旅的一部分，但具有前瞻性的企業和云計算提供商通過融合邊緣計算和人工智能（或邊緣人工智能）看到了新的機遇。人們需要了解邊緣人工智能的發展以及這項技術對現代數字企業的影響。

　　什么是邊緣人工智能？

　　人工智能在很大程度上依賴于復雜機器學習算法的數據傳輸和計算。邊緣計算建立了一個新時代的計算模式，將人工智能和機器學習轉移到數據生成和計算實際發生的地方：網絡邊緣。邊緣計算和人工智能的融合催生了一個新領域：邊緣人工智能。

　　邊緣人工智能可以提供更快的計算和洞察力、更好的數據安全性以及對持續運營的有效控制。因此，它可以提高支持人工智能的應用程序的性能，并降低運營成本。邊緣人工智能還可以幫助人工智能克服與之相關的技術挑戰。

　　邊緣人工智能促進機器學習、深度學習模型的自主應用以及物聯網設備本身的高級算法。

　　邊緣人工智能將如何改變企業？

　　高效的邊緣人工智能模型通常擁有優化的邊緣計算基礎設施，可以在邊緣和靠近邊緣處理更龐大的人工智能工作負載。邊緣人工智能與存儲解決方案相結合，可以提供行業領先的性能和無限的可擴展性，使企業能夠有效地使用他們的數據。

　　許多企業已經從邊緣人工智能中獲益。從改進裝配線的生產監控到駕駛自動駕駛汽車，邊緣人工智能可以使各個行業受益。此外，最近在許多國家和地區推出5G技術為邊緣人工智能提供了額外的推動，因為該技術的更多工業應用不斷涌現。

　　由人工智能驅動的邊緣計算對企業的一些好處包括：

　　●高效的預測性維護和資產管理

　　●縮短每個產品的檢查時間

　　●減少現場問題

　　●更好的客戶滿意度

　　●確保大規模邊緣人工智能基礎設施和邊緣設備生命周期管理

　　●改善城市交通管制措施

　　實施邊緣人工智能是一個明智的商業決策，因為估計未來三年工業邊緣人工智能部署的平均投資回報率(ROI)為5.7%。

　　在邊緣應用在機器學習的優勢

　　機器學習是使用數據和算法對人類學習過程進行人工模擬。借助邊緣人工智能的機器學習可以提供幫助，特別是對于嚴重依賴物聯網設備的企業。

　　以下將闡述了邊緣應用在機器學習的一些優點。

　　●隱私：信息和數據如今成為最有價值的資產，消費者對其數據的位置持謹慎態度。能夠在其應用程序中提供支持人工智能的個性化功能的企業，可以讓用戶了解他們的數據是如何收集和存儲的。它提高了客戶的品牌忠誠度。

　　●降低延遲：大多數數據處理都是在網絡和設備級別進行的。邊緣人工智能消除了跨網絡和設備發送大量數據的要求；從而改善用戶體驗。

　　●最小帶寬：擁有數千個物聯網設備的企業每天都必須將大量數據傳輸到云端。然后在云端執行分析，并將分析結果重新傳輸回設備。如果沒有更廣泛的網絡帶寬和云存儲，這個復雜的過程將變成一項不可能完成的任務，更不用說在此過程中暴露敏感信息的可能性。

　　然而，邊緣人工智能實現了Cloudlet技術，即位于網絡邊緣的小規模云存儲。Cloudlet技術增強了移動性，降低了數據傳輸的負載。因此，它可以降低數據服務的成本，提高數據流的速度和可靠性。

　　●低成本的數字基礎設施：亞馬遜公司表示，90%的數字基礎設施成本來自推理（機器學習中一個重要的數據生成過程）。在RightScale公司最近進行的一項研究中，接受調查的企業中有60%認為節省成本的目標隱藏在云計算計劃中。相比之下，邊緣人工智能消除了在基于云的數據中心執行的人工智或機器學習過程所產生的高昂費用。

　　影響邊緣人工智能開發的技術

　　數據科學、機器學習和物聯網開發等知識的發展在邊緣人工智能領域發揮著更重要的作用。然而，真正的挑戰在于嚴格遵循計算機科學發展的軌跡。特別是可以完美融入人工智能和機器學習生態系統的下一代人工智能應用程序和設備。

　　幸運的是，邊緣計算領域正在見證有希望的硬件開發，這將緩解邊緣人工智能目前的限制。Sima.ai、EsperantoTechnologies和AIStorm等初創公司是少數開發可以處理繁重人工智能工作負載的微芯片的企業之一。

　　2017年8月，英特爾公司以153億美元收購了以色列視覺安全技術開發商Mobileye公司。近日，科技巨頭百度公司啟動了第二代昆侖人工智能芯片的量產，這是一種用于邊緣計算的超快微芯片。

　　除了微芯片之外，谷歌的EdgeTPU、英偉達的JetsonNano以及亞馬遜、微軟、英特爾和華碩也開始了主板開發的浪潮，以增強邊緣計算的實力。亞馬遜的AWSDeepLens是世界上第一個支持深度學習的攝像頭是這方面的一項重大發展。

　　邊緣人工智能的挑戰

　　●數據質量差：全球主要互聯網服務提供商的數據質量差是邊緣人工智能研發的主要障礙。最近的一份Alation報告顯示，87%的受訪者（主要是IT公司的員工）確認數據質量差是他們的組織未能實施邊緣人工智能基礎設施的原因。

　　●易受攻擊的安全功能：一些數字專家聲稱邊緣計算的去中心化特性增加了其安全功能。但實際上，本地匯集的數據需要更多位置的安全性。這些增加的物理數據點使邊緣人工智能基礎設施容易受到各種網絡攻擊。

　　●有限的機器學習能力：機器學習需要在邊緣計算硬件平臺上有更大的計算能力。在邊緣人工智能基礎設施中，計算性能僅限于邊緣或物聯網設備的性能。在大多數情況下，大型復雜的邊緣人工智能模型必須在部署到邊緣人工智能硬件之前進行簡化，以提高其準確性和效率。

　　邊緣人工智能的用例

　　●虛擬助理

　　亞馬遜公司的Alexa或蘋果公司的Siri等虛擬助手是邊緣人工智能發展的巨大受益者，這使他們的機器學習算法能夠從存儲在設備上的數據中快速進行深度學習，而不是依賴于存儲在云中的數據。

　　●自動光學檢測

　　自動光學檢測在生產線中發揮著重要作用。借助自動化的邊緣人工智能視覺分析，它可以檢測生產線組裝部件的故障部件。自動光學檢測允許高度準確的超快速數據分析，而無需依賴大量基于云的數據傳輸。

　　●自動駕駛汽車

　　支持邊緣人工智能的自動駕駛汽車具有更快、更準確的決策能力，可以比人類更好地識別道路交通元素并更輕松地導航旅行路線。它可以在沒有人工干預的情況下實現更快、更安全的運輸。

　　結語

　　除了以上討論的所有用例之外，邊緣人工智能還可以在面部識別技術、增強工業物聯網安全和緊急醫療護理方面發揮關鍵作用。邊緣人工智能的用例列表每天都在增長。在不久的將來，通過滿足每個人的個人需要和業務需求，邊緣人工智能將成為一種日常的技術。