智能邊緣：沒有網(wǎng)絡(luò)更沒有實時的數(shù)據(jù)
隨著人工智能（AI）和機(jī)器學(xué)習(xí)（ML）的發(fā)展，以算法形式處理大量數(shù)據(jù)的能力變得越來越重要。
為了使數(shù)十億連接設(shè)備上的數(shù)據(jù)應(yīng)用程序能夠更高效、更有價值德爾使用，處理從集中式第三方云服務(wù)器遷移到分散的、本地化的設(shè)備上（通常稱為邊緣計算）的勢頭越來越大。根據(jù)SAR Insight ＆ Consulting最新的人工智能／機(jī)器學(xué)習(xí)嵌入式芯片數(shù)據(jù)庫顯示，在2019－2024年，全球支持人工智能的設(shè)備和邊緣計算的CAGR將以64．2％的速度增長。
在邊緣進(jìn)行數(shù)據(jù)計算，不需要網(wǎng)絡(luò)
Edge AI將算法和處理數(shù)據(jù)盡可能地接近物理系統(tǒng)，在這種情況下，本地需在硬件設(shè)備上進(jìn)行處理。其優(yōu)點是數(shù)據(jù)處理不需要連接。數(shù)據(jù)的計算發(fā)生在網(wǎng)絡(luò)的“邊緣”，也就是數(shù)據(jù)被開發(fā)的地方，而不是集中數(shù)據(jù)處理中心。對于設(shè)備、技術(shù)和組件提供商來說，在邊緣處理的能力和應(yīng)該能力之間取得適當(dāng)?shù)钠胶鈱⒊蔀樽钪匾臎Q策之一。
在生產(chǎn)深度學(xué)習(xí)預(yù)測模型的訓(xùn)練和推理引擎中，邊緣處理通常需要來自Intel、Qualcomm、Nvidia和谷歌等供應(yīng)商的x86或Arm處理器，以及一個AI加速器，并且能夠處理10－14個核心高達(dá)2．5 GHz的速度。
為時間敏感的應(yīng)用程序提供實時結(jié)果
隨著市場的擴(kuò)大，計算數(shù)據(jù)和計算能力的服務(wù)和應(yīng)用需求也在不斷擴(kuò)大，這會對推動邊緣計算發(fā)展起到積極作用。由于可靠、可適應(yīng)性強(qiáng)的情境資訊的需求不斷變化， 大多數(shù)數(shù)據(jù)都遷移到本地的設(shè)備上處理，從而獲得更快的性能和響應(yīng)時間（少于幾毫秒）、更低的延遲、更低的電源效率。此外，通過在設(shè)備上保留數(shù)據(jù)提高了安全性，以及通過最小化數(shù)據(jù)中心傳輸而節(jié)省了成本。
邊緣計算的最大好處之一是能夠為時間敏感的需求確保實時結(jié)果。在許多情況下，傳感器數(shù)據(jù)可以直接收集、分析和交流，而無需將數(shù)據(jù)發(fā)送到時間敏感的云中心。
關(guān)鍵是，跨各種邊緣設(shè)備的可伸縮性能夠幫助加速本地決策。為提供即時和可靠數(shù)據(jù)的能力建立了基礎(chǔ)，也提高了客戶參與度，在許多情況下，還挽救了生命。想想家庭安全、航空航天、汽車、智能城市、醫(yī)療保健等這些行業(yè)——這對診斷和設(shè)備性能的即時解釋至關(guān)重要。
人工智能優(yōu)勢的發(fā)展
亞馬遜、谷歌、蘋果、寶馬、大眾、特斯拉、Airbus， Fraunhofer， Vodafone， Deutch Telekom， Ericsson， 和Harting等創(chuàng)新機(jī)構(gòu)，現(xiàn)在都在為AI下著巨大的砝碼。此外，許多這樣的公司正在建立行業(yè)協(xié)會，如歐洲邊緣計算聯(lián)盟（EECC），它可幫助教育和激勵中小型和大型企業(yè)，以推動制造業(yè)和其他工業(yè)市場采用邊緣計算。
歐洲邊緣計算產(chǎn)業(yè)聯(lián)盟旨在支持歐洲和世界各地的大中小型企業(yè)采用相關(guān)技術(shù)，尤其側(cè)重于 OT 技術(shù)與 ICT 技術(shù)的融合。ECCE將推動在制造業(yè)，運(yùn)營商以及企業(yè)與 IoT 等相關(guān)領(lǐng)域解決方案中采用邊緣計算技術(shù)，注重發(fā)現(xiàn)和推動現(xiàn)有的技術(shù)，標(biāo)準(zhǔn)的應(yīng)用并持續(xù)貢獻(xiàn)，使得聯(lián)盟成員的產(chǎn)品更加符合用戶對邊緣計算解決方案的需求。聯(lián)盟成立的目標(biāo)包括：邊緣計算參考架構(gòu)模型（ECCE RAMEC）、邊緣計算全棧技術(shù)實現(xiàn)（邊緣計算節(jié)點）、識別產(chǎn)業(yè)發(fā)展的短板并通過對不同路徑的評估比較找到最佳實踐（ECCE Pathfinders），與相關(guān)產(chǎn)業(yè)／標(biāo)準(zhǔn)化組織積極互動，對聯(lián)盟的成果進(jìn)行推廣。
邊緣計算的參考體系結(jié)構(gòu)模型
從邊緣往下看
人工智能和機(jī)器學(xué)習(xí)的發(fā)展為創(chuàng)造智能設(shè)備提供了大量的機(jī)會，這些設(shè)備能夠感知周圍的環(huán)境。對智能機(jī)器的需求將受益于多感官數(shù)據(jù)的增長，這些數(shù)據(jù)能夠以更高的精度和性能進(jìn)行計算。邊緣計算可以將人工智能數(shù)據(jù)轉(zhuǎn)化為幾乎所有行業(yè)的“實時”價值。智能邊緣是人工智能技術(shù)發(fā)展和成功的下一個階段。
延伸閱讀
華為攜手多家合作伙伴，成立歐洲邊緣計算產(chǎn)業(yè)聯(lián)盟
在第二屆歐洲邊緣計算論壇（ECF）上，華為與多家合作伙伴達(dá)成意向，將共同努力，聯(lián)合建立歐洲邊緣計算產(chǎn)業(yè)聯(lián)盟（ECCE）。ECCE旨在為智能制造、運(yùn)營商、企業(yè)與IoT等領(lǐng)域的廠商與組織提供全方位的邊緣計算產(chǎn)業(yè)合作平臺，通過產(chǎn)業(yè)協(xié)同，開放創(chuàng)新和示范推廣，深化行業(yè)數(shù)字化轉(zhuǎn)型，共同推進(jìn)邊緣計算產(chǎn)業(yè)的蓬勃發(fā)展。
邊緣計算橫跨多個領(lǐng)域，涉及網(wǎng)絡(luò)聯(lián)接、數(shù)據(jù)聚合、芯片、傳感、行業(yè)應(yīng)用多個產(chǎn)業(yè)鏈角色。根據(jù)IDC統(tǒng)計數(shù)據(jù)顯示，到2020年將有超過500億的終端和設(shè)備聯(lián)網(wǎng)，其中超過50％的數(shù)據(jù)需要在網(wǎng)絡(luò)邊緣側(cè)分析、處理與存儲，邊緣計算市場之大顯而易見。另外，邊緣計算和5G相輔相成，5G 的加速推進(jìn)也會促進(jìn)邊緣計算的大規(guī)模部署。邊緣計算產(chǎn)業(yè)發(fā)展已進(jìn)入重要機(jī)遇期。
除了華為以外，此次參與合作的還有ADI、ARM、龐巴迪、貝加萊自動化、德國人工智能研究中心（DFK）、IBM、英特爾、庫卡等來自世界各地不同行業(yè)的公司。
邊緣智能：現(xiàn)狀和展望
（摘自：湖南大學(xué)信息科學(xué)與工程學(xué)院，國家超級計算長沙中心）
以云計算為代表的集中式處理模式將無法高效地處理邊緣設(shè)備產(chǎn)生的數(shù)據(jù)，無法滿足人們對服務(wù)質(zhì)量的需求。其劣勢主要體現(xiàn)在以下兩個方面。
● 實時性不夠。在云計算服務(wù)模式下，應(yīng)用需要將數(shù)據(jù)傳送到云計算中心進(jìn)行處理，這增大了系統(tǒng)的時延。以無人駕駛汽車為例，高速行駛的汽車需要在毫秒級的時間內(nèi)響應(yīng)，一旦由于數(shù)據(jù)傳輸、網(wǎng)絡(luò)等問題導(dǎo)致系統(tǒng)響應(yīng)時間增加，將會造成嚴(yán)重的后果。
● 帶寬不足。邊緣設(shè)備產(chǎn)生的大量數(shù)據(jù)全部傳輸至云計算中心，給網(wǎng)絡(luò)帶寬造成了極大的壓力。例如，飛機(jī)波音787每秒產(chǎn)生的數(shù)據(jù)超過5 GB，但飛機(jī)與衛(wèi)星之間的帶寬不足以支持?jǐn)?shù)據(jù)的實時傳輸。
邊緣計算模型應(yīng)運(yùn)而生。邊緣計算是部署在邊緣終端設(shè)備和云計算中心之間的一種新型計算模型。邊緣計算的資源是指從數(shù)據(jù)源到云計算中心路徑上的任意計算和網(wǎng)絡(luò)資源，是一個連續(xù)系統(tǒng)。在該模式下，邊緣設(shè)備上亦有計算。邊緣計算具有幾個明顯的優(yōu)點：首先，邊緣設(shè)備處理了部分產(chǎn)生的臨時數(shù)據(jù)，不再需要將全部數(shù)據(jù)上傳至云端，只需要傳輸有價值的數(shù)據(jù)，這極大地減輕了網(wǎng)絡(luò)帶寬的壓力，且減少了對計算存儲資源的需求。其次，在靠近數(shù)據(jù)源端進(jìn)行數(shù)據(jù)處理，能夠大大地減少系統(tǒng)時延，提高服務(wù)的響應(yīng)時間。
而人工智能技術(shù)已成功應(yīng)用于目標(biāo)識別、智能搜索、語言處理、智能交通等領(lǐng)域。然而，由于人工智能方法包含大量的計算，當(dāng)前人工智能大部分計算任務(wù)部署在云計算中心等大規(guī)模計算資源集中的平臺上，這極大地限制了人工智能帶給人們的便利。
為此，邊緣智能應(yīng)聲而出。邊緣智能是指終端智能，它是融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的開放平臺，并提供邊緣智能服務(wù)，滿足行業(yè)數(shù)字化在敏捷連接、實時業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求。將智能部署在邊緣設(shè)備上，可以使智能更貼近用戶，更快、更好為用戶地提供智能服務(wù)。
邊緣智能面臨的挑戰(zhàn)
人工智能方法主要包括訓(xùn)練和推斷兩部分。訓(xùn)練主要是利用已知結(jié)果的大量數(shù)據(jù)來訓(xùn)練模型，即根據(jù)已有的大量數(shù)據(jù)來擬合模型及參數(shù)。推斷主要是用擬合好的模型對未知結(jié)果的數(shù)據(jù)結(jié)果進(jìn)行預(yù)測。訓(xùn)練過程需要大量的計算資源和存儲資源。將人工智能部署在邊緣設(shè)備上，主要面臨以下幾個挑戰(zhàn)。
● 計算、存儲、能耗等資源受限。相比于云計算中心等大規(guī)模服務(wù)器集群，邊緣計算的資源是指從數(shù)據(jù)源到云計算中心路徑上的任意計算和網(wǎng)絡(luò)資源（如攝像頭、網(wǎng)關(guān)等）。因而，邊緣設(shè)備的計算、存儲能力往往遠(yuǎn)遠(yuǎn)小于專用服務(wù)器的計算、存儲能力，無法滿足人工智能訓(xùn)練所需的大量計算和存儲資源。除此之外，部分邊緣設(shè)備采用蓄電池等小型供電設(shè)備，無法滿足計算所需的能耗。
● 邊緣網(wǎng)絡(luò)資源不足。根據(jù)Cisco云指數(shù)的預(yù)測，到2021年，全球范圍將有超過500億的終端設(shè)備，每年產(chǎn)生的數(shù)據(jù)總量將達(dá)到847 ZB。相比而言，全球數(shù)據(jù)中心的存儲能力預(yù)計僅能達(dá)到2．6 ZB，而網(wǎng)絡(luò)流量為19．5 ZB。
● 人工智能在“邊緣”并行困難。人工智能是研究使計算機(jī)模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科。人工智能模型模擬人腦神經(jīng)元的互聯(lián)關(guān)系，模型復(fù)雜，各組成部分之間依賴性強(qiáng)，在分布式環(huán)境下并行困難。
翻譯自——EEtimes
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
