許多企業(yè)已經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,可能正在探索或實施人工智能或機器學習,也已經認識到自動化的發(fā)現(xiàn)和獲得數(shù)據(jù)驅動的洞察力。但如果不積極地將邊緣戰(zhàn)略和人工智能策略結合起來,那么就會錯過變革的可能性。
人工智能領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%的領導者認為邊緣對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)絡訪問受限或沒有網(wǎng)絡訪問,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)絡技術的可用性,為企業(yè)部署人工智能工作負載、更接近數(shù)據(jù)生產源奠定了基礎。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)絡安全和健康調查。調查人員曾經收集數(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)的預測精度。遠程人工智能的基礎設施即代碼邊緣人工智能的最佳實踐是基礎設施代碼?;A設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)絡和安全配置。使用基礎設施代碼,配置文件包括基礎結構規(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,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。我們應該尋求在邊緣和核心使用一致的技術和工具。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?,F(xiàn)實世界及其他中的邊緣人工智能從軍隊到執(zhí)法部門,再到管理關鍵基礎設施的機構,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?;蚪M測序產生了大量的數(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,并將任務擴展到任何需要的地方。- 2025年及以后值得關注的AIoT主要趨勢
- 數(shù)字孿生:為人工智能驅動的智能工廠鋪平道路
- 人工智能的能源需求:數(shù)據(jù)中心和電力行業(yè)能否跟上?
- 為什么光纖電纜是數(shù)據(jù)中心的最佳選擇以及如何有效部署它
- 什么是光學監(jiān)控系統(tǒng)?
- 木制數(shù)據(jù)中心:技術基礎設施的下一個重大創(chuàng)新?
- 馬斯克xAI再獲百億美元資金;武漢大學成立機器人學院 與華為、宇樹等合作培養(yǎng)——2025年07月03日
- 5G及更高版本的靜默骨干:網(wǎng)絡API如何賦能未來互聯(lián)
- 如何選擇最適合的云部署模型?
- 從靜態(tài)到智能:物聯(lián)網(wǎng)在工業(yè)稱重系統(tǒng)中的興起
免責聲明:本網(wǎng)站內容主要來自原創(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確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時,應及時向本網(wǎng)站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內容或斷開相關鏈接。