智慧如雨后春筍般涌現(xiàn)，如今我們很難會找到一家沒有使用新的生成式人工智能(gen-AI)和機(jī)器學(xué)習(xí)(ML)，來擴(kuò)展其核心平臺企業(yè)技術(shù)供應(yīng)商，生成式人工智能及其使用大型語言模型(LLM)、創(chuàng)建矢量數(shù)據(jù)庫等可靠的新技術(shù)趨勢，正在悄然影響著在這十年剩余時間里構(gòu)建人工智能的方式。

邊緣等于物聯(lián)網(wǎng)

當(dāng)我們談?wù)撚嬎氵吘墪r，我們通常指的是存在于物聯(lián)網(wǎng)(IoT)領(lǐng)域的計算設(shè)備。從遠(yuǎn)程智能城市和工業(yè)設(shè)備傳感器、攝像頭、加速度計和陀螺儀測量設(shè)備，再到機(jī)場自助值機(jī)終端登記計算機(jī)、銷售點(diǎn)設(shè)備，以及具有網(wǎng)絡(luò)和數(shù)據(jù)庫連接或存儲能力的所有設(shè)備。并處理信息以供以后檢索和分析，或兩者兼而有之。

對于語言和技術(shù)純粹主義者來說，邊緣計算是在物聯(lián)網(wǎng)設(shè)備上發(fā)生的事情，因此這兩個術(shù)語并不完全是同義詞。盡管需要情境化和必要的解釋性闡述，我們現(xiàn)在可以將人工智能構(gòu)建到邊緣設(shè)備中，即我們的智慧城市智能設(shè)備實(shí)際上變得越來越智能。

圍繞人工智能的對話越來越多地談?wù)撨吘壢斯ぶ悄?。任何可以連接的東西都將在邊緣生成，并且已經(jīng)生成大量數(shù)據(jù)。這種情況的規(guī)模迅速超過了，將所有這些數(shù)據(jù)上傳到云端的可用網(wǎng)絡(luò)帶寬，并且由于當(dāng)今的網(wǎng)絡(luò)不是針對上傳而是針對下載進(jìn)行優(yōu)化，這一事實(shí)加劇了這種情況。再加上成本、延遲、安全性和隱私等其他挑戰(zhàn)，將要求人工智能資源轉(zhuǎn)移到數(shù)據(jù)上，而不是相反。

我們可以以不同的方式在邊緣部署人工智能。在某些情況下，企業(yè)會部署集成了計算資源的智能傳感器，包括數(shù)字運(yùn)動處理器(DMP)等技術(shù)，這些技術(shù)能夠自動執(zhí)行不同程度的分析。

也可以部署不包含DMP的基礎(chǔ)傳感器，而是簡單地收集數(shù)據(jù)并以原始格式輸出，然后必須通過外部工具進(jìn)行分析。雖然基礎(chǔ)傳感器需要開發(fā)人員進(jìn)行更多工作才能提供所需的輸出，但它們還提供“自己動手”模型，而不是鎖定在智能設(shè)備的嵌入式人工智能中。

設(shè)備內(nèi)外分析方法

我們今天看到了這兩種方法。無論是哪種類型的傳感器，都需要在傳感器附近或內(nèi)部，運(yùn)行高級數(shù)據(jù)分析和人工智能軟件。兩種傳感器方法在成本、效率、可擴(kuò)展性和靈活性方面各有利弊。但最終在邊緣環(huán)境中，需要某種邊緣計算基礎(chǔ)設(shè)施來調(diào)解這些位置的挑戰(zhàn)。

對于智能傳感器來說，這包括處理生成的大量數(shù)據(jù)、持續(xù)或接近持續(xù)互聯(lián)網(wǎng)連接的需求，以及可能存在的巨大電力需求。對于可能實(shí)時生成數(shù)據(jù)的基礎(chǔ)傳感器，這包括需要將生成的數(shù)據(jù)100%發(fā)送到次要位置進(jìn)行處理。

實(shí)施邊緣人工智能還需要解決傳感器本身之外的挑戰(zhàn)。這包括信息技術(shù)(IT)和運(yùn)營技術(shù)(OT)技能之間的脫節(jié)。最了解現(xiàn)場操作的人員與開發(fā)人工智能模型的人員并不相同，每個角色都有不同的優(yōu)先級，需要不同的專業(yè)知識。這兩個團(tuán)隊(duì)必須合作才能成功在邊緣實(shí)施人工智能。

在技術(shù)挑戰(zhàn)方面，為了管理在異構(gòu)環(huán)境和大規(guī)模變化的條件下的現(xiàn)實(shí)世界中部署AI/ML的復(fù)雜性，需要為AI工具提供一致的交付機(jī)制，就必須實(shí)施模型和邊緣計算基礎(chǔ)設(shè)施。

如今許多邊緣人工智能項(xiàng)目都處于實(shí)驗(yàn)室或有限的現(xiàn)場試驗(yàn)中。隨著企業(yè)開始考慮數(shù)十萬個地點(diǎn)的完整生產(chǎn)部署，那么他們必須建立在一個編排基礎(chǔ)上，該基礎(chǔ)可以許多不同的邊緣挑戰(zhàn)，例如多樣性、安全性和資源約束，同時還提供對可能指示不準(zhǔn)確分析或其他問題的現(xiàn)場性能的完全可見性。

總結(jié)

如今，我們可以看到許多成功地在分布式環(huán)境中部署項(xiàng)目的行業(yè)，如各種零售商店、太陽能發(fā)電場和制造設(shè)施，一些企業(yè)使用基礎(chǔ)傳感器將數(shù)據(jù)發(fā)送到邊緣節(jié)點(diǎn)，甚至在傳感器內(nèi)嵌入軟件。

在實(shí)現(xiàn)自動化之后，示例中的數(shù)據(jù)將在人工智能模型中進(jìn)行處理，并實(shí)時提供給全球各地的分析師，他們可以在一小時內(nèi)分析并編寫完整的報告。技術(shù)人員不再需要親自到井進(jìn)行分析，從而降低了人身安全風(fēng)險。

當(dāng)我們努力將物聯(lián)網(wǎng)邊緣的更多人工智能連接到我們的企業(yè)網(wǎng)絡(luò)中，以用于影響工作和家庭生活的應(yīng)用時，我們需要考慮可擴(kuò)展性、安全性、身份等詞語，并考慮其穩(wěn)定性。

在某些情況下，我們可能會信任設(shè)備本身做出至關(guān)重要的決定，話雖如此，我們還需要人工智能實(shí)現(xiàn)自動化、集成和協(xié)調(diào)。