邊緣人工智能（Edge AI）是人工智能領域引人注目的新領域之一，其目的是讓用戶運行人工智能流程而不必擔心隱私或數據傳輸較慢帶來的影響。邊緣人工智能可以使人工智能技術得到更廣泛的應用，使智能設備在無需接入云平臺的情況下對輸入做出快速反應。雖然這是邊緣人工智能的一個快速定義，但是需要更好地理解和探索邊緣人工智能技術，并了解邊緣人工智能的一些用例。

為了真正理解邊緣人工智能，首先需要了解邊緣計算，而理解邊緣計算的最佳方法就是將其與云計算進行對比。云計算是通過公共互聯網提供計算服務，相比之下，邊緣計算系統并不連接到云計算平臺，而是在內部部署設備上運行。這些設備可能是專用邊緣計算服務器、內部部署設備或物聯網（IoT）設備。使用邊緣計算有許多優點。例如，基于互聯網/云平臺的計算處理會受到網絡延遲和帶寬的限制，而邊緣計算則不受這些因素的限制。

什么是邊緣人工智能？

在了解了什么是邊緣計算之后，需要了解邊緣人工智能。邊緣人工智能將人工智能技術和邊緣計算技術相結合，使人工智能算法運行在能夠進行邊緣計算的設備上。這樣做的好處是可以實時處理數據，而不必連接到云平臺。

大多數先進的人工智能流程都是在云中進行的，因為它們需要大量的計算能力。其結果是這些人工智能流程很容易受到網絡延遲或停機的影響。因為邊緣人工智能系統在邊緣計算設備上運行，所以其必要的數據操作可以在本地進行，并通過公共互聯網發送，這節省了大量時間。而深度學習算法可以在設備本身（數據的起點）上運行。

邊緣人工智能變得越來越重要，這是因為越來越多的設備需要在無法訪問云平臺的情況下使用人工智能技術。在自動化機器人或配備計算機視覺算法的智能汽車的應用中，數據傳輸的滯后可能是災難性的。自動駕駛汽車在檢測道路的人員或障礙時不能受到延遲的影響，由于快速響應時間是如此重要，必須采用邊緣人工智能系統，允許實時分析和分類圖像，而不依賴云計算連接。

當邊緣計算設備被賦予通常在云端進行的信息處理任務時，其結果是低延遲或實時進行處理。此外，通過傳輸最重要的信息，可以減少傳輸的數據量，并最大程度地減少通信中斷。

邊緣人工智能與物聯網

邊緣人工智能可以與5G和物聯網（IoT）等其他數字技術相結合。物聯網為邊緣人工智能系統生成數據以供使用，而5G技術對于邊緣人工智能和物聯網的持續發展至關重要。

物聯網是指通過公共互聯網相互連接的各種智能設備。所有這些設備都會生成數據，這些數據可以輸入到邊緣人工智能設備中，這些設備也可以充當數據的臨時存儲單元。而數據處理方法具有更大的靈活性。

5G技術對于邊緣人工智能和物聯網的發展至關重要。5G能夠以高達20Gbps的更高速度傳輸數據，而4G只能以1Gbps的速度傳輸數據。5G還比4G支持更多的并發連接和更短的延遲。與4G相比，這些優勢非常重要，因為隨著物聯網的發展，數據量也將增長，并且傳輸速度也會受到影響。5G使更多設備之間可以進行更多交互，其中許多設備都可以采用邊緣人工智能技術。

邊緣人工智能用例

邊緣人工智能的用例包括幾乎所有在本地設備上進行數據處理比通過云平臺更有效的實例。邊緣人工智能的一些常見用例包括自動駕駛汽車、無人機、面部識別和數字助理。

自動駕駛汽車是邊緣人工智能的典型用例之一。自動駕駛汽車必須不斷地掃描周圍的環境并評估行駛情況，根據突發事件對其行進軌跡進行校正。在這些情況下，實時數據處理至關重要，其車載的邊緣人工智能系統將負責數據的存儲、處理和分析。因此，邊緣人工智能技術對于將三級和四級（完全自主）車輛推向市場是必不可少的技術。

由于無人機不是由無人控制或駕駛的，因此它們與自動駕駛汽車的要求非常相似。如果無人機在飛行中失去控制或發生故障，則可能墜毀并損壞公共財產或威脅人身安全。此外，無人機可能會飛出互聯網絡服務范圍之外，并且它們必須具有邊緣人工智能功能。邊緣人工智能系統對于亞馬遜Prime Air等旨在通過無人機交付包裹的服務來說是不可或缺的。

邊緣人工智能的另一個用例是面部識別系統。面部識別系統依靠計算機視覺算法來分析攝像頭收集的數據。即使沒有連接到云平臺，為安全等任務而運行的面部識別應用程序也需要可靠地運行。

數字助理是邊緣人工智能的另一個常見用例。Google Assistant、Alexa和Siri等數字助理必須能夠在智能手機和其他數字設備上運行，即使它們沒有連接到公共互聯網也是如此。在數字設備上處理數據后，無需將其交付到云中，這有助于減少流量并確保隱私安全。
責任編輯：YYX