在處理大量數據時，隨著數據庫的不斷擴展，企業的效率始終是一個問題。

延遲和連接問題一直是處理來自計算機、應用程序和工業物聯網 (IIoT) 設備的大量數據的企業的障礙。

邊緣計算很好地解決了這些問題。

邊緣計算模型允許企業通過管理實時過程控制或檢測制造過程中更接近數據生成位置的異常來優化系統，而不是依賴數據中心或第三方云服務。

這也減輕了一些安全問題。邊緣計算提供了更好的數據安全性和隱私保護，因為數據是在邊緣處理的，而不是傳輸到中央服務器。當托管在中央服務器上的數據遭到黑客攻擊時，隱私可能會受到損害，因為它們可能包含更全面的信息。

人工智能 (AI) 和機器學習 (ML) 的日益普及也減少了延遲和連接問題，因為這些應用程序通過大批量獲取和處理數據來發揮最佳作用。

邊緣計算設備通常重量輕，并支持各種外形尺寸。有時，邊緣計算也可以指可以在本地硬件或虛擬化環境中運行的與硬件無關的軟件組件。

在本周的 New Tech Tuesday 中，讓我們看看來自 Kneron、Advantech 和 Axiomtek 的人工智能邊緣計算設備和傳感器。

使用模塊將 AI 帶到邊緣

Kneron 的 MINI-AI-520 AI 邊緣計算模塊為現有系統帶來了 AI 和 ML 推理。該設備基于 KL520 神經處理器單元 (NPU)，可以連接到支持 PCI Express 迷你卡 (mPCIe) 模塊的嵌入式系統。KL520 提供每瓦 0.35 TOPS 的 AI 計算性能，非常適合遠程、移動和無人駕駛應用。Kneron 還擁有 M2AI-2242-520 AI 邊緣計算模塊，可單獨購買 (PER-T520-MIAI-A11-0001) 或與 EverFocus EUA1200 全高清攝像頭 (PER-T520-MIAI-A11-K001) 搭配使用。

研華的 VEGA-340 邊緣 AI 加速模塊可以提升視頻基礎設施的性能，從邊緣貢獻到云分發。該低功耗設備具有適用于視覺應用的即插即用 AI 推理功能，包括視頻監控、醫療診斷和機器視覺。這些模塊還配備了英特爾? Movidius ? Myriad ? X 視覺處理單元 (VPU)，針對邊緣處理、計算機視覺和深度學習進行了優化。開發人員還可以利用英特爾 OpenVINO ?工具套件進行推理性能優化。

Axiomtek 的AIE100-903-FL Edge AI Powered by NVIDIA ? Jetson ? Nano專為人工智能和邊緣計算、智能零售和智能城市應用而設計。盒子級系統在 NVIDIA? Jetson Nano 模塊上運行 Ubuntu 18.04操作系統。超緊湊（147.4mm x 129.8mm x 34.6mm）系統配備了一個 15W GbE 以太網供電 (PoE) 端口，用于供電和視頻傳輸。1kg 系統具有 -30°C 至 50°C 的工作范圍、3Grms 抗振性和 10% 至 95% 的非冷凝濕度容差。結合支持半戶外應用的可選 IP42 外殼套件，該系統適用于潮濕和寒冷的環境。

Tommy Cummings 是德克薩斯州的自由撰稿人/編輯。他的新聞職業生涯已經超過 40 年。他為《德克薩斯月刊》和《今日俄克拉荷馬》雜志撰稿。他還曾在達拉斯晨報、沃思堡星報、舊金山紀事報等公司工作。湯米報道了硅谷的互聯網繁榮，并一直是新聞媒體的數字內容和觀眾參與編輯。Tommy 于 2018 年至 2021 年在 Mouser Electronics 工作，擔任技術內容和產品內容專家。

審核編輯黃宇