近年來，人工智能 (AI) 的出現真正徹底改變了我們的行業和個人生活，提供了前所未有的機會和能力。然而，雖然基于云的處理和云人工智能在過去十年中蓬勃發展，但我們也遇到了諸如延遲、帶寬限制以及安全和隱私問題等問題。這就是邊緣人工智能(Edge AI )的出現變得極其有價值并改變人工智能格局的地方。
在人工智能最新進展的推動下，邊緣人工智能正在推動當今技術格局的重大轉變。通過在數據源附近進行計算，邊緣人工智能增強了響應能力，增強了安全性和隱私性，促進了可擴展性，實現了分布式計算并提高了成本效率。
邊緣人工智能代表了人工智能部署的范式轉變，使計算能力更接近數據源。它允許在設備上進行數據處理，并實現實時、上下文感知的決策。Edge AI 不依賴基于云的處理，而是利用傳感器、攝像頭、智能手機和其他緊湊型設備等邊緣設備在設備本身上執行 AI 計算。這種方法具有多種優勢，包括減少延遲、提高帶寬效率、增強數據隱私以及在連接有限或間歇性的情況下提高可靠性。
“即使 5G 無處不在，也無法保證與云的連接，并且在任何情況下都無法保證帶寬。向AIoT的轉變越來越需要邊緣的智能和計算能力。”
- Nandan Nayampally，Brainchip 首席營銷官
云人工智能主要在遠程服務器中執行數據處理和分析，而邊緣人工智能則專注于直接在設備上啟用人工智能功能。這里的主要區別在于處理位置和正在處理的數據的性質。云人工智能適用于可以容忍延遲的處理密集型應用，而邊緣人工智能則擅長于需要實時處理的時間敏感場景。通過直接在邊緣設備上部署人工智能模型，邊緣人工智能最大限度地減少了對云連接的依賴，從而實現本地化決策和響應。
邊緣涵蓋從數據中心到物聯網端點的整個范圍。這包括數據中心邊緣、網絡邊緣、嵌入式邊緣和本地邊緣，每個邊緣都有自己的用例。計算要求本質上決定了特定應用程序的范圍，從數據中心邊緣解決方案到嵌入汽車輪胎等設備中的小型傳感器。與振動相關的應用程序將定位于頻譜的一端，通常在微控制器上實現，而更復雜的視頻分析任務可能更接近另一端，有時在更強大的微處理器上實現。
“隨著這些邊緣平臺增強了計算能力，應用正在逐漸走向邊緣。”
- Ian Bratt，Arm 研究員兼高級技術總監
當談到邊緣人工智能時，焦點主要集中在傳感系統上。這包括基于攝像頭的系統、音頻傳感器以及智能城市中的交通監控等應用。邊緣人工智能本質上是一個廣泛的感知系統，持續監控和解釋世界上發生的事件。在集成技術方法中，收集到的信息可以發送到云端進行進一步處理。
邊緣人工智能在需要快速決策和對時間敏感數據立即響應的應用中大放異彩。例如，在自動駕駛中，邊緣人工智能使車輛能夠處理車載傳感器數據并做出瞬間決策以確保安全導航。同樣，在醫療保健領域，邊緣人工智能可以實現實時患者監控、檢測異常情況并促進立即干預。本地處理和分析數據的能力使醫療保健專業人員能夠提供及時、挽救生命的干預措施。
邊緣AI應用領域可以根據功率敏感度、尺寸限制、重量限制、散熱等具體要求來區分。功率敏感性是一個重要的考慮因素，因為邊緣設備通常是智能手機、可穿戴設備或物聯網 (IoT) 系統中使用的低功耗設備。這些設備上部署的人工智能模型必須針對高效功耗進行優化，以保持電池壽命并延長運行時間。
尺寸限制和重量限制在區分邊緣人工智能應用領域方面也發揮著相當重要的作用。邊緣設備通常結構緊湊且便于攜帶，因此人工智能模型必須輕量且節省空間。在將邊緣設備集成到無人機、機器人或可穿戴設備中時，這種考慮尤其重要，因為這些設備的尺寸和重量直接影響性能和可用性。
然而，邊緣計算呈現出以前無法實現的顯著優勢。例如，擁有數據可以提供高水平的安全性，因為不需要將數據發送到云端，從而減輕日益增加的網絡安全風險。由于與云的來回通信減少，邊緣計算還減少了延遲和功耗，這對于低功耗運行的受限設備尤為重要。而且優勢還不止于此，因為我們在實時性能和決策、改進的隱私控制和設備學習方面看到了越來越有趣的發展，使智能設備能夠自主、自適應地運行，而無需依賴持續不斷的信息。
“最近人工智能的激增是由尖端算法和*硬件之間的和諧相互作用推動的。隨著我們的前進，這兩個元素的共生將變得更加重要，特別是對于邊緣人工智能而言。”
- Bram Verhoef 博士，Axelera AI 機器學習主管
邊緣人工智能在當前和未來的技術領域具有巨大的意義。憑借去中心化的人工智能處理、改進的響應能力、增強的隱私和安全性、成本效益、可擴展性和分布式計算，邊緣人工智能正在徹底改變我們的世界。
