【AI60問】Q54人工智慧與邊緣運算的關係?

by 提拔我園丁

根據統計資料庫(Statista)估算,物聯網裝置,如:手機、虛擬助理、電腦、平板、無人機、攝影機、建築物感測器、穿戴式健身感測器…等,這些數量可能在2025年成長到超過700億部,且帶動邊緣運算的應用。

什麼是邊緣AI呢?

1、邊緣 AI

是指把「人工智慧」與「機器學習」處理,從雲端移至網路邊緣威力強大的伺服器,如:辦公室、5G 基地台,及其他接近連網終端裝置的實體地點。

將 AI 運算移到更靠近數據的地方,它不僅可以排除延遲,且能確保所有數據的價值可以保留。也能避免把數據傳送到雲端的延遲造成的威脅或破壞,尤其是目前AI最廣泛應用的使用情境:物聯網。

*例如:
像網路橋接器 (network bridge)與交換器等基本裝置,
都逐漸被邊緣伺服器所取代,
邊緣伺服器功能強大,
也能將數據中心的硬體加到終端與雲端間的閘道器(gateway)當中。

被AI賦能的邊緣伺服器,可以設計為提升運算力、降低耗電,為城市、工廠與環境創造各種機會,提升效率、安全性與生產力。為數據及網路基礎架構帶來許多優點。

(1)網路數據應用

  • 分析數據流量,進行預測與功能管理
  • 根據數據作出決策,減少返回雲端的時間
  • 提升整體安全性、可靠性、效率

(2)感應器融合

結合數個感應器的數據,創造跟流程、環境或情況相關的複雜圖像。

如:工業應用邊緣 AI 裝置,在任務中結合來自工廠內多個感應器數據,預測何時會發生機械故障,這個邊緣 AI 裝置必須學習每個感應器間的相互作用,一個感應器如何影響其它感應器,並即時應用學習到的成果。

把敏感的數據移到邊緣的好處還有關鍵的安全性與彈性:當越多數據被移到集中的地點,數據完整性遭破壞的可能會增加。隨著運算本質的改變,邊緣在支援具有各種能耗與效能需求不同的系統上,扮演的角色越來越重。為了替企業大規模達成服務等級協議,邊緣必須採用雲端原生的軟體原則。

2、開發AI 邊緣的進展

致力於IoT邊緣硬體的大、中、小型公司:

  • BrainChip (Akida神經形態SoC)
  • CEVA (NeuPro系列)
  • Google (Edge TPU)
  • GreenWave (AI處理器GAP8)
  • 華為(Ascend晶片)
  • 英特爾(Xeon)
  • Nvidia (Jetson TX2)
  • 高通(視覺智慧平台)
  • 意法半導體(STM32微控制器)

小型公司:

  • 關注IoT邊緣軟體:Ekkono、FogHorn、Swim (一種基於雲端的POS)
  • 推論:瑞薩(e-AI)
  • 兩種功能兼具:亞馬遜(AWS Greengrass機器學習推論模型)、BrainChip (Studio軟體)、Google (Cloud IoT Edge)、華為(Atlas平台)、IBM (Watson IoT平台)

大型科技公司:

處於建構生態系統的最佳位置,協助開發人員創建特定產業和場景的解決方案。

  • Google (AI平台)、華為(MindSpore)、IBM (Watson)、英特爾(AI開發人員計畫)、微軟(Azure)
  • 企業級建模:IoT Hub、Azure Databricks、ML Studio、Power BI

還有一些較小規模的公司正在創造這一生態系統,如:BrainChip的Akida開發環境。

此外,開放霧聯盟(OpenFog Consortium)等產業組織,及包括 Living Edge Lab、ETSI Multi-access Edge Computing和EdgeX Foundry…等開源專案也都在為此環境做出努力。

想成為爬蟲工程師 、資料分析師 、資料工程師 、資料分析領域專家 、人工智慧產品經理嗎?還是你的公司正需要培養此領域人才呢?

點我了解 AI資料科學家-三階段全方位學程班 👉 https://www.tibame.com/eventpage/ai_datascientist 

每日5分鐘, 提拔我園丁陪你快速添補AI/資料科學知識與技能。

若想了解更多AI/資料科學的小知識、及各產業的相關應用,歡迎訂閱TibaMe FB及部落格,或有其他想了解的主題歡迎在下方留言讓我們知道唷!

參考資料

分享這篇文章:
0 comment
2

您也許會喜歡

Leave a Comment

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料