边缘计算和边缘AI是什么？两者有什么差异？
发布时间：2022-07-04 14:12:40 所属栏目：云计算 来源：互联网
导读：AI芯片分为云端和边缘端，云端芯片要求高性能，边缘端芯片由于应用场景众多，对于环境和能耗等也有更多要求。事实上，当前边缘AI芯片已不再是个小众领域，包括谷歌、英伟达、英特尔、高通、华为、寒武纪、地平线均于近两年推出边缘AI芯片，AI芯片的战火已经
|
AI芯片分为云端和边缘端，云端芯片要求高性能，边缘端芯片由于应用场景众多，对于环境和能耗等也有更多要求。事实上，当前边缘AI芯片已不再是个小众领域，包括谷歌、英伟达、英特尔、高通、华为、寒武纪、地平线均于近两年推出边缘AI芯片，AI芯片的战火已经由云端蔓延到了边缘。 一、边缘计算与边缘AI 近年来，物联网设备连接数呈现出线性增长趋势。据Gartner预测，到2020年，全球物联网设备的数量将超过200亿台。与此同时，设备本身也变得越来越智能化。人工智能与物联网在实际应用中的落地与融合，将推动人类社会进入“万物智能互联”时代，而随之产生的数据也将呈井喷式爆发。 边缘计算是云计算的一种补充和优化。如果说云计算是集中式、在“云端”进行的大数据处理，那么，边缘计算则可以理解为边缘侧、靠近终端（例如手机、智能语音交互设备等）的大数据处理。在很多情况下，边缘计算和云计算是共生关系。有个形象的解释，把云计算和边缘计算比喻成章鱼的各器官，似乎更容易理解。作为自然界中智商最高的无脊椎动物，章鱼拥有“概念思维”能力，与两个强大的记忆系统分不开。一个是大脑记忆系统，大脑具有5亿个神经元，另一个是八个爪子上的吸盘。也就是说，章鱼的八条腿可以思考并解决问题。云计算就好比章鱼的大脑，边缘计算就类似于八爪鱼的那些小爪子，一个爪子就是一个小型的机房，靠近具体的实物。边缘计算更靠近设备端，更靠近用户。 具体而言，边缘计算有几个明显的优点： 带宽：边缘设备处理了部分产生的临时数据，不再需要将全部数据上传至云端，只需要传输有价值的数据，这极大地减轻了网络带宽的压力，且减少了对计算存储资源的需求； 延迟：在靠近数据源端进行数据处理，能够大大地减少系统时延，提高服务的响应时间； 经济性：某个应用如果使用云端，即使能从技术上解决带宽和延迟问题，但在边缘执行计算可能更划算； 边缘AI是指在硬件设备上本地处理的AI算法，可以在没有网络连接的情况下处理数据。这意味着可以在无需流式传输或在云端数据存储的情况下进行数据创建等操作。为了实现这些目标，边缘计算可以在云上靠深度学习生成数据，而在数据原点——即设备本身（边缘）执行模型的推断和预测。 目前，国际上尚未建立边缘人工智能的标准架构和统一算法，但各大厂商已经开始在相关领域进行探索。谷歌、亚马逊和微软等传统云服务提供商推出了边缘人工智能服务平台，通过在终端设备本地运行预先训练好的模型进行机器学习推断，将智能服务推向边缘。此外，市场上已经出现多种边缘人工智能芯片，如文章开篇提到的地平线旭日3、谷歌edge TPU、英特尔Nervana NNP、华为Ascend 910和Ascend 310等。 二、边缘计算与5G 边缘计算与5G可以说是互为犄角的关系。 国际标准化组织3GPP定义了5G的三大场景。其中，eMBB指3D/超高清视频等大流量移动宽带业务，mMTC指大规模物联网业务，URLLC指如无人驾驶、工业自动化等需要低时延、高可靠连接的业务。5G通信网络更加去中心化，需要在网络边缘部署小规模或者便携式数据中心，进行终端请求的本地化处理，以满足URLLC和mMTC的超低延时需求，因此边缘计是5G核心技术之一。 边缘计算恰好可以解决5G三大场景面临的问题。首先，边缘计算设备将为新的和现有的边缘设备提供连接和保护；其次，尽管5G将为基于云的应用程序提供更好的连接性和更低的延迟，但仍然存在处理和存储数据的成本。混合边缘计算/5G解决方案将降低这些成本；最后，边缘计算可以让更多应用程序在边缘运行，减短了由数据传输速度和带宽限制所带来的延时，并可对本地数据做初步分析，为云分担一部分工作。 另一方面，5G与边缘计算一定程度上是相辅相成的。一方面，得益于5G自身发展，将对边缘计算的发展起到直接促进作用；另一方面，由于5G对物联网有促进作用，也将间接促进边缘计算发展。 三、边缘AI的使用场景 边缘AI因其流量占有少、时延低、隐私性强等特征，在各行各业具有广泛的应用前景。 智能手机 这或许是我们最熟悉的边缘AI设备。Siri和谷歌助手是智能手机上边缘AI的最好例证，因为该技术驱动了它们的语音UI。手机上的AI使得数据处理发生在设备（边缘）侧，这意味着不需要将设备数据交付到云端。这有助于保护隐私和减少流量。 智慧农业 农业也将同样受益于边缘AI。除了无人机的应用，还有利用基于边缘计算的农业物联网实现精准农业的应用等。例如，一家总部位于澳大利亚的农业技术公司The Yield，它使用传感器、数据和人工智能帮助农民做出有关天气、土壤和植物条件的明智决策。 公共安全 人脸识别系统是监控摄像头的发展方向，它可以通过学习人脸识别人类个体。2019年11月，WDS有限公司发布了AI摄像头模块Eeye，通过边缘AI实时分析面部特征。对于边缘计算的使用，即强化摄像头终端的运算处理能，可让其所搭载的人脸识别功能不再依赖云端服务器，避免耗费时间上传图像，节省了大量带宽资源。而且通过在本地设备上直接完成脸部辨识，进而让识别过程缩短至1.5秒内。 实时视频分析也是边缘AI最重要的应用场景之一。此前，视频分析一般在云端进行，面临着高流量消耗、延迟大等问题。随着边缘计算的发展，可以将部分视频分析工作转移到边缘节点进行。在末端，视频采集设备负责视频采集、压缩和图像/视频预处理。在边缘层，多个分布式边缘节点相互协作。在云端，由于边缘节点的分布式模型训练可能因其本地知识有限而未能经过良好训练，当边缘无法提供服务时，云利用全局知识进行进一步处理，并帮助边缘节点更新训练模型。 Tractica的一份报告估计：到 2025 年，人工智能边缘设备出货量将从2018年的1.614亿台增加到全球每年26亿台。就单位数量而言，顶级的人工智能边缘设备将包括手机、智能扬声器、个人电脑 /平板电脑、头戴式显示器、汽车传感器、无人机、消费者和企业机器人以及安全摄像头。可穿戴式健康传感器、建筑物或设施传感器还将有更多人工智能。 智慧城市 随着城市规模的不断扩大，数据呈现地理分布的特性，需要边缘人工智能模式提供对时延敏感设备的监控和智能控制。通过边缘计算支撑智慧城市大规模基础设施的计算和服务，可以实现终端设备的低时延应用，将时延要求高的任务部署在边缘节点执行。通过AI来协同和调度城市基础设施，应用到公共安全、健康医疗、城市管理、交通出行、智慧社区和其他领域，实现整个城市的资源最佳利用。 例如，关于交通拥堵问题，新加坡通过联网运输解决方案应对了巨大的交通挑战。其智能交通系统（ITS）已经形成了电子道路收费的先锋系统，随着交通量激增公路收费也随之增加。ITS 还允许通过具有GPS功能的出租车提供实时交通信息，并整合公共交通结构，同时也能够使公交车更加准时。城市卫生条件也可以通过智能技术改善，如使用互联网连接的垃圾桶或物联网支持的车队管理系统进行废物收集和垃圾处理，或者是将传感器技术应用于智能废物容器，（它会自动感知什么时候垃圾到达容器的顶部，从而及时通知城市环卫部门收集垃圾）。 （编辑：开发网_开封站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
浙公网安备 33038102330459号