![](http://manager.cechina.cn/upload/article/5005bfc2-ab79-4d25-9b47-0d75ffbadbd9/4.png)
2021 年CONTROL ENGINEERING China版权所有,受新冠疫情的影响,企业增加了对更高效业务流程的需求,以及物联网、5G 和人工智能(AI)关键进步的推动,对边缘计算的需求大幅增长。
例如,在IBM 5 月份发布的一项研究中,94% 的受访高管表示,他们的组织将在未来五年内实施边缘计算。
从智能医院和城市到无收银员商店再到自动驾驶汽车,边缘人工智能(Edge AI)——边缘计算和人工智能的结合,比以往任何时候都更受到企业的关注。
制造企业正在受到物流问题、工人短缺、通货膨胀和疫情持续爆发造成的不确定性影响。边缘AI 解决方案可用作人与机器之间的桥梁,帮助企业有效改进预测、员工分配、产品设计和物流等棘手问题。
以下是 NVIDIA 预计的2022 年值得关注的五大边缘 AI 趋势:
1. 边缘AI管理将成为企业IT重点
虽然边缘计算正迅速成为许多企业的必备品CONTROL ENGINEERING China版权所有,但部署仍处于早期阶段。
为了转向生产,边缘 AI 管理将成为 IT 部门的责任。在最近的一份报告中,Gartner指出:“边缘解决方案历来由业务线管理,但责任正在转移到IT,组织正在利用 IT 资源来优化成本。”
为了解决与可管理性、安全性和规模相关的边缘计算挑战,IT 部门将转向云原生技术。Kubernetes 是一个容器化微服务平台,已成为大规模管理边缘 AI 应用程序的领先工具。
已经在云中使用Kubernetes的企业IT部门可以转移他们的经验,为边缘构建自己的云原生管理解决方案。更多企业将寻求购买第三方产品,例如Red Hat OpenShift、VMware Tanzu、Wind River Cloud Platform和NVIDIA Fleet Command等。
![](http://manager.cechina.cn/upload/article/5005bfc2-ab79-4d25-9b47-0d75ffbadbd9/7.png)
2. 边缘AI用例的不断扩展
计算机视觉主导了边缘的人工智能部署。图像识别在 AI 培训中处于领先地位,从而形成了强大的计算机视觉应用生态系统。
许多公司正在部署或购买计算机视觉应用程序。这些处于计算机视觉前沿的公司将开始寻求多模式解决方案。
例如,NVIDIA Metropolis是一个应用程序框架和一组开发人员工具,可帮助创建计算机视觉 AI 应用程序,自 2017 年以来,其合作伙伴网络已扩大了 100 倍,现在拥有 1,000 多个成员。
多模态AI引入了不同的数据源,以创建更智能的应用程序控制工程网版权所有,这些应用程序可以响应他们的所见所闻和其他感觉。这些复杂的AI用例使用诸如自然语言理解、会话人工智能、姿势估计、检查和可视化等技能。
结合数据存储、处理技术以及输入/输出或传感器功能,多模态AI可以在边缘产生实时性能,以扩展机器人、医疗保健、超个性化广告、无收银员购物等领域的用例。
想象一下,与虚拟助手一起购物。在传统的人工智能中,虚拟人可能会看到你从货架上捡到的东西,而语音助手可能会听到你点的东西。
通过组合这两个数据源,基于多模态AI的化身可以听到您的命令,提供响应,查看您的响应,并基于此提供进一步的响应。这种补充信息使人工智能能够提供更好、更具互动性的客户体验。
3. AI与工业物联网解决方案的融合
智能工厂是由新的边缘AI应用驱动的另一个重要领域。根据 Gartner 的一份报告显示,“到 2027 年CONTROL ENGINEERING China版权所有,深度学习形式的机器学习将包含在 65% 以上的边缘用例中,而 2021 年这一比例还不到 10%。”
工厂可以将 AI 应用程序添加到摄像头和其他传感器上,以进行检查和预测性维护。然而,检测只是第一步。一旦发现问题,就必须采取行动。
AI 应用程序能够检测异常或缺陷,然后提醒人类进行干预。对于需要即时操作的安全应用程序和其他用例,通过将 AI 推理应用程序与管理装配线、机械臂或拾放机器的物联网平台连接起来,就可以实现实时响应。
此类应用程序之间的集成依赖于自定义开发工作。因此,期待 AI 与传统物联网管理平台之间建立更多合作伙伴关系,以简化边缘 AI 在工业环境中的采用。
![](http://manager.cechina.cn/upload/article/5005bfc2-ab79-4d25-9b47-0d75ffbadbd9/8.png)
4. 企业采用 AI-on-5G 的增长
AI-on-5G 组合计算基础设施可提供高性能和安全的连接结构,以集成传感器、计算平台和 AI 应用程序——无论是在现场、内部还是在云中。主要优势包括非有线环境中的超低延迟、有保证的服务质量和更高的安全性。
AI-on-5G 将解锁新的边缘 AI 用例,例如:
· 工业 4.0:工厂自动化、工厂机器人、监控和检查。
· 汽车系统:收费公路和车辆遥测应用。
· 智能空间:零售、智能城市和供应链应用。
在 2022 年CONTROL ENGINEERING China版权所有,AI和 5G 将通过最快的云访问和数据处理技术来推动下一波技术创新。5G 的优势在于延迟极低,带宽更大且连接稳定。5G 的优势与人工智能的决策能力相结合,能够大大优化设备和云之间的计算速度。
在许多行业中www.cechina.cn,AI 和 5G 的组合已经有着高效的表现,能够部署快速、安全和低成本的物联网设备和智能网络。在最近一份题为“5G 和人工智能:下一个社会和商业飞跃的基础”的报告中,”ABI Research 预测,边缘计算和AI相结合提供的低延迟可能会改变人们的生活和工作方式。
这些技术将“为消费者和企业领域的各种新商机铺平道路,否则现有技术是不可能实现的。” ABI Research 估计,到 2025 年CONTROL ENGINEERING China版权所有,部署在边缘的人工智能和机器学习应用程序将创造价值 3.1 万亿美元的价值。
5. 从云端到边缘的 AI 生命周期管理
对于部署边缘 AI 的企业,MLOps将成为帮助推动数据流入和流出边缘的关键。从边缘摄取新的、有价值的数据或见解、重新训练模型、测试应用程序,然后将它们重新部署到边缘可以提高模型的准确性和结果。
对于传统软件,更新可能每季度或每年进行一次,但人工智能从持续的更新周期中获益匪浅。
MLOps 是 Machine Learning Operations 的缩写,它是一门工程学科,旨在统一 ML 系统开发(dev)和 ML 系统部署(ops),以标准化过程生产高性能模型的持续交付。
MLOps 仍处于早期开发阶段,许多大型企业和初创公司正在构建解决方案www.cechina.cn,以满足对 AI 技术更新的持续需求。虽然目前主要专注于解决数据中心的问题,但未来此类解决方案将转向边缘计算。
人工智能的民主化正在进行中,新工具和解决方案使其成为现实。在物联网应用的持续增长和 5G 可用性的推动下,边缘 AI 是下一波要突破的浪潮。
2022 年CONTROL ENGINEERING China版权所有,随着行业着眼于如何从云扩展到边缘,更多的企业将把他们的 AI 推理转移到边缘,从而支持生态系统的增长。
![](http://manager.cechina.cn/upload/article/5005bfc2-ab79-4d25-9b47-0d75ffbadbd9/15.png)