（文章來(lái)源：EEWORLD）

隨著人工智能(AI)和機(jī)器學(xué)習(xí)(ML)的發(fā)展，以算法形式處理大量數(shù)據(jù)的能力變得越來(lái)越重要。

為了使數(shù)十億連接設(shè)備上的數(shù)據(jù)應(yīng)用程序能夠更高效、更有價(jià)值德?tīng)柺褂茫幚韽募惺降谌皆品?wù)器遷移到分散的、本地化的設(shè)備上(通常稱為邊緣計(jì)算)的勢(shì)頭越來(lái)越大。根據(jù)SAR Insight & Consulting最新的人工智能/機(jī)器學(xué)習(xí)嵌入式芯片數(shù)據(jù)庫(kù)顯示，在2019-2024年，全球支持人工智能的設(shè)備和邊緣計(jì)算的CAGR將以64.2%的速度增長(zhǎng)。

Edge AI將算法和處理數(shù)據(jù)盡可能地接近物理系統(tǒng)，在這種情況下，本地需在硬件設(shè)備上進(jìn)行處理。其優(yōu)點(diǎn)是數(shù)據(jù)處理不需要連接。數(shù)據(jù)的計(jì)算發(fā)生在網(wǎng)絡(luò)的“邊緣”，也就是數(shù)據(jù)被開(kāi)發(fā)的地方，而不是集中數(shù)據(jù)處理中心。對(duì)于設(shè)備、技術(shù)和組件提供商來(lái)說(shuō)，在邊緣處理的能力和應(yīng)該能力之間取得適當(dāng)?shù)钠胶鈱⒊蔀樽钪匾臎Q策之一。

在生產(chǎn)深度學(xué)習(xí)預(yù)測(cè)模型的訓(xùn)練和推理引擎中，邊緣處理通常需要來(lái)自Intel、Qualcomm、Nvidia和谷歌等供應(yīng)商的x86或Arm處理器，以及一個(gè)AI加速器，并且能夠處理10-14個(gè)核心高達(dá)2.5 GHz的速度。

隨著市場(chǎng)的擴(kuò)大，計(jì)算數(shù)據(jù)和計(jì)算能力的服務(wù)和應(yīng)用需求也在不斷擴(kuò)大，這會(huì)對(duì)推動(dòng)邊緣計(jì)算發(fā)展起到積極作用。由于可靠、可適應(yīng)性強(qiáng)的情境資訊的需求不斷變化, 大多數(shù)數(shù)據(jù)都遷移到本地的設(shè)備上處理，從而獲得更快的性能和響應(yīng)時(shí)間(少于幾毫秒)、更低的延遲、更低的電源效率。此外，通過(guò)在設(shè)備上保留數(shù)據(jù)提高了安全性，以及通過(guò)最小化數(shù)據(jù)中心傳輸而節(jié)省了成本。

邊緣計(jì)算的最大好處之一是能夠?yàn)闀r(shí)間敏感的需求確保實(shí)時(shí)結(jié)果。在許多情況下，傳感器數(shù)據(jù)可以直接收集、分析和交流，而無(wú)需將數(shù)據(jù)發(fā)送到時(shí)間敏感的云中心。關(guān)鍵是，跨各種邊緣設(shè)備的可伸縮性能夠幫助加速本地決策。為提供即時(shí)和可靠數(shù)據(jù)的能力建立了基礎(chǔ)，也提高了客戶參與度，在許多情況下，還挽救了生命。想想家庭安全、航空航天、汽車(chē)、智能城市、醫(yī)療保健等這些行業(yè)——這對(duì)診斷和設(shè)備性能的即時(shí)解釋至關(guān)重要。

亞馬遜、谷歌、蘋(píng)果、寶馬、大眾、特斯拉、Airbus, Fraunhofer, Vodafone, Deutch Telekom, Ericsson, 和Harting等創(chuàng)新機(jī)構(gòu)，現(xiàn)在都在為AI下著巨大的砝碼。此外，許多這樣的公司正在建立行業(yè)協(xié)會(huì)，如歐洲邊緣計(jì)算聯(lián)盟(EECC)，它可幫助教育和激勵(lì)中小型和大型企業(yè)，以推動(dòng)制造業(yè)和其他工業(yè)市場(chǎng)采用邊緣計(jì)算。

歐洲邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟旨在支持歐洲和世界各地的大中小型企業(yè)采用相關(guān)技術(shù)，尤其側(cè)重于 OT 技術(shù)與 ICT 技術(shù)的融合。ECCE將推動(dòng)在制造業(yè)，運(yùn)營(yíng)商以及企業(yè)與 IoT 等相關(guān)領(lǐng)域解決方案中采用邊緣計(jì)算技術(shù)，注重發(fā)現(xiàn)和推動(dòng)現(xiàn)有的技術(shù)，標(biāo)準(zhǔn)的應(yīng)用并持續(xù)貢獻(xiàn)，使得聯(lián)盟成員的產(chǎn)品更加符合用戶對(duì)邊緣計(jì)算解決方案的需求。聯(lián)盟成立的目標(biāo)包括：邊緣計(jì)算參考架構(gòu)模型（ECCE RAMEC）、邊緣計(jì)算全棧技術(shù)實(shí)現(xiàn)（邊緣計(jì)算節(jié)點(diǎn)）、識(shí)別產(chǎn)業(yè)發(fā)展的短板并通過(guò)對(duì)不同路徑的評(píng)估比較找到最佳實(shí)踐（ECCE Pathfinders），與相關(guān)產(chǎn)業(yè)/標(biāo)準(zhǔn)化組織積極互動(dòng)，對(duì)聯(lián)盟的成果進(jìn)行推廣。

人工智能和機(jī)器學(xué)習(xí)的發(fā)展為創(chuàng)造智能設(shè)備提供了大量的機(jī)會(huì)，這些設(shè)備能夠感知周?chē)沫h(huán)境。對(duì)智能機(jī)器的需求將受益于多感官數(shù)據(jù)的增長(zhǎng)，這些數(shù)據(jù)能夠以更高的精度和性能進(jìn)行計(jì)算。邊緣計(jì)算可以將人工智能數(shù)據(jù)轉(zhuǎn)化為幾乎所有行業(yè)的“實(shí)時(shí)”價(jià)值。智能邊緣是人工智能技術(shù)發(fā)展和成功的下一個(gè)階段。

邊緣計(jì)算橫跨多個(gè)領(lǐng)域，涉及網(wǎng)絡(luò)聯(lián)接、數(shù)據(jù)聚合、芯片、傳感、行業(yè)應(yīng)用多個(gè)產(chǎn)業(yè)鏈角色。根據(jù)IDC統(tǒng)計(jì)數(shù)據(jù)顯示，到2020年將有超過(guò)500億的終端和設(shè)備聯(lián)網(wǎng)，其中超過(guò)50％的數(shù)據(jù)需要在網(wǎng)絡(luò)邊緣側(cè)分析、處理與存儲(chǔ)，邊緣計(jì)算市場(chǎng)之大顯而易見(jiàn)。另外，邊緣計(jì)算和5G相輔相成，5G 的加速推進(jìn)也會(huì)促進(jìn)邊緣計(jì)算的大規(guī)模部署。邊緣計(jì)算產(chǎn)業(yè)發(fā)展已進(jìn)入重要機(jī)遇期。

除了華為以外，此次參與合作的還有ADI、ARM、龐巴迪、貝加萊自動(dòng)化、德國(guó)人工智能研究中心（DFK）、IBM、英特爾、庫(kù)卡等來(lái)自世界各地不同行業(yè)的公司。

以云計(jì)算為代表的集中式處理模式將無(wú)法高效地處理邊緣設(shè)備產(chǎn)生的數(shù)據(jù)，無(wú)法滿足人們對(duì)服務(wù)質(zhì)量的需求。其劣勢(shì)主要體現(xiàn)在以下兩個(gè)方面。實(shí)時(shí)性不夠。在云計(jì)算服務(wù)模式下，應(yīng)用需要將數(shù)據(jù)傳送到云計(jì)算中心進(jìn)行處理，這增大了系統(tǒng)的時(shí)延。以無(wú)人駕駛汽車(chē)為例，高速行駛的汽車(chē)需要在毫秒級(jí)的時(shí)間內(nèi)響應(yīng)，一旦由于數(shù)據(jù)傳輸、網(wǎng)絡(luò)等問(wèn)題導(dǎo)致系統(tǒng)響應(yīng)時(shí)間增加，將會(huì)造成嚴(yán)重的后果。

帶寬不足。邊緣設(shè)備產(chǎn)生的大量數(shù)據(jù)全部傳輸至云計(jì)算中心，給網(wǎng)絡(luò)帶寬造成了極大的壓力。例如，飛機(jī)波音787每秒產(chǎn)生的數(shù)據(jù)超過(guò)5 GB，但飛機(jī)與衛(wèi)星之間的帶寬不足以支持?jǐn)?shù)據(jù)的實(shí)時(shí)傳輸。

邊緣計(jì)算模型應(yīng)運(yùn)而生。邊緣計(jì)算是部署在邊緣終端設(shè)備和云計(jì)算中心之間的一種新型計(jì)算模型。邊緣計(jì)算的資源是指從數(shù)據(jù)源到云計(jì)算中心路徑上的任意計(jì)算和網(wǎng)絡(luò)資源，是一個(gè)連續(xù)系統(tǒng)。在該模式下，邊緣設(shè)備上亦有計(jì)算。邊緣計(jì)算具有幾個(gè)明顯的優(yōu)點(diǎn)：首先，邊緣設(shè)備處理了部分產(chǎn)生的臨時(shí)數(shù)據(jù)，不再需要將全部數(shù)據(jù)上傳至云端，只需要傳輸有價(jià)值的數(shù)據(jù)，這極大地減輕了網(wǎng)絡(luò)帶寬的壓力，且減少了對(duì)計(jì)算存儲(chǔ)資源的需求。其次，在靠近數(shù)據(jù)源端進(jìn)行數(shù)據(jù)處理，能夠大大地減少系統(tǒng)時(shí)延，提高服務(wù)的響應(yīng)時(shí)間。

而人工智能技術(shù)已成功應(yīng)用于目標(biāo)識(shí)別、智能搜索、語(yǔ)言處理、智能交通等領(lǐng)域。然而，由于人工智能方法包含大量的計(jì)算，當(dāng)前人工智能大部分計(jì)算任務(wù)部署在云計(jì)算中心等大規(guī)模計(jì)算資源集中的平臺(tái)上，這極大地限制了人工智能帶給人們的便利。

為此，邊緣智能應(yīng)聲而出。邊緣智能是指終端智能，它是融合網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力的開(kāi)放平臺(tái)，并提供邊緣智能服務(wù)，滿足行業(yè)數(shù)字化在敏捷連接、實(shí)時(shí)業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求。將智能部署在邊緣設(shè)備上，可以使智能更貼近用戶，更快、更好為用戶地提供智能服務(wù)。
（責(zé)任編輯：fqj）