近年来，人工智能 (AI) 的出现真正彻底改变了我们的行业和个人生活，提供了前所未有的机会和能力。然而，虽然基于云的处理和云人工智能在过去十年中蓬勃发展，但我们也遇到了诸如延迟、带宽限制以及安全和隐私问题等问题。这就是边缘人工智能(Edge AI )的出现变得极其有价值并改变人工智能格局的地方。
在人工智能最新进展的推动下，边缘人工智能正在推动当今技术格局的重大转变。通过在数据源附近进行计算，边缘人工智能增强了响应能力，增强了安全性和隐私性，促进了可扩展性，实现了分布式计算并提高了成本效率。
边缘人工智能代表了人工智能部署的范式转变，使计算能力更接近数据源。它允许在设备上进行数据处理，并实现实时、上下文感知的决策。Edge AI 不依赖基于云的处理，而是利用传感器、摄像头、智能手机和其他紧凑型设备等边缘设备在设备本身上执行 AI 计算。这种方法具有多种优势，包括减少延迟、提高带宽效率、增强数据隐私以及在连接有限或间歇性的情况下提高可靠性。
“即使 5G 无处不在，也无法保证与云的连接，并且在任何情况下都无法保证带宽。向AIoT的转变越来越需要边缘的智能和计算能力。”
- Nandan Nayampally，Brainchip 首席营销官
云人工智能主要在远程服务器中执行数据处理和分析，而边缘人工智能则专注于直接在设备上启用人工智能功能。这里的主要区别在于处理位置和正在处理的数据的性质。云人工智能适用于可以容忍延迟的处理密集型应用，而边缘人工智能则擅长于需要实时处理的时间敏感场景。通过直接在边缘设备上部署人工智能模型，边缘人工智能最大限度地减少了对云连接的依赖，从而实现本地化决策和响应。
边缘涵盖从数据中心到物联网端点的整个范围。这包括数据中心边缘、网络边缘、嵌入式边缘和本地边缘，每个边缘都有自己的用例。计算要求本质上决定了特定应用程序的范围，从数据中心边缘解决方案到嵌入汽车轮胎等设备中的小型传感器。与振动相关的应用程序将定位于频谱的一端，通常在微控制器上实现，而更复杂的视频分析任务可能更接近另一端，有时在更强大的微处理器上实现。
“随着这些边缘平台增强了计算能力，应用正在逐渐走向边缘。”
- Ian Bratt，Arm 研究员兼高级技术总监
当谈到边缘人工智能时，焦点主要集中在传感系统上。这包括基于摄像头的系统、音频传感器以及智能城市中的交通监控等应用。边缘人工智能本质上是一个广泛的感知系统，持续监控和解释世界上发生的事件。在集成技术方法中，收集到的信息可以发送到云端进行进一步处理。
边缘人工智能在需要快速决策和对时间敏感数据立即响应的应用中大放异彩。例如，在自动驾驶中，边缘人工智能使车辆能够处理车载传感器数据并做出瞬间决策以确保安全导航。同样，在医疗保健领域，边缘人工智能可以实现实时患者监控、检测异常情况并促进立即干预。本地处理和分析数据的能力使医疗保健专业人员能够提供及时、挽救生命的干预措施。
边缘AI应用领域可以根据功率敏感度、尺寸限制、重量限制、散热等具体要求来区分。功率敏感性是一个重要的考虑因素，因为边缘设备通常是智能手机、可穿戴设备或物联网 (IoT) 系统中使用的低功耗设备。这些设备上部署的人工智能模型必须针对高效功耗进行优化，以保持电池寿命并延长运行时间。
尺寸限制和重量限制在区分边缘人工智能应用领域方面也发挥着相当重要的作用。边缘设备通常结构紧凑且便于携带，因此人工智能模型必须轻量且节省空间。在将边缘设备集成到无人机、机器人或可穿戴设备中时，这种考虑尤其重要，因为这些设备的尺寸和重量直接影响性能和可用性。
然而，边缘计算呈现出以前无法实现的显著优势。例如，拥有数据可以提供高水平的安全性，因为不需要将数据发送到云端，从而减轻日益增加的网络安全风险。由于与云的来回通信减少，边缘计算还减少了延迟和功耗，这对于低功耗运行的受限设备尤为重要。而且优势还不止于此，因为我们在实时性能和决策、改进的隐私控制和设备学习方面看到了越来越有趣的发展，使智能设备能够自主、自适应地运行，而无需依赖持续不断的信息。
“最近人工智能的激增是由尖端算法和先进硬件之间的和谐相互作用推动的。随着我们的前进，这两个元素的共生将变得更加重要，特别是对于边缘人工智能而言。”
- Bram Verhoef 博士，Axelera AI 机器学习主管
边缘人工智能在当前和未来的技术领域具有巨大的意义。凭借去中心化的人工智能处理、改进的响应能力、增强的隐私和安全性、成本效益、可扩展性和分布式计算，边缘人工智能正在彻底改变我们的世界。
