如何选择一款边缘ai计算设备？（边缘计算的能力如何）
边缘计算已成为最受关注的技术趋势之一，随着所有的讨论，您可能认为是时候为您的物联网网络投资智能边缘技术了。但是，在为新的边缘设备下单之前，让我们先讨论一下边缘计算实际上是什么以及做什么，以及您的应用程序是否会从边缘技术中受益。边缘计算可以为 IoT 网络增加极大的灵活性、速度和智能性，但重要的是要了解边缘 AI 设备并不是应对智能网络应用程序面临的所有挑战的灵丹妙药。 在本文的结尾，在确定边缘技术是否适合您的应用程序后，我们将讨论买家在评估边缘 AI 设备时应寻找的主要功能和注意事项。
什么是边缘计算？
边缘计算将物联网提升到一个更高的水平——在云的边缘，原始数据实时转化为价值。通过在整个网络中重新分配数据处理工作，它提升了连接节点、端点和其他智能设备的重要性和治理。边缘计算几乎与云计算完全相反，其中数据从分布式网络流入，在集中式数据中心进行处理，结果通常会传输回原始分布式网络以触发操作。但是，长距离传输大量数据会产生相关成本。这些成本可以从财务上衡量，但也可以通过其他关键方式来衡量，例如功率或时间。这就是边缘计算介入的地方。当功率、带宽和延迟真的很重要时，边缘计算可能是答案。与集中式云计算不同，其中数据可能会传播数百英里进行处理，边缘计算支持在感知、创建或驻留数据的同一网络边缘位置处理数据。这意味着处理延迟几乎可以忽略不计，对功率和带宽的要求通常也大大降低。
当今边缘计算的主要推动者之一是半导体制造商，是在不大幅增加功耗的情况下提高处理能力的一种解决方案。这意味着位于边缘的处理器可以在不消耗更多功率的情况下对他们获取的数据做更多的事情。这允许更多数据留在边缘，而不是传输到核心。除了降低总系统功率外，这还增加了响应时间并改善了数据隐私。受益于这一发展的一些技术包括人工智能 (AI) 和机器学习 (ML)，但这些技术也依赖于降低数据获取成本，同时提高数据隐私水平。成本和隐私都可以通过边缘处理来解决。就人工智能和机器学习等新兴趋势而言，此类技术传统上需要大量资源，远远超过端点或智能设备中通常可用的资源。现在，由于硬件和软件层面的进步，还可以将这些支持技术嵌入到位于网络边缘的更小、资源更有限的设备中。
评估边缘人工智能选择能够执行边缘处理的平台（可能包括运行 AI 算法或 ML 推理引擎）需要仔细评估。简单的传感器和执行器，即使是物联网的一部分，也可以使用相对适中的集成设备来实现。增加在边缘执行的处理量将需要更强大的平台，可能使用高度并行的架构。通常，这意味着 GPU，但如果平台过于强大，它将成为网络边缘存在的有限资源的负担。同样重要的是要记住，边缘设备从根本上说是与现实世界的接口，因此它可能需要支持一些常见的接口技术，例如以太网、GPIO、CAN、串行和/或 USB。它还可能需要支持外围设备，例如相机、键盘和显示器。
边缘也可以是一个与舒适的、气温控制的数据中心截然不同的环境。边缘设备可能会暴露于极端温度、湿度、振动甚至海拔高度。这将对所选设备以及它的包装或封装方式产生影响。另一个需要考虑的重要方面是监管要求。任何使用射频 (RF) 进行通信的设备都将受到法规的约束，并且可能需要获得操作许可。一些平台将“开箱即用”，但其他平台可能需要更多努力。一旦投入使用，它们就不太可能获得硬件升级，因此在设计周期中必须仔细确定处理能力、内存和存储，以便为未来的性能提升提供空间。这包括软件升级。与硬件不同，可以在设备在现场时部署软件更新。这些无线 (OTA) 更新现在非常普遍，任何边缘设备都可能需要设计为支持 OTA 更新。选择正确的解决方案将涉及对所有这些一般要点的仔细评估，以及对应用程序的特定需求的仔细研究。设备是否需要处理视频数据或音频？它只处理温度，还是还监测其他环境方面？它需要始终在线，还是会长时间休眠？它会被外部事件触发吗？其中许多问题适用于部署在边缘的所有技术，但随着处理水平的提高和对输出的期望值的提高，有必要扩大要求清单。
边缘计算的优势：
现在在技术上可以将 AI 和 ML 应用到边缘设备和智能节点中，从而带来重大机遇。这意味着不仅处理引擎更接近数据源，而且该引擎可以用它收集的数据做更多的事情。这样做确实有好处：
首先，它可以提高生产力或数据使用效率。
其次，它简化了网络架构，因为移动的数据更少。
第三，它使靠近数据中心的重要性降低。
如果数据中心位于城市中并且靠近活动场所，最后一点可能看起来不太重要，但如果网络边缘是偏远地区，例如农场或水处理厂，则情况会大不相同。不可否认，数据在互联网上移动得很快。许多人可能会惊讶地发现，在结果显示在屏幕上之前，您的搜索查询可能会在全球范围内传播两次。整个经过的时间可能只有几分之一秒，对我们来说，这几乎是瞬时的。但对于机器和其他智能设备，这些设备构成了互联、智能且通常是自主的传感器和执行器的互联网，每一秒的每一刻都像是一个小时。这种往返延迟是实时系统的制造商和开发商真正关心的问题。数据往返于数据中心所需的时间并非无关紧要，当然也不是瞬间完成的。减少这种延迟是边缘计算的一个关键目标。它与更快的网络协同工作，这正是 5G 将发挥作用的地方。但是，随着更多设备上线，更快网络的推出将无法弥补我们可以预期的累积网络延迟。
分析人士预测，到2030年，在线链接设备高达500亿。如果这些设备中的每一个都需要连接数据中心的带宽，那么网络将一直阻塞。如果它们中的许多在一个管道中运行，等待来自前一阶段的数据到达，那么总延迟很快就会变得非常明显。边缘计算确实是缓解拥塞网络的唯一可行的解决方案。然而，虽然一般情况下确实需要边缘计算，但边缘计算的具体优势在很大程度上仍取决于应用程序。这就是边缘算法的应用。这些定律将帮助工程团队确定边缘计算是否适合您的特定应用程序。