什么是边缘计算？边缘计算目前发展前景如何？（边缘计算的应用）

边缘计算是一种将处理能力和数据存储更接近数据生成源的计算。通常，边缘计算机系统可以在本地处理数据，而无需连接到互联网。这是因为数据在本地处理，允许边缘计算机在几毫秒内实时做出决策。

边缘计算不同于云计算，云计算依赖于云或中心位置来处理所有数据。通过边缘计算，数据将在本地进行处理和存储。

边缘计算比云计算要好得多，因为它允许实时毫秒数据处理。边缘计算解决了某些应用程序中与有限带宽和延迟相关的问题，这些应用程序必须非常快速地执行计算。

简单地说，边缘计算允许您在本地处理信息，而不是在云中处理信息。边缘计算机通常从传感器和物联网设备收集信息，用于本地处理和决策。一些边缘计算设备随后会将后处理信息发送到云端，从而减少所需的互联网带宽。

边缘计算是一种将处理能力和数据存储更接近数据生成源的计算。通常，边缘计算机系统可以在本地处理数据，而无需连接到internet。这是因为数据在本地处理，允许边缘计算机在几毫秒内实时做出决策。

目前，大部分人工智能处理都是在海量数据中心的云端完成的；然而，人工智能处理的很大一部分现在正在走向边缘，许多新的智能应用程序选择在本地处理其原始数据，然后将处理后的数据发送到云端进行额外的处理和分析，以便进行更深入的机器学习。

什么是推理分析，它是如何在边缘运行的？

现在可以在边缘执行推断，而不是将数据发送到云端，等待数据被处理然后返回。当在边缘执行时，推理可以在本地实时执行，从而减少处理数据所需的互联网带宽。

如果你想在边缘执行人工智能，请在这里查看Premio的各种优秀边缘人工智能计算机。我们有大量不同的配置，可以使用不同的CPU、GPU和连接器进行配置，您可以从中进行选择，所有这些都是主要的硬件技术，有助于在边缘进行推理分析和数据遥测。

边缘人工智能计算的例子有哪些?

边缘人工智能计算最好和最常见的例子是半自动车辆和/或商业车队卡车，如特斯拉Model S和特斯拉半挂卡车。这些车辆配备了人工智能边缘计算机，从车辆周围的各种传感器收集数据，处理信息，并做出操作车辆的决定。这种信息处理必须非常快速地实时执行，这是云计算无法做到的。

边缘人工智能计算的优势和好处是什么?为什么它很重要?

边缘人工智能计算的重要性有很多原因;以下是其中一些原因:

1.实时数据处理

边缘AI最显著的优势在于，它为传感器和物联网设备所在的边缘带来了高性能计算能力。人工智能边缘计算使得直接在现场设备上执行人工智能应用成为可能。这些系统可以通过使用深度学习（DL）算法处理数据，并在现场执行机器学习，用于半自动车辆等自动应用。想象一下，如果你的自动驾驶汽车在云端处理数据只需几秒钟，而在边缘处理数据只需几毫秒，那么事故就会频繁发生，给生命带来重大风险。

2.隐私

由于边缘人工智能的大部分数据处理是在边缘计算机上的本地级别执行的，因此需要向云端发送的数据较少，从而降低了数据在云端某处被错误处理或盗用的风险。

这就是说，这并不意味着安全的数据受到黑客和其他网络安全威胁的保护。Trusted Platform Group在其TPM 2.0模块中设置了硬件安全标准，该模块确保了安全数据存储、加密身份验证和数据完整性审核的方法。了解有关TPM 2.0的更多信息,请持续关注图为科技。

3.减少互联网带宽

由于边缘AI在本地执行大部分数据处理，您将在互联网带宽上节省大量资金，因为通过互联网传输的数据较少。如果您曾经使用过亚马逊人工智能服务，您可能知道在云端执行人工智能计算的成本有多高。云中心现在可以被保留为一个存储库，用于存储后期处理的数据，以便进行更多分析。

4.电力不足

由于您在本地级别处理数据，您将节省能源成本，因为您不必保持与云的连接，在边缘设备和云之间来回传输数据。此外，许多边缘计算设备的设计都考虑了功耗和整体效率。由于许多边缘应用程序部署在远程和不受控制的环境中，边缘计算机必须平衡电源和性能。

5.更多的响应能力

由于边缘人工智能计算机在本地处理数据，因此它们比等待设备收集数据、将数据发送到云端进行处理、然后等待数据被发送回来的反应快得多。这种毫秒的处理时间使边缘AI能够以极快的速度采取行动，并以同样快的速度做出决策。这使得边缘AI计算机非常适合需要实时反馈的应用，如自动驾驶车辆、智能自动化和机器人技术。

边缘AI可以用来做什么？

1.工业物联网

边缘AI可用于工业环境，如制造业，以自动化装配线，以及使用AI目视检查产品缺陷。让人工智能检查产品而不是人工执行手动检查可以为您和您的企业节省大量资金。此外，边缘AI可以以比人类更快的速度检查物品和处理信息。随着边缘AI人工智能计算机硬件成本的下降，今天你可以大规模部署它。

2.监督和监测

边缘AI可以显著改善监视和监控，同时减少传输到云端的原始数据量。在边缘AI引入之前，安全摄像头和传感器必须将大量原始数据传输到云端进行处理和审查。然而，随着边缘人工智能的出现，机器学习（ML）智能摄像头系统可以捕捉原始数据，使用面部识别对其进行处理和分析，以识别感兴趣的人和可能直接在边缘发生的可疑活动。

这大大减少了必须传输到云端进行处理的原始数据量。只有引发某些触发器的数据才会被发送到云端进行进一步的处理和分析。这不仅可以节省互联网带宽，还可以让您拥有更多连接的摄像头和传感器，而无需投资额外的基础设施来支持不断增长的连接设备和传感器。

3.自动车队车辆

边缘AI的重要性体现在其在自动驾驶车辆中的部署上，在自动驾驶车辆中，实时分析非常重要。如果没有实时数据处理，自动驾驶汽车就不可能实现。这是因为自动驾驶汽车必须在几分之一秒的时间内做出决策，这在没有边缘计算的情况下是不可能的。例如，车辆必须在毫秒内识别道路标志、行人、车道和其他车辆，才能安全驾驶车辆。如果自动驾驶车辆依赖云进行数据处理，可能需要几秒钟才能完成，碰撞会增加，因为在操作车辆时，毫秒很重要。

4.更好地管理物联网设备

边缘AI可用于更好地管理物联网设备。物联网是指任何可以通过互联网相互通信的设备。这包括你口袋里的手机，你家里或公司里的电子设备，以及机器人。边缘AI可以更好地存储、管理和处理这些设备收集的数据，从而减轻云计算在信息处理方面的压力。使用边缘AI管理物联网可以改进数据处理，并使您能够扩展物联网设备网络，而无需投资额外的基础设施来支持不断增长的物联网设备。

边缘AI的未来是光明的

很难否认这样一个事实：大多数人工智能计算正在走向边缘。这是因为随着物联网设备生成的数据量持续增长，对边缘处理数据的需求也在不断增长。此外，出于对隐私的担忧，人们倾向于在本地处理数据，这样就不需要发送敏感的个人信息在云端进行处理。因此，边缘AI计算的未来确实是光明的。