芯片级边缘AI带动下一代物联网

发布时间：2023-06-15 14:05:26 所属栏目：应用来源：

导读：边缘计算是一个棘手问题,它为 IT架构工程师和嵌入式开发人员提供了多样的选择。最终，它可以创建边缘AI，从而实现更快、更丰富的决策。

基于AI的机器学习技术已经超越了基于云的数据中心，因为重要的IoT传感器数

边缘计算是一个棘手问题,它为 IT架构工程师和嵌入式开发人员提供了多样的选择。最终，它可以创建边缘AI，从而实现更快、更丰富的决策。

基于AI的机器学习技术已经超越了基于云的数据中心，因为重要的IoT传感器数据的处理越来越接近数据最初所在的位置。

此举将由配备了新的人工智能(AI)的芯片实现。这些产品包括嵌入式微控制器，其存储器和功耗要求比GPU(图形处理单元)、FPGA(现场可编程门阵列)更小，以及其他专门的IC类型首先用于在Amazon Web Services，Microsoft和Google的云数据中心解决数据科学家们的问题。

现在，云端提供商、物联网(IoT)平台制造商以及其他企业看到了在将数据移交给云端进行分析之前在边缘处理数据的好处。

在边缘做出AI决策可以减少延迟，并使对传感器数据的实时响应更加可行和适用。尽管如此，人们称之为“边缘AI”的形式仍然有很多种。以及如何利用下一代物联网为其提供支持，在呈现高质量的可行数据方面提出了挑战。

基于边缘的机器学习可能会推动IoT市场中AI的显着增长，据Mordor Intelligence估计，到2026年，CAGR将增长27.3%。

Eclipse Foundation IoT Group在2020年的研究支持了这一点，IoT开发人员中最常引用的边缘计算工作负载中，AI将占30%。

对于许多应用而言，复制在云上启用并行机器学习的无休止的服务器机架是不可行的。受益于本地处理的IoT设备的边缘安全性的案例可以做得很多，并且通过各种操作以及监控以太网端口的案例来突出说明。例如，处理器可以监视由石油钻井平台上的压力表变化触发的事件，在遥远的电源线上检测到异常情况或在工厂捕获到的视频录像。

最后一种情况是最广泛使用的一种。在边缘分析图像数据的AI的应用已证明是一块肥沃的土地。但是，使用物联网设备收集的数据进行事件处理有许多复杂的处理需求。

Hyperion Research高级顾问史蒂夫·康威(Steve Conway)表示，基于云的物联网分析仍将持续下去。但是，长途跋涉距离较近的数据必须行进会带来严重的处理延迟。将数据远程移入和移出云自然流水线会产生滞后，往返数据需要时间。

“有一种叫做光速的东西，”康韦打趣道。 “而且你不能超过他。”因此，处理的层次结构正在边缘发展。

SAS物联网和Edge部门产品营销高级经理Saurabh Mishra表示，从长远来看,边缘人工智能架构是将数据处理的关注点转移到又一代人身上,但这是最重要的。

Mishra说，SAS已经创建了经过验证的边缘物联网参考架构，客户可以在此基础上构建AI和分析应用，这实际上是不可能高效且经济地将其移至云中进行分析的。在云和边缘AI之间取得平衡将是一项基本要求。

Eclipse基金会物联网和边缘计算项目经理FrédéricDesbiens表示，要找到平衡，首先要考虑运行机器学习模型所需的数据量。这就是这个新的移动智能处理器的发挥作用的地方。

基于云的机器学习的兴起受到高内存带宽GPU(通常以NVIDIA半导体形式)的兴起的影响。这项成功引起了其他芯片制造商的关注。

内部AI专用处理器紧随其后的是超大规模云服务玩家Google、AWS和Microsoft。

AI芯片之战使得AMD、Intel、Qualcomm和ARM Technology(去年被NVIDIA收购)等领先企业并驾齐驱。

如今，物联网和边缘处理需求吸引了包括EdgeQ、Graphcore、Hailo、Mythic等在内的AI芯片初创公司。目前，边缘处理还受到限制。Hyperion的Steve Conway强调说，障碍包括可用内存、能耗和成本。

（编辑：汽车网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!