芯片级边缘智能助力驱动下一代物联网

发布时间：2023-06-26 13:35:29 所属栏目：应用来源：

导读：边缘计算是一个具有挑战性的关键技术,它给IT架构师和嵌入式开发人员提供了多个选择。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

边缘计算是一个具有挑战性的关键技术,它给IT架构师和嵌入式开发人员提供了多个选择。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边缘案例很多，并且通过各种操作监控案例来突出说明。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，在非常遥远的不同的电源线上有时会检测到任何的异常情况或在工厂内部的捕获摄像头到的视频录像。

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，距离数据必须行进会带来处理延迟。将数据移入和移出云自然会产生滞后，往返需要时间。

“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。

除了设备和板级实施之外，此层次结构还包括制造中的IoT网关和数据中心，这些扩展了可用于下一代IoT系统开发的架构选项。

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，全球化的边缘AI分布式架构是现阶段数据处理发展重点的又深入细致的一大转变，但这是千里之行始于足下的关键。

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。这就是新的智能处理器的发挥作用的地方。

（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!