面對即將到來的5G及IoT時代,不少人的關(guān)注焦點一直擺在如何透過云端的高速運算,來建立起足夠強大的AI系統(tǒng),然而市場也發(fā)現(xiàn),真的要達到智慧化的生活,光靠云端是完全不夠的,不僅可能會有反應速度不夠快、云端運算負擔太重等問題,信息頻繁透過遠程傳輸,更有可能萌生出大量資安問題。因此,終端裝置的邊緣運算開始成為大家積極研究的領(lǐng)域。

　　很多智能應用都必須靠建立AI模型來實現(xiàn)。然而,很多時候我們不能過度仰賴云端,因此讓裝置本身具備機器學習及運算的能力,就成為新的市場需求。更重要的是要讓邊緣到云端運算之間能夠緊密連結(jié)并分工合作,創(chuàng)造出最有效率的AI運作模式。

　　若是終端裝置本身就具備推理學習的功能,裝置能夠辨識或是偵測分析環(huán)境中的各項參數(shù),并直接在裝置端建立起屬于自己的預警模型,整個過程中甚至沒有云端的介入,這樣能讓系統(tǒng)本身具備更快的反應能力,并且保持數(shù)據(jù)的隱私性。

　　不過,還是有一些特殊狀況會需要邊緣與云端的相互配合,比方說面臨自然災害等大范圍的突發(fā)狀況時,系統(tǒng)可能會有多個參數(shù)同時異常,在這樣的狀況下,裝置終端就會將數(shù)據(jù)回傳到云端,云端再透過多個不同裝置回傳的數(shù)據(jù)快速判斷可能的狀況并下達反應指令。

　　這樣的運作概念不僅可以用在異常偵測,在智慧城市中也有非常大的發(fā)揮空間,以無人機影像識別系統(tǒng)為例:過去系統(tǒng)的概念是,在攝像頭旁邊也就是在無人機上放置影像識別模塊如TX2,初步辨識的數(shù)據(jù)回傳到云端或邊緣云,運算完成后再將信息回傳到控制中心上,過程相當復雜。

　　在攸泰領(lǐng)先業(yè)界的Ruggon PX-501 (8代i5 8250u / i7 8650u)與Intel openVINO合作的案例中,透過最先進的架構(gòu)使AI推論具備功耗極低但是延遲很少的效能,整個解決方案都運行在手持平板上,就能不透過讀顯甚至也不用AI 加速卡,直接做影像辨識,這樣的運作模式的優(yōu)點就與前述一樣,在時效性、運作效能及資安上都能有更好的表現(xiàn)。對無人載具上錙銖必較的電力節(jié)能更具直接效益.

　　三防加固型平板與車載計算機廠商攸泰科技大中華區(qū)業(yè)務總經(jīng)理林海光認為,這種一般辨識由Edge終端快速解決,而需要大數(shù)據(jù)的由云端解決的配合模式,將成為接下來人工智能產(chǎn)業(yè)應用的發(fā)展趨勢,而外界也認為,這個趨勢將會讓AI 硬件業(yè)者與軟件算法之間,出現(xiàn)越來越頻繁的直接合作關(guān)系。AI 加速卡與新世代的CPU/GPU 優(yōu)化進步程度已經(jīng)成熟到可以落地. 2019 的8代Core i + openVINO, 2010 的M.2 2242 Intel Movidius Myraid X 與Google TPU 都不失為好方案, 與Jenson TX2/Nano 這類GPU導向的有所區(qū)別。

　　更多技術(shù)探討可以發(fā)送郵件至ryan_lin@ubiqconn.com,或拔打400-690-2151,我們竭誠為您服務。

　　該文觀點僅代表作者本人，如有文章來源系網(wǎng)絡轉(zhuǎn)載，本網(wǎng)系信息發(fā)布平臺，如有侵權(quán)，請聯(lián)系本網(wǎng)及時刪除。