边缘计算与AI的结合将带来怎样的变革？

本篇文章3428字，读完约9分钟

早晨，你被一首甜美的鸟鸣唤醒。在朦胧中，你认为这可能是北方云雀的叫声。然而，家里没有鸟。怎么会有鸟鸣呢？

哦，原来鸟鸣来自你的智能家居助理，它正在播放唤醒音乐闹钟。当你想到这一点时，你摇摇头，嘲笑你的记忆，然后站起来穿上衣服。这时，你的智能家居助理会感觉到你已经起床，控制卧室窗帘慢慢打开，让阳光照射进来，然后打开厨房的面包机和咖啡机，为你的一整天准备一份营养早餐...

等到晚上，在忙碌了一天后，你开着你的自动驾驶汽车回家，来到你的门前。你不需要钥匙，门会自动为你打开。空钥匙在汽车到家前几分钟就已经启动了，它已经被调整到你习惯的温度。秋天的干燥有时会让你感到不舒服，所以家里的加湿器会把房间的湿度调节到最舒适的水平。

这种生活存在于边缘计算和人工智能相结合的物联网时代。

物联网时代

随着物联网的重新出现和4g/5g无线网络的普及，物联网时代已经到来。与传统的物联网相比，物联网除了“物”之间的互联外，还增加了“人”与“物”之间更高层次的互联。它的突出特点是任何对象都具有上下文感知功能和更强的计算能力。上面提到的生活片段描述了这样一个场景。

简言之，物联网的核心是一个词:连接。智能手机的广泛普及实现了人与人之间随时随地的联系。从以前的电报，到后来的电话和短信，再到现在的图片、音频和视频等多媒体的即时传播，人与人之间的联系方式已经非常发达和丰富。

在我们的日常生活中，网络设备不仅仅是电脑和手机，任何东西都可以联网，比如冰箱、洗衣机、空、码头上的集装箱和仓库里的货架。甚至动物也可以被联系起来。自然保护区的所有珍稀野生动物都联网了。动物保护协会的科学家可以更方便地检测它们的生活条件，并提供更好的保护。

在物联网时代，一个明显的特征是各种网络边缘设备的数量迅速增加。这导致以云计算为核心的传统集中式大数据处理方法无法满足计算需求:

一方面，由于海量边缘数据的爆炸式增长，网络传输带宽负载急剧增加，这将不可避免地导致网络延迟；

另一方面，大多数网络边缘设备生成的数据涉及个人隐私。如果不加选择地将它们传输到云中，隐私安全问题将变得尤为突出；

另一个必须考虑的问题是，许多网络边缘设备的功率有限，实时向云传输数据将消耗大量功率。

边缘计算的兴起

基于上述问题，有必要在设备侧的数据源附近实时计算数据，这被称为边缘计算。

边缘计算不是一个新概念，它早在2003年就出现在ibm的内部项目中。它的本质是一个分散的分布式计算模型。

与云计算相比，边缘计算将智能计算转移到边缘设备，并且计算过程在智能设备(例如移动电话)或边缘设备的分布式设备节点上执行，而不是全部在集中式云环境中执行。“边缘”是指计算节点作为物联网设备在网络中的物理分布，位于各种网络的边缘，如家用电器、汽车传感器、城市摄像头等。

由于其设备位置的独立性，边缘计算倾向于关注处理的数据和实现的功能，关注实时和短周期数据，实现支持本地业务的智能处理和实时任务。边缘计算是在本地网络中进行计算的，采集的数据不需要上传到云端，否则只有少量的数据经过本地处理和过滤后会传输到云端，大大减少了网络传输所占用的处理时间，也降低了带宽成本。对于功率有限的边缘设备，可以节省更多的能量，从而延长设备的使用寿命。

此外，由于以下五大优势，边缘计算已成为物联网时代的核心技术，并被gartner列为2019年十大战略技术之一:(1)低功耗；(2)低延迟；(3)数据安全和隐私保护；(4)支持本地互动；(5)独立运行。

然而，边缘计算使智能计算边缘化，并依赖集成在边缘设备上的人工智能芯片。Gartner预测，在未来五年，特殊的人工智能芯片和更强大的处理能力、存储和其他高级功能将被添加到更广泛的边缘设备中。

人工智能芯片的模式

人工智能芯片是指专门设计用于加速人工智能算法的芯片。目前，这些人工智能算法主要是深度学习算法，也可以包括其他机器学习算法。

人工智能芯片可以最大限度地提高人工智能软件的效率，这对于要求高实时计算的边缘计算设备来说非常重要。人工智能领域未来的竞争必须是"软硬结合"，越来越多的公司开始设计人工智能芯片的架构。可以预见，物联网时代将在边缘设备领域掀起新一轮的人工智能芯片产业竞争。

今年上半年，指南针情报发布了人工智能芯片组指数。该索引主要关注ai芯片组的软硬件指标，包括中央处理器(cpu)、图形处理器(gpu)、神经网络处理器(nnp)、专用集成电路(asic)、现场可编程门阵列(fpga)、精简指令集计算机(risc)处理器、加速器等。

根据ai芯片组的应用对象，它可以分为云计算服务器和边缘计算设备(手机、自动驾驶、智能家居)等。云服务器使用的人工智能芯片的特点是性能强大，支持大量并发操作，支持多种人工智能应用，如自然语言处理、音视频处理、图像识别等。在边缘设备方面，人工智能芯片的特点是体积小、功耗低，通常专注于有限的人工智能应用。

借助人工智能芯片，神经网络运行速度更快，功耗更低。谷歌在2016年发布了tpu(张量处理单元)，并在今年5月发布了第三代版本。这个芯片是专门为tensorflow框架设计的，运行在谷歌数据中心的服务器端。

对于边缘计算，谷歌在两个月前发布了边缘tpu，这是一个运行在tensorflow lite计算框架上的特殊芯片，为移动或物联网边缘设备运行机器学习应用。苹果的内置芯片a11仿生，去年在iphone x手机上发布，有一个双核神经引擎，可以处理每秒6000亿次的神经网络计算需求。

ai芯片的发展极大地推动了边缘终端设备的发展，促进了数据采集手段的增加，极大地提高了计算能力，进而带来了丰富的应用场景，推动了ai芯片计算能力和制造工艺的进步。

场景应用转换

边缘计算技术及其相关的人工智能芯片相互促进，不断发展。在物联网时代，它将给传统应用和新的应用场景带来更多的变化。

(1)边缘计算视频监控。针对新的犯罪和社会管理等公共安全问题，基于云计算和物联网的边缘计算和视频监控技术可以提高视频监控系统前端摄像头的智能处理能力，进而提高视频监控系统预防犯罪和恐怖袭击的能力。

(2)智能家居。如本文开头所述，物联网技术的普及将为家庭生活带来越来越多的智能应用，如智能照明控制系统、智能电视、智能空音、智能清扫机器人(300024、诊断单元)等。这些硬件不仅在名称中添加了“智能”一词，而且实际上，在智能家居环境中，除了依赖联网设备外，许多无线传感器和控制器需要部署在房间的角落、管道节点、地板和墙壁上。此外，为了保护家庭敏感数据，智能家庭系统的数据处理必须依靠边缘计算。

(3)智慧城市。如果将智能家居的应用场景扩展到社区或城市，它将在公共安全、健康数据、公共设施、交通等多个领域有很大的应用价值。这里应用边缘计算的初衷是出于成本和效率的考虑。在一个拥有800万人口的城市，每小时产生的数据量可能达到100pb。传统的云计算处理方式会给网络带宽带来很大的压力，城市各个角落的边缘设备进行实时处理和数据采集将大大提高效率。

(4)自动驾驶技术和智能交通。在自主驾驶领域，边缘计算非常重要，因为自主车辆上的数百个传感器每小时会产生40tb的数据。从安全性而不是成本的角度来看，数据处理必须实时完成。在紧急情况下，如儿童突然在车前踢足球，自动驾驶系统必须依靠实时高效的边缘计算来给予决策支持并做出紧急处理:刹车！

越来越多的城市已经开始部署智能交通控制系统。这种智能控制系统依赖于部署在各种交通要塞中的边缘计算服务器，并通过街上无数的摄像机和传感器监控、警告和优化交通的实时状态。

(5)智能金融。近年来，人工智能技术在金融领域大放异彩:智能风险控制技术、智能投资、智能客户服务等。与边缘计算相结合，人工智能将在增强金融能力的道路上释放更多能量:

(1)智能身份认证、人脸识别和声纹识别技术可以通过边缘设备的计算能力为金融机构提供更高效的用户身份认证手段，提高金融服务的安全性；

(2)随着边缘计算能力的提高，智能供应链金融将不可避免地带来智能仓储和智能物流的发展，这将为供应链金融提供安全性和情景基础，如物流仓库和港口的质押品监控。

场景的变化是无意识的，生活的节奏也在悄悄地变化。无论是新技术革命下的边缘计算、人工智能、物联网、工业互联网还是物联网，这些技术和概念带给我们的不仅仅是体验的变化，还有认知的爆炸。唯一不能改变的是技术的不断进步。

来源：千龙新闻网