边缘AI驱动下一代物联网

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。

边缘计算工作量增长

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。

边缘计算的价值

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。 “而且你不能超过它。”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，边缘AI架构是数据处理重点的又一代转变，但这是关键。


 

（编辑：江门站长网）

【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!