NXP Semiconductors邊緣處理戰(zhàn)略主管Gowri Chindalore說：“我們都看到了關(guān)于有多少設(shè)備將很快連接到物聯(lián)網(wǎng)（IoT）的預(yù)測。”例如，IDC預(yù)測到2025年這一數(shù)字將超過410億。關(guān)于這將釋放的機會，使我們的家庭、工作、娛樂和旅行更加高效和可持續(xù)發(fā)展，已經(jīng)有很多報道。

但支撐這些進步的數(shù)據(jù)爆炸式增長正給那些創(chuàng)造產(chǎn)品、服務(wù)和支持基礎(chǔ)設(shè)施的人帶來麻煩。許多早期的物聯(lián)網(wǎng)設(shè)備依賴云來處理它們收集的數(shù)據(jù)。該模型的部分驅(qū)動因素是云中有效的無限計算能力，再加上許多物聯(lián)網(wǎng)設(shè)備受限的機載處理能力。

卸載到云端的局限性

不過，在云端和云端發(fā)送數(shù)據(jù)也有其缺點。首先，傳輸數(shù)據(jù)需要能量和帶寬。更多的數(shù)據(jù)意味著你需要更多這些昂貴而有限的資源。其次，向云端發(fā)送數(shù)據(jù)會帶來延遲，這會限制某些應(yīng)用程序的有效性。

第三，機外信息會帶來隱私和安全風險。例如，智能家居設(shè)備收集的數(shù)據(jù)將揭示很多關(guān)于你何時在家和何時外出的信息。如果這些信息被發(fā)送到云端，你能確定它是安全的嗎？它儲存在哪里，以什么形式？誰能得到它？

隨著越來越多的設(shè)備收集更多（和更敏感）的數(shù)據(jù)進行處理，應(yīng)對這些挑戰(zhàn)的需求變得越來越迫切。這是“智能優(yōu)勢”興起的主要驅(qū)動力之一。

在這個模型中，密鑰處理和決策不是發(fā)送到云端，而是在本地網(wǎng)絡(luò)的“邊緣”靠近連接的設(shè)備進行。這減少了上述延遲、能耗和帶寬使用，同時允許用戶將私有數(shù)據(jù)保留在自己的基礎(chǔ)設(shè)施范圍內(nèi)。

智能邊緣的核心是機器學(xué)習(xí)。目前，我們主要討論的是推理。這是邊緣設(shè)備使用預(yù)先訓(xùn)練的機器學(xué)習(xí)模型，根據(jù)本地傳感器收集的新數(shù)據(jù)做出決策。

在邊緣推動向人工智能的轉(zhuǎn)變

在這種資源受限的環(huán)境中，推理的顯著增長是通過改進推理處理，特別是用于加速推理的技術(shù)而實現(xiàn)的。

第一代機器學(xué)習(xí)加速器（如果它們是加速器的話）主要是基于軟件的，由CPU運行指令集。第二代引入了專用硬件，如gpu和dsp。今天，我們有了第三代，它使用基于硬件的修剪和壓縮等功能。在硬件上完成的越多，這個過程就越節(jié)能，因為你減少了軟件和CPU周期的使用。

今天的智能優(yōu)勢可以實現(xiàn)什么

作為人類，我們的大部分交流不僅僅是通過語言來傳遞的：我們的語氣、面部表情和手勢都有助于我們本能地交流和理解彼此。使用基于邊緣的推理，今天的設(shè)計師可以使他們的產(chǎn)品接收到這些信號，從而創(chuàng)造出越來越自然的交互體驗。技術(shù)可以包括面部和其他物體和手勢識別、語音識別、音調(diào)分析和自然語言處理。

在其他地方，智能邊緣設(shè)備可以提高安全性。例如，智能家居邊緣套件可以被訓(xùn)練識別危險信號，例如警報響起、人摔倒、玻璃破碎或水龍頭滴落或滴落。一旦感覺到問題，系統(tǒng)就可以提醒車主，讓他們做出相應(yīng)的反應(yīng)。

接下來是什么？

未來幾年，將有許多新的物聯(lián)網(wǎng)產(chǎn)品和服務(wù)進入市場，利用這一日益強大的智能優(yōu)勢。如何在第三代人工智能加速能力。未來幾代可能包括神經(jīng)形態(tài)或內(nèi)存計算、尖峰神經(jīng)網(wǎng)絡(luò)或最終的量子人工智能。這些發(fā)展將有助于加速目前正在出現(xiàn)的另一個趨勢，即在邊緣實現(xiàn)機器學(xué)習(xí)算法的實際訓(xùn)練。
責編AJX