唯一比物聯(lián)網(wǎng)在過去十年的增長更令人印象深刻的是預(yù)測(cè)的物聯(lián)網(wǎng)在未來十年的爆炸性增長。從2021 年 460 億，ARM 預(yù)測(cè)到 2035 年將生產(chǎn) 1 萬億物聯(lián)網(wǎng)設(shè)備。

這意味著地球上每個(gè)人都有超過 100 臺(tái)物聯(lián)網(wǎng)設(shè)備。這種增長的影響是驚人的。隨著這些設(shè)備不斷變得更智能和更具能力，組織正在尋找創(chuàng)造性的新用途，以及這些設(shè)備的操作位置。

物聯(lián)網(wǎng)支出預(yù)計(jì)將達(dá)到2022 年 1 萬億美元，公司將物聯(lián)網(wǎng)的價(jià)值視為一種投資。這是因?yàn)榇嬖谖锫?lián)網(wǎng)設(shè)備的每個(gè)位置都有可能成為數(shù)據(jù)收集站點(diǎn)，為幾乎每個(gè)行業(yè)提供無價(jià)的洞察力 。有了新的更精確的洞察力 ，零售商可以減少收縮and簡化分配系統(tǒng)流程，制造商可以檢測(cè)高速生產(chǎn)線上的視覺異常，以及醫(yī)院可以提供無接觸的患者互動(dòng)。

什么是物聯(lián)網(wǎng)的人工智能？

組織已經(jīng)團(tuán)結(jié)在愿景的力量周圍，從物聯(lián)網(wǎng)設(shè)備生成洞察力 。為什么？

計(jì)算機(jī)視覺是一個(gè)廣泛的術(shù)語，用于使用深度神經(jīng)網(wǎng)絡(luò)開發(fā)應(yīng)用程序的人類視覺能力。它使用圖像和視頻自動(dòng)執(zhí)行任務(wù)并生成洞察力 。設(shè)備、基礎(chǔ)設(shè)施和空間可以利用這一能力來提高他們的感知能力，就像機(jī)器人領(lǐng)域從這項(xiàng)技術(shù)中受益一樣。

雖然每個(gè)計(jì)算機(jī)視覺設(shè)置都不同，但它們都有一個(gè)共同點(diǎn)：它們生成大量數(shù)據(jù)。 IDC 預(yù)測(cè)，光是物聯(lián)網(wǎng)設(shè)備就將產(chǎn)生超過90 zettabytes 數(shù)據(jù)。 典型的智能工廠每天產(chǎn)生大約 5 PB 的視頻數(shù)據(jù)，而智能城市可以產(chǎn)生這些數(shù)據(jù)每天 200 PB 的數(shù)據(jù)。

安裝的設(shè)備數(shù)量和收集的數(shù)據(jù)量給傳統(tǒng)的云和數(shù)據(jù)中心基礎(chǔ)設(shè)施帶來了壓力。這是因?yàn)樵浦羞\(yùn)行的計(jì)算機(jī)視覺算法無法以足夠快的速度處理數(shù)據(jù)以返回實(shí)時(shí)洞察力 。對(duì)于許多組織來說，高延遲是一個(gè)重要的安全問題。

以大型零售商的配送中心中的自動(dòng)叉車為例。叉車使用各種傳感器感知周圍的世界，根據(jù)收集的數(shù)據(jù)做出決策。它知道自己能在哪里開車，不能在哪里開車，它能識(shí)別在倉庫周圍移動(dòng)的物體，它知道什么時(shí)候突然停車以避免在路上與工人相撞。

如果叉車將數(shù)據(jù)發(fā)送到云端，等待數(shù)據(jù)被處理，并將 i NSight 發(fā)送回，然后采取行動(dòng)，叉車 MIG 將無法及時(shí)停止以避免與人類工人發(fā)生碰撞。

除了延遲問題，將物聯(lián)網(wǎng)設(shè)備收集的大量數(shù)據(jù)發(fā)送到云端進(jìn)行處理的成本極高。如此高的成本就是為什么只有 25% 的物聯(lián)網(wǎng)數(shù)據(jù)得到分析*。 451 項(xiàng)研究在《企業(yè)之聲：物聯(lián)網(wǎng)、組織動(dòng)態(tài)——季度咨詢報(bào)告》中進(jìn)行了一項(xiàng)研究，受訪者承認(rèn)只存儲(chǔ)了他們創(chuàng)建的約一半物聯(lián)網(wǎng)數(shù)據(jù)，并且只分析了他們存儲(chǔ)的約一半數(shù)據(jù)。由于傳輸成本高，組織選擇不處理數(shù)據(jù)，因此忽略了可能對(duì)其業(yè)務(wù)產(chǎn)生重大影響的有價(jià)值的 i NSight 。

這些就是組織開始使用邊緣計(jì)算的一些原因。

什么是邊緣計(jì)算及其對(duì)物聯(lián)網(wǎng)的重要性？

邊緣計(jì)算是指盡可能靠近數(shù)據(jù)源捕獲和處理數(shù)據(jù)的概念。這是通過部署服務(wù)器或其他硬件在物聯(lián)網(wǎng)傳感器的物理位置處理數(shù)據(jù)來實(shí)現(xiàn)的。由于邊緣計(jì)算在網(wǎng)絡(luò)的“邊緣”本地處理數(shù)據(jù)，而不是在云端或數(shù)據(jù)中心，因此它將延遲和數(shù)據(jù)傳輸成本降至最低，允許實(shí)時(shí)反饋和決策。

邊緣計(jì)算允許組織處理更多數(shù)據(jù)并生成更完整的洞察力 ，這就是為什么它正迅速成為投入大量物聯(lián)網(wǎng)的組織的標(biāo)準(zhǔn)技術(shù)。事實(shí)上， IDC 報(bào)告說，邊緣計(jì)算市場(chǎng)將是值得的到 2023 年達(dá)到 340 億美元。

雖然邊緣計(jì)算對(duì)于使用物聯(lián)網(wǎng)的人工智能應(yīng)用程序的好處是顯而易見的，但是邊緣和物聯(lián)網(wǎng)解決方案的結(jié)合對(duì)于許多組織來說是事后才想到的。理想情況下，將這些技術(shù)的融合融入到設(shè)計(jì)中，讓計(jì)算機(jī)視覺的全部潛力得到認(rèn)可，達(dá)到自動(dòng)化和效率的新水平。

關(guān)于作者

Troy Estes 是 NVIDIA Edge 和企業(yè)計(jì)算解決方案的產(chǎn)品營銷經(jīng)理。在加入 Edge & Enterprise 業(yè)務(wù)部門之前，特洛伊曾在自主汽車業(yè)務(wù)部門和 NVIDIA 電網(wǎng)產(chǎn)品集團(tuán)從事營銷活動(dòng)和支持產(chǎn)品 GTM 。

審核編輯：郭婷