（文章來源：千家網）

隨著人工智能和機器學習（ML）的采用率上升，以算法形式處理大量數據以實現計算目的的能力變得越來越重要。為了讓數十億連接設備之間的數據應用程序的使用變得更高效、更有價值，將處理從集中的第三方云服務器遷移到分散的、本地化的設備上處理（通常稱為邊緣計算）的趨勢越來越強。根據SARInsight＆Consulting的最新AI/ML嵌入式芯片數據庫，在2019-2024年期間，在2019-2024年期間，全球擁有邊緣計算能力的AI設備的數量將以64.2%的復合年增長率增長。

EdgeAI采用算法并盡可能接近物理系統處理數據-在這種情況下，是在硬件設備上本地進行的。優點是數據處理不需要連接。數據的計算發生在開發數據的網絡邊緣附近，而不是在集中式數據處理中心。對于設備、技術和組件供應商來說，在邊緣處理能夠和應該完成的處理之間確定適當的平衡將成為最重要的決策之一。

考慮到產生深度學習預測模型的訓練和推理引擎，邊緣處理通常需要Intel、高通、Nvidia和Google等供應商提供的x86或Arm處理器。AI加速器；以及處理高達2.5GHz、10到14核速度的能力。

考慮到不斷擴大的市場以及對計算數據和能力的不斷擴大的服務和應用需求，有幾個因素和好處推動了邊緣計算的增長。由于對可靠、適應性強和上下文信息的需求不斷變化，大部分數據都在本地遷移到設備上處理，從而提高了性能和響應時間（不到幾毫秒）、更低的延遲、更高的電源效率，因為數據保留在設備上，所以提高了安全性，并且由于數據中心傳輸被最小化而節省了成本。

邊緣計算的最大好處之一就是能夠確保對時間敏感的實時結果。在許多情況下，可以直接收集、分析和通信傳感器數據，而不必將數據發送到時間敏感的云中心?？绺鞣N邊緣設備的可伸縮性有助于加快本地決策的速度。提供即時可靠數據的能力可建立信心，增加客戶參與度，并在許多情況下可挽救生命。想想所有的行業——家庭安全、航空航天、汽車、智能城市、醫療保健——即時診斷和設備性能的解釋是至關重要的。

像亞馬遜、谷歌、蘋果、寶馬、大眾、特斯拉、空客、弗勞恩霍夫、沃達豐、德國電信、愛立信和Harting這樣的創新型企業現在都在接受并對沖它們在人工智能方面的押注。其中一些公司正在組建行業協會，如歐洲邊緣計算聯盟（EECC），以幫助教育和激勵中小型和大型企業推動邊緣計算在制造業和其他工業市場的應用。

EECC倡議的目標包括指定邊緣計算的參考體系結構模型、開發參考技術棧（EECC邊緣節點）、通過評估多種方案中的方法來確定差距和推薦最佳做法，以及與相關倡議/標準化組織同步。

人工智能和機器學習的進步為創造智能設備提供了大量的機會，這些設備能夠感知周圍的環境。對智能機器的需求將受益于多感官數據的增長，這些數據可以以更高的精度和性能進行計算。邊緣計算提供了一個機會，讓人工智能數據在幾乎所有行業都能轉化為實時價值。智能優勢是人工智能技術發展和成功的下一個階段。
? ? ?（責任編輯：fqj）