在滿足實時應用需求方面，邊緣計算作為一種處理數據的新方式嶄露頭角，有望在我們使用和處理信息的方式上帶來巨大變革。

邊緣人工智能（Edge AI）是使用和部署人工智能技術的一種新途徑。通過將計算和數據存儲更靠近數據產生的地方，比如物聯網設備、傳感器和其他聯網小工具，邊緣人工智能注定要改變許多行業。

讓我們先從了解人工智能和深度學習的基礎知識開始，然后探討“邊緣”在邊緣計算中的重要性，在本文中一起了解邊緣機器學習（Edge ML），并了解行業領導者如何利用它來改變我們的生活和工作方式。

什么是人工智能(AI)？

人工智能（AI）是通過機器模擬人類智能過程，并對其進行編程以模仿人類的學習、分析和預測等能力。

人工智能流水線 （AI Pipeline）有三個階段才能有效工作。

1.數據管理： 在這個階段，數據科學家整理大量數據，并在其中發現模式和見解。數據整理是將原始數據轉換為隨時可用的格式，目的是使其對分析更有價值。它有時也被稱為數據清理、修復或轉換。

2.模型訓練： 下一個階段是訓練數據集，該數據集用于訓練模型執行特定任務。因此，當訓練完成時，實際上就創建了人工智能。這個階段需要大量的數據，并且完成需要相當多的時間，因為訓練經驗必須豐富，模型才能高效且有效。

3.交互界面： 最后一個階段是人工智能被部署以執行其解決設計要解決的問題的工作。它可以部署到服務器、個人電腦、云端或邊緣設備。它處理從第二階段收集的數據，以理解新的數據輸入，并根據設定的參數輸出結果。

機器學習

人工智能的一個子集 是機器學習（ML），它訓練機器解決特定的人工智能問題。它是對允許計算機通過經驗自動改進的算法的研究。它使用大型數據集、經過充分研究的統計方法和算法來訓練模型，以從任何新的或傳入的信息中預測結果。

深度學習

機器學習的進一步子集 是深度學習，它使用人工神經網絡來解決人工智能問題。它由數據的許多連續變換組成，這些變換從頂部到底部一起變化，它使用具有許多隱藏層、大數據和高計算機資源的人工神經網絡。與機器學習類似，它需要大型數據集才能有效。有了更多的數據，我們能夠訓練深度學習模型變得更強大，并且更少依賴假設。

深度學習通常用于處理更復雜的輸入或非表格數據，如圖像、文本、視頻和語音。

什么是邊緣人工智能(Edge AI)？

簡單來說，邊緣人工智能指的是以機器學習（ML）算法的形式在邊緣設備上部署和推理的人工智能的使用。

機器學習是一個快速發展的領域，使計算機能夠通過從數據中學習自主地提高其在任務上的性能，常常超過人類能力。

邊緣人工智能是邊緣計算和人工智能的結合，在聯網邊緣設備上直接運行機器學習任務。邊緣人工智能可以執行無數任務，如物體檢測、語音識別、指紋檢測、欺詐檢測、自動駕駛等。

什么是邊緣計算(Edge Computing)？

邊緣計算是指在數據產生的地方進行處理，在邊緣設備中本地處理和存儲數據。而不是回傳到云端，邊緣設備可以在本地，如用戶的計算機、物聯網設備或邊緣服務器上收集和處理數據。

邊緣計算旨在通過在更靠近源或端點設備處處理數據來降低延遲、優化帶寬使用、提高可擴展性以及增強隱私和安全。它對于需要實時數據分析和快速響應時間的應用特別有益，如物聯網設備、自動駕駛汽車和工業自動化。

邊緣計算與云計算的比較：

從本質上講，邊緣計算和云計算都是為了做同樣的事情——處理數據、運行算法等。然而，邊緣計算和云計算的根本區別在于計算實際發生的位置。

邊緣計算是一種分布式計算架構，它將計算和數據存儲更靠近數據的來源。數據處理發生在網絡的邊緣，靠近生成數據的設備，而不是像數據中心這樣的中心位置。

云計算是一種通過互聯網提供信息技術服務的模型。用戶現在可以訪問和使用可重新配置的計算資源共享池，包括服務器、存儲、數據庫、操作系統和應用程序，而無需擔心維護底層基礎設施。

邊緣計算和云計算的區別

邊緣人工智能：將云帶到邊緣以發展物聯網

有了邊緣人工智能，物聯網設備變得更加智能和有能力。它們現在可以做出決策、預測結果、處理復雜數據和管理解決方案。例如，邊緣物聯網設備可以預測機械故障，從而實現預測性維護和成本節約。

帶有邊緣人工智能的安全攝像頭可以識別人類、統計人流量，甚至識別面部。隨著機器學習的進步，這些能力正越來越多地從云端轉移到邊緣，開辟了許多令人興奮的可能性。

邊緣人工智能的好處：

1.降低延遲：通過在邊緣設備上本地處理數據，邊緣人工智能最大限度地減少延遲，非常適合自動駕駛汽車、機器人技術和智能制造業等實時應用。

2.增強隱私和安全：在邊緣處理的數據保持本地，降低了數據泄露的風險，確保敏感信息保持安全。

3.實時決策：邊緣人工智能使設備能夠根據最新數據立即做出決策，這對于預測性維護、醫療監測和安全監控等應用至關重要。

4.可擴展性：在邊緣部署人工智能解決方案允許在眾多設備和位置進行可擴展的操作，而無需大量的云基礎設施。

5.降低帶寬使用：邊緣人工智能減少了通過網絡發送大量數據的需求，節省了帶寬并降低了成本。

6.個性化用戶體驗：通過在本地處理數據，邊緣設備可以提供更個性化和情境感知的體驗，實時適應個人偏好。

為什么邊緣人工智能重要？

雖然邊緣人工智能的實際好處是明確的，但它的內在影響可能更難以捉摸。

邊緣人工智能改變我們的生活方式

邊緣人工智能正在使人工智能成為我們日常生活的一部分。盡管人工智能和機器學習已經研究了多年，但我們現在在實際產品中看到了它們。例如，自動駕駛汽車就是邊緣人工智能進步的產物。慢慢地但肯定地，邊緣人工智能正在以多種方式改變我們與環境互動的方式。

邊緣人工智能使人工智能大眾化

人工智能不再是研究機構和富裕企業的專屬。邊緣人工智能，設計用于在經濟實惠的設備上運行，使個人能夠學習和開發人工智能。這也允許教育工作者將人工智能和機器學習切實地帶入課堂，讓學生親身體驗邊緣設備。

邊緣人工智能挑戰我們的思維方式

人工智能和機器學習的潛力僅受人類創造力的限制。隨著機器學習的進步，更多任務將被自動化，挑戰我們對生產力和目的的想法。

邊緣人工智能與邊緣 GPU：NVIDIA Jetson 嵌入式系統

NVIDIA? Jetson? 在節能且緊湊的外形尺寸中為邊緣帶來加速的人工智能性能。Jetson 系列模塊都使用相同的 NVIDIA CUDA-X?軟件，并支持像容器化和編排這樣的云原生技術，以在邊緣構建、部署和管理人工智能。

產品特點：

·邊緣人工智能盒子可適配任何地方。

·嵌入式 Jetson Nano/NX 模塊。

·預安裝 Jetpack 以便輕松部署。

·與 Jetson 開發套件幾乎相同的外形尺寸，具有豐富的輸入/輸出。

·可堆疊且可擴展。

帶 TPU 的邊緣 AI：Google Coral 系列

谷歌的 Coral 系列配備了他們的張量處理單元（TPU），這是專門為使用 TensorFlow Lite 的神經網絡機器學習而專門設計的專用 ASIC。Coral 開發板是一個一體化、配備 TPU 的平臺，允許用戶輕松制作 TFLite 應用原型，甚至可以通過其靈活的系統模塊（SoM）設計擴展到生產。

產品特點：

·恩智浦 i.MX 8M SoC（四核 Cortex-A53，Cortex-M4F）CPU

·集成 GC7000 Lite 圖形

·谷歌邊緣 TPU 協處理器

·1GB LPDDR4，8GB eMMC

·一系列接口：HDMI、MicroSD、WiFi、千兆以太網等等

用于邊緣 AI 的單板計算機

邊緣 AI 發展迅速，隨著各種邊緣設備的可用，開始使用邊緣 AI 比以往任何時候都更容易。這一部分為想涉足邊緣 AI 的用戶分享一些單板計算機推薦。

Intel Celeron驅動的 ODYSSEY X86 系列

ODYSSEY x86 系列在強大的 x86 CPU 架構上運行，這款單板計算機有足夠的能力滿足任何邊緣計算需求，甚至可以作為迷你 PC 來替代桌面。

適合初學者：Raspberry Pi 4B

邊緣 AI 在微控制器上是否可行？

現代處理器，能夠每秒執行數萬次操作（TOPS），對于機器學習并非至關重要。一些帶有嵌入式機器學習加速器的微控制器現在正在邊緣設備上啟用機器學習。本文探討了邊緣 AI 如何將 AI 集成到更小、功率更低的計算機中，包括具有最小內存的微控制器。

微型機器學習（ TinyML ） 是一個新概念，通過在高度資源受限的環境中啟用機器學習來應對這些挑戰。

TinyML 的目標是允許在小型、資源受限的低功率設備上，特別是微控制器上執行推理，最終進行訓練，而不是在更大的平臺或云中。

這需要減小神經網絡模型的大小以適應這些設備相對適度的處理、存儲和帶寬資源，同時又不會顯著降低功能和準確性。

用于邊緣 AI 的最佳微控制器

GROVE VISION AI MODULE V2 - M55

imGrove - Vision AI V2 是一款由 Himax WiseEye2 HX6538 處理器驅動的高效基于微控制器的智能視覺模塊，具有雙核 Arm Cortex-M55 和集成的 Arm Ethos-U55 神經網絡組件。它集成了 Arm Helium 技術 ，該技術針對向量數據處理進行了精細優化，在不影響功耗的情況下顯著提升了數字信號處理和機器學習能力，非常適合電池供電應用。

Seeed Stuidio XIAO ESP32S3 傳感器評估板和Seeed Stuidio XIAO nRF52840 傳感器評估板：

Seeed Stuidio XIAO 系列是小型開發板，具有相似的硬件結構，尺寸實際上只有拇指大小。這里的代號“XIAO”代表它的一半特征“微小”，另一半將是“強大”。

Seeed Stuidio XIAO ESP32S3 評估板集成了一個 OV2640 攝像頭傳感器、數字麥克風和 SD 卡支持。結合嵌入式機器學習計算能力和攝影能力，這個開發板可以成為您開始智能語音和視覺 AI 的絕佳工具。

Seeed Stuidio XIAO nRF52840 評估板搭載藍牙 5.0 無線能力，并且能夠以低功耗運行。具有板載慣性測量單元（IMU）和脈沖密度調制（PDM），它可以成為您進行嵌入式機器學習項目的最佳工具。

Wio 終端：

Wio 終端是一個基于 ATSAMD51 的完整的 Arduino 開發平臺，無線連接由瑞昱 RTL8720DN 提供動力。作為一個一體化的微控制器，它具有板載的 2.4"液晶顯示屏、慣性測量單元、麥克風、蜂鳴器、microSD 卡插槽、光傳感器和紅外發射器。Wio 終端得到了 Edge Impulse 的官方支持，這意味著用戶可以輕松地使用它來收集數據、訓練機器學習模型，最后部署一個優化的機器學習應用。

結論：

在當今這個數據驅動的世界里，傳統云計算在實時需求方面面臨困境。邊緣計算和邊緣 AI 通過將 AI 部署在更靠近需求的地方來改變數據處理方式，徹底改變了各個行業。這種轉變提高了效率，減少了延遲，并使物聯網設備能夠做出自主決策。隨著邊緣 AI 的發展，它承諾了一個未來，在這個未來中，邊緣的智能解決方案將推動創新、安全和可擴展性，將 AI 更深入地融入日常生活。擁抱邊緣 AI 和計算的演變，以利用智能解決方案為我們相互連接的世界服務。