隨著物聯(lián)網(wǎng)設(shè)備（例如手機，虛擬助手，筆記本電腦，平板電腦，建筑物傳感器，無人機，安全攝像機和可穿戴式健康傳感器）的數(shù)量有望在 2025 年超過 700 億，邊緣計算應(yīng)用也將增加。

物聯(lián)網(wǎng)設(shè)備在零售，醫(yī)療保健，工業(yè)，航空航天，國防，運輸，設(shè)施維護，能源，制造業(yè)，供應(yīng)鏈物流和智慧城市等廣泛領(lǐng)域中具有廣泛多樣的應(yīng)用。每個物聯(lián)網(wǎng)設(shè)備都連續(xù)收集數(shù)據(jù)，需要快速分析以做出實時決策，特別是對于自動駕駛汽車，電網(wǎng)，遠程手術(shù)，石油鉆機甚至軍用無人機等應(yīng)用。

物聯(lián)網(wǎng)設(shè)備的邊緣計算與云計算

傳統(tǒng)上，云計算是物聯(lián)網(wǎng)設(shè)備分析和預(yù)測的模型。在中央云計算模型中，數(shù)據(jù)從最終用戶設(shè)備（“邊緣”）發(fā)送到云以進行分析；然后將決策發(fā)送回設(shè)備以執(zhí)行。盡管中央計算模型中的數(shù)據(jù)中心具有處理和存儲數(shù)據(jù)的巨大能力，但它們的維護成本高昂且耗電大。

邊緣與云之間的數(shù)據(jù)傳輸不僅昂貴，而且很費時，并且會導(dǎo)致延遲（延遲時間）。此外，數(shù)據(jù)傳輸所需的能量超過了低能耗無線IoT設(shè)備可以支持的能量。當(dāng)僅收集的一部分?jǐn)?shù)據(jù)可能有用時，將所有數(shù)據(jù)傳輸?shù)皆埔矝]有邏輯，操作或財務(wù)意義。最后，數(shù)據(jù)傳輸可能會對數(shù)據(jù)完整性和安全性產(chǎn)生不利影響。

相比之下，通過邊緣計算，可以在IoT設(shè)備上收集和分析數(shù)據(jù)以進行快速推斷（或決策）。以后，少量有用的數(shù)據(jù)將被移到云中。邊緣計算具有幾個優(yōu)點。由于無需將數(shù)據(jù)從IoT設(shè)備傳輸?shù)街醒朐疲虼水a(chǎn)生的滯后時間，帶寬消耗和成本將很低，并且可以基于數(shù)據(jù)分析快速做出決策。

此外，即使系統(tǒng)處于脫機狀態(tài)，邊緣計算也可以繼續(xù)運行，并且即時數(shù)據(jù)處理使確定哪些數(shù)據(jù)應(yīng)該傳輸?shù)皆埔赃M行進一步分析變得更加容易。

開發(fā)AI前沿：挑戰(zhàn)

將AI與邊緣計算相結(jié)合雖然很有意義，但硬件和AI軟件組件面臨著多重挑戰(zhàn)。

第一個挑戰(zhàn)是處理和功耗。AI由訓(xùn)練和推理軟件組成。培訓(xùn)講授一個模型來識別相關(guān)參數(shù)，以便它可以解釋數(shù)據(jù)。推論是模型進行基于學(xué)習(xí)的預(yù)測的時間。

在云計算中，高能耗訓(xùn)練在云上進行，然后將經(jīng)過訓(xùn)練的軟件部署到邊緣，以進行相對低能耗的預(yù)測（或推斷）任務(wù)。在邊緣計算中，培訓(xùn)轉(zhuǎn)移到了邊緣，從而對邊緣硬件的處理能力提出了更高的要求。對于物聯(lián)網(wǎng)設(shè)備，這種增加的能耗帶來了更大的問題，需要重新平衡處理能力與功率需求。

現(xiàn)在，數(shù)據(jù)存儲和安全性構(gòu)成了第二個挑戰(zhàn)，因為邊緣設(shè)備將保留大部分?jǐn)?shù)據(jù)，僅將一小部分傳輸?shù)皆浦?。另外，設(shè)備需要存儲用于學(xué)習(xí)和推理的參數(shù)。第三個挑戰(zhàn)是物聯(lián)網(wǎng)設(shè)備的數(shù)量龐大，并且目前缺乏針對它們的安全標(biāo)準(zhǔn)。

因此，科技公司需要開發(fā)具有更高處理能力和更低能耗的硬件，以及能夠更有效地執(zhí)行學(xué)習(xí)和推理的軟件。此外，物聯(lián)網(wǎng)的應(yīng)用是針對特定場景和特定部門的，因此對于自定義而言，強大的生態(tài)系統(tǒng)和開發(fā)人員環(huán)境至關(guān)重要。