- AI
- Edge Computing
Edge computing e AI, una coppia vincente: i vantaggi per l'analisi dei dati
Il cloud computing consente un significativo contenimento dei costi in termini di data center, offrendo accesso a risorse di storage e capacità di calcolo praticamente illimitate e disponibili on-demand. Ma non tutte le applicazioni sono adatte alle soluzioni cloud, che presentano vari potenziali svantaggi legati a latenza e affidabilità della connessione. In questi casi è di gran lunga preferibile l'edge computing, il sistema in grado di elaborare le informazioni sul dispositivo in cui vengono generate, eliminando il problema sia dei trasferimenti di dati sia della latenza. Questo vale ancora di più quando l'edge computing è combinato con l'AI.

Che cos'è l'Edge AI, la combinazione di edge computing e AI
Quando l'edge computing abbraccia l'intelligenza artificiale (AI), il risultato è l'Edge AI, che permette l'elaborazione dei dati in tempo reale senza bisogno di connettersi a un cloud.
Connettersi a un cloud non è sempre possibile, ma nel caso delle auto a guida autonoma (o driverless) e di altre applicazioni AI che richiedono reazioni immediate indipendentemente dallo stato della connessione, l'Edge AI rappresenta un'opzione praticabile. I vantaggi dell'edge computing sono visibili nel settore sanitario, ad esempio, dove i servizi di telemedicina stanno guadagnando terreno in modo costante e dove la necessità di accedere ai dati il più rapidamente possibile può fare davvero la differenza.
Edge computing e AI: i vantaggi di una coppia vincente
L'edge computing con AI diventa l'approccio migliore nei casi seguenti:
- quando la banda internet è insufficiente o poco affidabile;
- se la connessione per inviare i dati al cloud non è robusta;
- quando sono richiesti tempi di risposta estremamente rapidi o specifiche esigenze di sicurezza e privacy nella trasmissione dei dati.
L'Edge AI ha gli stessi vantaggi dell'edge computing: velocità, minori consumi di rete, sicurezza, privacy.
Il maggior vantaggio della combinazione di edge computing e AI sta nella capacità di ridurre drasticamente i periodi di inattività nei processi AI basati su cloud, offrendo agli utenti la possibilità di gestirli da dispositivi smart in grado di reagire rapidamente agli input senza trasmettere dati altrove.
La riduzione della latenza, così cruciale nelle applicazioni time-sensitive, è tale che, quando i calcoli AI vengono eseguiti in un data center remoto, lo scenario migliore prevede una riduzione della latenza di almeno 1-2 millisecondi (se non centinaia).
L'Edge AI sarà inoltre rafforzata in modo significativo dalla crescente diffusione della connettività 5G. Rispetto all'LTE, il 5G garantirà velocità più elevate (20 Gbps contro 1 Gbps), la simultaneità di più connessioni (1.000.000 per km2 contro 100.000) e una latenza inferiore (1 ms contro 10 ms). Con la graduale adozione del 5G, la connettività di nuova generazione guiderà lo sviluppo del mercato IoT e dell'Edge AI perché facilita le interazioni tra una gamma più ampia di dispositivi, sempre più dotati di processori smart.
Edge Analytics: come cambia l'analisi dei dati per il business
Entro il 2022, gli Osservatori del Politecnico di Milano stimano che ogni casa avrà in media 50 dispositivi connessi a internet: la quantità di Big Data disponibili esploderà. Dati provenienti da sensori e macchine smart, dai social media, dati generati da dispositivi IoT: l'Edge Analytics contribuisce ad alleggerire il traffico sulle reti geografiche che collegano il data center al “bordo” della rete aziendale, dove i dati vengono generati sempre più di frequente.
L'Edge Analytics consente a un'azienda di analizzare un'enorme quantità di dati in tempo reale per migliorare i processi decisionali, aggregando la capacità di calcolo in dispositivi di rete (come gli switch), periferiche, dispositivi e sensori o micro data center ultracompatti, ridefinendo così l'approccio all'IoT. Questo nuovo approccio si chiama IoT Edge e potenzia l'intelligenza e le capacità analitiche dei dispositivi periferici per migliorare le prestazioni e la sicurezza dell'architettura IoT. Nei dispositivi IoT anche il cloud viene snellito, risparmiando l'uso della rete per lo storage e l'analisi dei dati e riducendo drasticamente l'uso di CPU, GPU e memoria.
Il mercato riconosce questo potenziale. Secondo i dati di Statista, nel 2019 il mercato dell'edge computing industriale valeva 11,56 miliardi di dollari. Continuerà a crescere a un tasso medio del 18% (CAGR) fino al 2025, quando si stima raggiungerà i 30,75 miliardi di dollari. Il solo mercato globale del software Edge AI raggiungerà 1,835 miliardi di dollari entro il 2026, registrando un tasso di crescita annuale composto (CAGR) del 20,8%. A trainare il mercato saranno l'aumento dei carichi di lavoro basati su cloud delle aziende e la rapida crescita del numero di dispositivi connessi (comprese le tecnologie indossabili, in crescita nel periodo post-pandemia) e delle applicazioni smart.
Maggiore sicurezza e protezione della privacy con edge computing e AI
Quando si parla di dati aziendali, un altro vantaggio indiscutibile dell'Edge AI è la privacy. Sia dal punto di vista legale sia da quello dell'opportunità tecnica, in particolare in relazione alla privacy e alla velocità di trasmissione delle informazioni, l'edge computing assumerà un ruolo chiave nelle tecnologie dell'Unione Europea digitale. Rispetta infatti i principi di Privacy by Design and Default dello European Data Protection Board (EDPB), soprattutto per quanto riguarda le auto smart. Dal punto di vista della cybersecurity, l'elaborazione AI su un dispositivo locale evita di dover trasferire le informazioni a un altro dispositivo per l'analisi dei dati. Questo riduce in modo significativo il rischio di intercettazione.
Ricevi la newsletter di SECO.
Iscriviti con il tuo indirizzo email su seco.com.



