- AI
- Edge Computing
- Clea
La nuova architettura AI: combinare edge, fog e cloud computing
Anche se l’intelligenza artificiale viene spesso associata al cloud computing, sempre più carichi di lavoro AI migrano verso i dispositivi locali, un fenomeno noto come edge AI. Questo articolo esplora i vantaggi dell’edge AI e come l’integrazione di Clea ne rende possibile l’implementazione.

Anche se l’intelligenza artificiale viene spesso associata al cloud computing, sempre più carichi di lavoro AI migrano verso i dispositivi locali, un fenomeno noto come edge AI. Grazie alla diffusione di processori embedded economici con supporto AI e di modelli AI leggeri, oggi è possibile trovare l’AI in esecuzione sui macchinari in fabbrica, all’interno di apparecchiature mediche e in molte altre applicazioni edge.
I vantaggi dell’implementazione dell’edge AI sono notevoli. Il maggiore è la latenza ridotta. Invece di attendere la risposta di un data center lontano, con tempi di comunicazione di rete non deterministici, i dati possono essere elaborati in tempo reale. Mantenere i dati sensibili sul dispositivo locale migliora anche la sicurezza, riducendo drasticamente le possibilità di interferire con le decisioni guidate dall’AI. Questi fattori consentono all’AI di garantire un funzionamento affidabile in tempo reale, una caratteristica chiave per i casi d’uso critici dal punto di vista temporale, come i veicoli autonomi e la robotica, che potrebbero non essere realizzabili con un paradigma AI basato sul cloud.
L’edge AI riduce anche il consumo energetico, eliminando la necessità di trasferire continuamente i dati al cloud, una caratteristica cruciale per i dispositivi edge con alimentazione limitata. Inoltre le aziende risparmiano elaborando i dati in locale invece di pagare la larghezza di banda cloud in modo continuo.
Forse l’aspetto più importante è che i sistemi edge AI continuano a funzionare anche quando la connessione a internet cade, offrendo un’affidabilità che i sistemi dipendenti dal cloud non possono eguagliare.
La necessità di un’intelligenza multilivello
Anche se l’edge AI ha molti vantaggi, ha anche dei limiti. Molti sistemi richiedono un’intelligenza multilivello che combini edge, cloud e fog computing per bilanciare efficienza, velocità e scalabilità. Per capire perché, prendiamo in esame un tipico sistema di videosorveglianza:
- L’edge AI elabora i dati direttamente sul dispositivo finale, ad esempio all’interno di una telecamera di sorveglianza intelligente.
- Il fog computing aggiunge un livello tra l’edge e il cloud in grado di gestire i dati provenienti da più fonti. Ad esempio, un sistema locale di videoregistrazione di rete (NVR) collegato a più telecamere può seguire gli oggetti che si spostano tra diverse inquadrature e comunicare al cloud i risultati derivati, secondo necessità.
- Il cloud computing aggrega ed elabora grandi quantità di dati nei data center. Funziona bene per l’archiviazione a lungo termine, l’addestramento di modelli AI e l’analisi dei dati nel tempo, ad esempio per monitorare le tendenze della sicurezza in un’intera città.
Combinando questi approcci, un sistema edge-to-cloud o edge-to-fog-to-cloud può offrire più valore di una soluzione puntuale autonoma.
Clea copre tutti i componenti della catena del valore
Consapevole dell’importanza di un approccio olistico, SECO offre soluzioni hardware e software che coprono l’AI a livello edge, fog e cloud.
Le soluzioni hardware per l’edge AI comprendono un’ampia varietà di moduli di calcolo e single board computer con form factor standard. L’attuale generazione di processori embedded di aziende come NXP, Qualcomm, MediaTek e Intel offre acceleratori AI integrati e librerie associate. Ad esempio, il modulo SOM-SMARC-Genio700, grande quanto una carta di credito, usa il processore Genio 700 di MediaTek, che abbina otto core Arm (2x Cortex-A78 + 6x Cortex-A55) a un Deep Learning Accelerator che offre 4 trilioni di operazioni al secondo (TOPS) di prestazioni AI. Questo consente di eseguire AI complessa su dispositivi piccoli e fanless e persino su sistemi alimentati a batteria.
Per il fog computing, i computer industriali di fascia più alta offrono maggiore potenza di elaborazione, connettività e coprocessing AI dedicato. Ad esempio, il computer fanless Titan 300 TGL-UP3 AI combina un processore Intel Tiger Lake UP3 con un chip AI Axelera per offrire 120 TOPS tramite la sua AIPU Metis. Questo garantisce una potente elaborazione AI a livello locale.
Sul fronte software, la suite software Clea per l’internet of things (IoT) collega edge, fog e cloud per sistemi AI avanzati. Si parte da Clea OS, una piattaforma Linux completa basata su Yocto che funziona su tutto l’hardware edge e fog di SECO e supporta sia processori x86 sia Arm. Clea OS semplifica il deployment dell’AI distribuita fornendo strumenti di sviluppo standardizzati e funzionalità DevOps back-end per l’integrazione e il deployment continui.
L’ecosistema Clea è indipendente dal cloud e include diversi strumenti chiave:
- Per i nodi AI edge e fog, Clea Edgehog offre solide funzionalità di monitoraggio dei dispositivi e gestione delle flotte, che semplificano la manutenzione e l’aggiornamento dei dispositivi su larga scala.
- A livello cloud, Clea Astarte offre un’orchestrazione dei dati sofisticata, che raccoglie, instrada e gestisce i dati dei dispositivi in una flotta di dispositivi IoT. Astarte consente la raccolta, l’elaborazione e l’analisi di grandi quantità di dati, con il supporto di Kubernetes per la scalabilità e di ScyllaDB per una crescita aziendale senza interruzioni.
- Clea Portal offre un front end basato su cloud per gestire e monetizzare la flotta Edge AI, con tutto, dalla visualizzazione dei dati al controllo dei dispositivi.
- Clea AI Studio è un ambiente di programmazione visuale che crea flussi di servizio basati sugli strumenti AI dei produttori di processori per distribuire applicazioni basate su AI sui dispositivi edge.
Gli sviluppatori possono usare la suite software Clea per realizzare soluzioni IoT end-to-end complete e facilitare il deployment e il funzionamento delle funzionalità AI, indipendentemente dal fatto che lo specifico algoritmo AI operi all’edge, nel fog o nel cloud. La suite gestisce tutto, dalla raccolta dei dati alla creazione delle interfacce utente, semplificando il processo di deployment dell’edge AI.
Conclusione
Anche se l’edge AI presenta vantaggi convincenti rispetto agli approcci tradizionali di cloud o fog computing, un’implementazione di successo richiede un’attenta valutazione dei requisiti hardware e software.
Lo stack completo di soluzioni SECO consente alle organizzazioni di ottimizzare i propri deployment di Edge AI in base alle esigenze specifiche, offrendo la flessibilità e la scalabilità richieste nel panorama tecnologico di oggi, in rapida evoluzione.
Vuoi iniziare il tuo progetto di edge AI? Contattaci oggi stesso.

In evidenza in questo articolo
SOM-SMARC-Genio700
Computer on Module (CoM) SMARC® Rel. 2.1.1 con processori applicativi MediaTek Genio 700.
- SMARC®
- MediaTek Genio 700
Anche in questo articolo: Titan 300 TGL-UP3, Titan 300 TGL-UP3 AI
Ricevi la newsletter di SECO.
Iscriviti con il tuo indirizzo email su seco.com.





