跳到主要内容
SECO
  • AI
  • Edge Computing

边缘计算与 AI,制胜组合:数据分析的优势

云计算可以大幅削减数据中心方面的成本,提供几乎无限且按需可用的存储和计算能力资源。但并非所有应用都适合云解决方案,云方案存在与延迟和连接可靠性相关的各种潜在缺点。在这些情况下,边缘计算是更为可取的解决方案,该系统能够在信息产生的设备上对其进行处理,消除数据传输和延迟两方面的问题。当边缘计算与 AI 相结合时,这一点更是如此。

Edge Computing AI

什么是 Edge AI:边缘计算与 AI 的结合

当边缘计算融入人工智能(AI)时,结果便是 Edge AI,它无需连接云端即可实现实时数据处理。

连接云端并非总是可行,而对于自动驾驶(或无人驾驶)汽车及其他无论连接状态如何都需要即时响应的 AI 应用,Edge AI 是一个可行的选择。边缘计算的优势在医疗健康领域就有目共睹,例如,远程医疗服务正稳步发展,而尽快获取数据的需求确实可能带来改变。

边缘计算与 AI:制胜组合的优势

在以下情况下,搭配 AI 的边缘计算成为最佳方案:

  • 当互联网带宽不足或不够可靠时;
  • 如果向云端发送数据的连接不够稳健;
  • 当需要极快的响应时间,或在数据传输方面有特定的安全和隐私需求时。

Edge AI 具备与边缘计算相同的优势:速度、更低的网络消耗、安全性、隐私性。

边缘计算与 AI 相结合的最大好处,在于能够大幅减少基于云的 AI 流程中的空闲期,使用户有机会通过智能设备来管理这些流程,这些设备能够对输入快速作出反应,而无需将数据传输到其他地方。

延迟的降低对时间敏感型应用至关重要:当 AI 计算在远程数据中心执行时,在最理想的情况下,延迟可降低至少 1-2 毫秒(如果不是数百毫秒的话)。

Edge AI 还将因5G 连接的日益普及而得到显著加强。与 LTE 相比,5G 将确保更高的速度(20 Gbps 对 1 Gbps)、更多的同时连接数(每平方公里 1,000,000 个对 100,000 个)以及更低的延迟(1 ms 对 10 ms)。随着 5G 的逐步采用,新一代连接将推动 IoT 市场和 Edge AI 的发展,因为它促进了更广泛的设备之间的交互,这些设备越来越多地配备了智能处理器。

边缘分析(Edge Analytics):它如何改变企业的数据分析

米兰理工大学的观察站估计,到 2022 年,每个家庭平均将拥有 50 台联网设备:可用的大数据量将呈爆炸式增长。来自智能传感器和机器的数据、来自社交媒体的数据、IoT 设备产生的数据:边缘分析有助于缓解连接数据中心与企业网络“边缘”的地域网络上的流量,数据在边缘产生得越来越频繁。

边缘分析使企业能够实时分析海量数据,以改进决策流程,将计算能力汇聚到网络设备(如交换机)、外围设备、终端和传感器,或超紧凑型微数据中心中,从而重新定义 IoT 的方法。这种新方法被称为 IoT Edge,它增强了外围设备的智能和分析能力,以提升 IoT 架构的性能和安全性。在 IoT 设备中,云也得到精简,节省了用于存储和数据分析的网络使用,并大幅减少对 CPU、GPU 和内存的使用。

市场认可这一潜力。根据 Statista 的数据,2019 年工业边缘计算市场价值为 115.6 亿美元。它将在 2025 年之前以 18% 的平均速度(CAGR)持续增长,预计届时将达到 307.5 亿美元。仅 Edge AI 软件的全球市场就将在 2026 年达到 18.35 亿美元,复合年增长率(CAGR)为 20.8%。推动市场的将是企业基于云的工作负载的增加,以及联网设备(包括在疫情后时期不断增长的可穿戴技术)和智能应用数量的快速增长。

借助边缘计算和 AI 获得更高的安全性和隐私保护

谈到企业数据,Edge AI 的另一个无可争议的优势是隐私。无论从法律还是技术机遇的角度来看,尤其是与隐私和信息传输速度相关的方面,边缘计算都将在数字化欧盟的技术中发挥关键作用。事实上,它遵循欧洲数据保护委员会(EDPB)的隐私设计与默认隐私(Privacy by Design and Default)原则,特别是在智能汽车方面。从网络安全的角度来看,在本地设备上进行 AI 处理,使您无需将信息传输到另一台设备进行数据分析。这大大降低了被拦截的风险。

订阅 SECO 新闻通讯。

在 seco.com 上用您的电子邮件地址订阅。

订阅