- AI
- Edge Computing
边缘 AI 数据如何助您革新业务战略
借助 Edge AI,您可以将计算能力直接带到数据源头,从而降低延迟,减少将大部分处理迁移到云端所耗费的能量,并提高数据安全性。
单独来看,边缘计算和人工智能(AI)已经能够为企业带来显著益处,但两者结合则能真正革新业务战略,帮助削减总体成本并提升性能,这两大益处实在让人难以忽视。
市场上配备低功耗但处理器(CPU)性能日益强大的 SFF(Small Form Factor,小外形规格)电子元件和系统日渐增多,使得去中心化计算成为可能,从而让人工智能提供的数据分析能力可以“在本地”直接在设备和传感器上执行。这显著减少了需要发送到云端用于后续分析和共享的数据量,降低了集中式处理等特别耗费资源的活动的成本。
边缘 AI 如何比云更具优势
因此,在所有需要发送并随后在云端处理的数据量会导致高传输成本和响应延迟的情况下,边缘 AI 都是最佳解决方案。例如,机场的视频监控摄像头每天需要处理数千张图像。边缘设备与人工智能的结合,使数据处理可以直接在摄像头上完成,避免了将海量数据发送到中央服务器进行分析的阶段中不必要的瓶颈。而这类分析需要大量计算能力,在激活监控与人脸识别、救援、安全和维护服务等场景下,可能也无法提供所需的性能。
因此,在为某些商品或服务的生产选择最合适的基础设施时,时间是决定性因素。在许多情况下,时间以延迟(latency)来衡量,即所捕获的数据被处理并传递给“决策者”(无论是人还是另一个应用等数字实体)所需的时间。例如,在汽车行业或高速铁路运输领域,数百个传感器需要在短短几毫秒内传递所捕获的数据,以避免事故。低延迟传输不仅意味着关键任务应用中更高的安全性,在维护等问题上也会带来经济效益。
数据传输所经由的基础设施的质量也会影响延迟:如果带宽不足,或连接不稳定、不安全,延迟就会增加。更具体地说,5G 技术在 IoT 和边缘 AI 领域的到来,可以进一步推动这一领域的发展,带来更高的速度、更多的同时连接数,以及更低的延迟。以上这些都将对所有使用边缘 AI 的领域产生积极影响,从汽车到工业 IoT,为整个工业 4.0 带来巨大益处。
边缘 AI:更好的投资回报
因此,边缘计算与 AI 的互动为新的数据驱动方法扫清了道路,提高了工业流程的可靠性,并增强了产品和服务。并非巧合的是,2020 年 5 月,IBM Institute for Business Value 测算,2019-2022 这三年间对边缘解决方案投资的预期 ROI,在所有主要行业平均远高于 5%,其中汽车行业接近 9%,工业和零售产品为 7%,交通运输和公共管理(智慧城市)为 6%。
简而言之,这是一场对商业模式产生强烈影响的革命,得益于可扩展性的提升和定制化机会、能耗的大幅降低以及数据分析成本的更大节省。尽管需要为硬件和软件组件进行初始投资,并可能需要对员工进行新平台使用方面的培训,但以上益处依然成立。能够在更短时间内获得更高质量的数据,对公司的所有基本流程都有积极影响,从服务和维护,到产品合规、保修、销售和客户关系。
现在,比以往任何时候都更重要的是,选择合适的合作伙伴来帮助企业走上这条新道路,以快速实施这些重大的技术创新。这些创新不仅带来更高的服务性能和质量,还重塑了数据的可靠性,为公司所有业务目标提供支持。
订阅 SECO 新闻通讯。
在 seco.com 上用您的电子邮件地址订阅。



