- AI
- Edge Computing
- Clea
全新的 AI 架构:融合边缘、雾和云计算
虽然人工智能常常与云计算联系在一起,但越来越多的 AI 工作负载正在迁移到本地设备,这种现象被称为 edge AI。本文探讨了 edge AI 的优势,以及 Clea 的集成如何使其得以实现。

虽然人工智能常常与云计算联系在一起,但越来越多的 AI 工作负载正在迁移到本地设备,这种现象被称为 edge AI。得益于低成本的、支持 AI 的嵌入式处理器和轻量级 AI 模型的出现,如今您可以在车间的机器、医疗设备内部以及许多其他边缘应用中看到 AI 的运行。
实施 edge AI 的优势十分显著。最大的好处是降低延迟。无需等待远方数据中心的响应,也不会产生不确定的网络通信时间,数据可以实时处理。将敏感数据保留在本地设备上还能提高安全性,大幅减少对 AI 引导决策进行干扰的机会。这些因素使 AI 能够支持可靠的实时运行,这是自动驾驶车辆和机器人等时间关键型用例的关键特性,而在基于云的 AI 模式下,这些可能无法实现。
Edge AI 还通过无需持续向云端传输数据来降低能耗,这对于依靠有限电力运行的边缘设备至关重要。企业也因在本地处理数据而无需为持续的云带宽付费,从而节省成本。
也许最重要的是,即使互联网连接中断,edge AI 系统也能继续工作,其可靠性是依赖云的系统无法比拟的。
对多层智能的需求
虽然 edge AI 有许多优势,但也有其局限性。许多系统需要将边缘、云和雾计算结合起来的多层智能,以平衡效率、速度和可扩展性。为理解其原因,让我们考虑一个典型的视频监控系统:
- Edge AI 直接在终端设备上处理数据,例如在智能监控摄像头内部。
- 雾计算(Fog computing)在边缘和云之间增加了一层,可处理来自多个来源的数据。例如,连接到多个摄像头的本地网络视频录像机(NVR)系统可以跟踪在不同摄像头画面之间移动的物体,并根据需要将得出的结果传达给云端。
- 云计算在数据中心中汇聚并处理大量数据。这非常适合长期存储、训练 AI 模型以及随时间推移分析数据,例如跟踪整个城市的安防趋势。
通过结合这些方法,边缘到云系统或边缘到雾再到云的系统,可以比独立的单点解决方案提供更大的价值。
Clea 覆盖价值链的所有环节
SECO 深知整体方法的重要性,因此提供横跨边缘、雾和云 AI 的硬件和软件解决方案。
Edge AI 硬件解决方案涵盖种类繁多的标准外形尺寸的计算模块和单板计算机。NXP、Qualcomm、MediaTek 和 Intel 等公司的当前一代嵌入式处理器提供集成的 AI 加速器及相关库。例如,信用卡大小的 SOM-SMARC-Genio700 模块采用 MediaTek 的 Genio 700 处理器,将八个 Arm 内核(2 个 Cortex-A78 + 6 个 Cortex-A55)与可提供每秒 4 万亿次运算(TOPS)AI 性能的深度学习加速器结合在一起。这使得复杂的 AI 可以在小型无风扇设备乃至电池供电的系统上运行。
对于雾计算,高端工业计算机提供更强的处理能力、连接能力和专用的 AI 协处理能力。例如,Titan 300 TGL-UP3 AI 无风扇计算机将 Intel Tiger Lake UP3 处理器与 Axelera AI 芯片相结合,通过其 Metis AIPU 提供 120 TOPS 的算力。这在本地层面提供了强大的 AI 处理能力。
在软件方面,Clea 物联网(IoT)软件套件将边缘、雾和云连接起来,构建先进的 AI 系统。它始于 Clea OS,这是一个完整的基于 Yocto 的 Linux 平台,适用于 SECO 的边缘和雾硬件,同时支持 x86 和 Arm 处理器。Clea OS 通过提供标准化的开发工具和用于持续集成与部署的后端 DevOps 功能,使分布式 AI 的部署更加容易。
Clea 生态系统与云无关,包含若干关键工具:
- 针对边缘和雾 AI 节点,Clea Edgehog 提供强大的设备监控和设备群管理能力,使大规模维护和更新设备更加容易。
- 在云层面,Clea Astarte 提供复杂的数据编排,在整个 IoT 设备群中收集、路由和管理设备数据。Astarte 支持海量数据的收集、处理和分析,借助 Kubernetes 实现可扩展性,并借助 ScyllaDB 助力业务无缝增长。
- Clea Portal 提供基于云的前端,用于管理 Edge AI 设备群并实现其变现,功能涵盖从数据可视化到设备控制的方方面面。
- Clea AI Studio 是一个可视化编程环境,基于处理器厂商的 AI 工具创建服务流,用于在边缘设备上部署 AI 驱动的应用。
开发人员可以使用 Clea 软件套件构建完整的端到端 IoT 解决方案,并便于部署和运行 AI 能力,无论具体的 AI 算法运行在边缘、雾还是云端。该套件处理从收集数据到创建用户界面的一切工作,简化了 edge AI 的部署流程。
结论
虽然 edge AI 相比传统的云或雾计算方法具有令人信服的优势,但成功实施需要仔细考虑硬件和软件要求。
SECO 全面的解决方案技术栈使企业能够根据自身的具体需求优化其 Edge AI 部署,提供当今快速演变的技术环境所需的灵活性和可扩展性。
准备好开始您的 edge AI 设计了吗?立即联系我们。
订阅 SECO 新闻通讯。
在 seco.com 上用您的电子邮件地址订阅。






