人工智能如何重塑边缘计算领域

今日不肯埋头，明日何以抬头！每日一句努力自己的话哈哈~哈喽，今天我将给大家带来一篇《人工智能如何重塑边缘计算领域》，主要内容是讲解等等，感兴趣的朋友可以收藏或者有更好的建议在评论提出，我都会认真看的！大家一起进步，一起学习！

边缘需要多少计算能力？对于处于边缘人工智能来说，多少内存和存储空间才足够？随着人工智能为需要更多更快处理、存储和内存的创新应用打开大门，最低要求也在不断增长。当今的内存和存储技术如何满足这些具有挑战性的新边缘应用的严格要求？

我们所说的“边缘”是什么意思

边缘包括任何分布式应用，其中特定处理在服务器之外进行，即使数据最终被发送到数据中心。它的主要想法是避免将所有数据，通过互联网发送到服务器上进行处理，而是允许数据在离收集地点更近的地方进行处理，避免长时间数据往返带来的延迟问题，并实现接近实时的现场响应。

边缘大致根据服务器到端点的距离进行划分。所谓的近边缘可以包括靠近数据中心的应用，甚至可能是在同一栋建筑内。在自动驾驶汽车等应用中，这一趋势走向了另一个极端。重叠的特性是边缘系统处理传统上发送到数据中心的数据，这在许多行业都有实际应用。

工业边缘的数据延迟和带宽

在工业应用中，边缘计算机通常被设计为从传感器或其他设备接收输入，并对输入进行相应的操作。例如，预防性维护采用声学、振动、温度或压力传感器读数，并对其进行分析，以识别表明机器存在轻微故障的异常情况。

机器可以立即离线，或者在需要时离线，以便在发生灾难性故障之前进行维护。反应时间必须很快，但数据量很低。然而，人工智能正在给这些边缘系统带来压力。

人工智能对边缘处理负载的影响

人工智能给计算机系统带来了不同的负载。人工智能工作负载需要更快的处理器、更多的内存和强大的GPU。例如，AOI已经被广泛应用于PCB检测，使用来自高速摄像机的视频输入来识别缺失的组件和质量缺陷。事实上，类似的视觉检测技术正被广泛应用于农业等不同行业，它可以用于识别产品中的缺陷和变色。

在视频输入上执行复杂的算法需要耗电的GPU卡的并行处理能力，更多的内存用于高效和准确的AI推理，更多的存储空间用于额外的数据，但这些已经存在于数据中心。

将数据中心的电力带到了边缘

从本质上说，为了在边缘处理人工智能任务，我们正在弥合边缘和数据中心之间的差距。隐藏在温控数据中心的服务器拥有TB的内存和大量的存储空间，可以处理特定的高容量负载并保持系统快速工作。

但当涉及到在远离数据中心的地方进行推断时，情况就不同了。边缘电脑不喜欢这种田园诗般的环境，必须能够承受恶劣的环境。边缘需要硬件，争取最大的性能，同时考虑到不理想的条件。

边缘硬件

在工业边缘添加人工智能需要适合这项任务的硬件。必须有一台能够处理极端温度、振动和空间限制的工业计算机。特别是，视觉系统需要三样东西，这是迄今为止最多产的AI应用，支持高效AI推理的内存，输入数据的存储，以及支持添加摄像头的PoE。

最新的DDR5可以在更小的空间中获得更多的内存。它在边缘提供了更高的内存容量，速度是DDR4的两倍，容量是DDR4的四倍，在相同的占地面积下，它更有效地利用可用空间和资源。

边缘应用需要扩展容量，因为数据必须到达服务器或在边缘停留一段时间，因此需要SSD作为临时存储。从SATA到NVMe的转变为更高的速度和性能打开了大门，即将上市的NVMePCIeG4X4SSD是Cervoz产品线中的最新SSD，为这些应用提供工业性能。

视觉系统需要摄像机。PoE+是将高速摄像头添加到系统中最简单、最有效的方式，通过一根电缆提供电力和数据传输。Cervoz的PoE以太网模块化PCIe扩展卡通过一个小型电源插件增加了这一功能。

为处于边缘的人工智能抢占先机

对于希望获得优势的企业来说，工业计算机加上工业级存储器和存储的组合提供了抵御恶劣边缘环境的可靠性，以及在网络边缘实现下一代人工智能技术所需的能力。

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于科技周边的相关知识，也可关注golang学习网公众号。