边缘计算、人工智能和机器学习在物联网应用中正在崛起。这些技术已经从研究和原型阶段发展而来，现在正在许多不同行业的实际用例中部署。边缘计算和人工智能的共生本质特别有趣，因为人工智能需要极快的数据处理，这是边缘计算所能做到的;同时，AI使得计算资源和智能在边缘具有更高的性能。2022世界杯G组
在本文中，我们将研究边缘计算(EC)、人工智能(AI)和机器学习(ML)，以及这种结合如何改变网络基础设施、启用新的用例和创建下一代数据处理。
数据中心范式的转变导致了边缘计算
数据中心集中了组织的IT操作和设备。它容纳计算机系统和相关组件，如电信和存储系统。通常包括冗余电力系统、数据通信连接、环境控制和安全装置。
数据中心的角色和组成在过去十年中发生了显著的变化，并在继续发展。过去，建立一个数据中心是一个长期的承诺，电力/冷却效率低，电缆没有灵活性，数据中心内部或数据中心之间没有流动性。今天的数据中心注重的是速度、性能和效率。
传统上，数据中心计算比分散的、本地化的硬件具有优势。数据中心的计算相对便宜，大量的信息可以按需处理。然而，数据中心也不是完美的。其主要缺点之一是必须将数据发送到一个集中的位置进行处理，然后再发回以显示结果或采取行动。这种来回通信通常在有限的带宽链路上进行，这会降低应用程序的运行速度。通过加载托管在远程数据中心的网站，我们都知道这一点。
随着下一代5G蜂窝网络在世界各地的部署，
边缘计算在美国，机器学习和人工智能已经开始流行起来。边缘计算在本地处理数据，在数据产生的地方附近或附近。这样就不需要在边缘设备和集中式数据中心之间来回发送大量信息。
处于边缘的智能
实现边缘智能(或边缘人工智能)的关键因素之一是紧凑、廉价和强大的硬件。几年前，在本地运行AI是不可能的，因为硬件的尺寸和成本都令人望而却步。然而，随着摩尔定律继续成立，计算能力变得更便宜，本地化的人工智能现在已经成为现实。事实上，它变得如此受欢迎，以至于咨询公司，
德勤预测仅在2020年，将有7.5亿个边缘AI芯片被安装到设备中。德勤还认为，这一数字将继续增长，预计到2024年，边缘AI芯片的销量将达到15亿个。
除了分析这些抽象的数字，看看边缘人工智能是如何被使用的真实例子也可以提供信息。计算机芯片制造商英伟达(NVIDIA)正在推出
摄像头里的图形处理器．GPU允许摄像头运行识别软件，而不必将视频流回数据中心进行处理。在一个智能城市中，可能会有成千上万的这样的摄像头，不需要传输所有的数据可以节省巨大的成本。这些支持人工智能的摄像头不仅可以执行识别任务，而且利用它们的本地智能还可以帮助管理交通和执行与交通相关的其他高级功能
智能城市这也是我们在Digi非常热衷的一个话题。
Siri和Alexa是另外两个使用尖端人工智能的有趣例子。这些语音识别平台不是使用本地化的硬件，而是利用边缘网络。由于边缘网络本质上是由多个较小的分布式数据中心组成的，因此这些信息不需要经过很远的距离就可以被处理。边缘网络对于像苹果或亚马逊这样的大公司来说是可行的。不过，对于小公司来说，结合人工智能的本地化边缘计算可以以可承受的成本提供最好的服务。
尖端人工智能的好处
边缘人工智能的主要好处之一是速度。如果不需要为了处理而来回传输数据，任何任务或动作都可以更快地完成。另一个是通过集成智能设备和分析功能来检测问题的能力，部署智能在边缘进行快速洞察。
这些好处使关键的洞察和能力成为可能，如预测性维护，AI和边缘计算完美结合，识别可能导致系统故障的问题，并快速将数据发送给能够快速解决问题的人员。
语音识别越来越依赖于尖端人工智能，尤其是在消费者期待立即得到答复的情况下。在工业领域，支持人工智能的摄像头和其他传感器也可以监控生产和调整，而不必连接到中央处理器。
这就引出了另一个要点，即边缘AI能够发挥作用
没有网络连接。在网络连接中断的情况下，边缘设备可以继续正常工作，例如在繁忙的十字路口控制交通灯。
有一种误解认为边缘计算最终会取代云计算，但事实并非如此。仍然有需要数据中心的计算密集型任务。本地化人工智能的好处是，它可以通过编程过滤数据，只有必要的信息才会传输到云端。也就是说，人工智能可以确保只传输相关数据，而不是将所有本地数据从设备发送到云端。这可以节省带宽和支付传输无关数据的成本。由人工智能控制的边缘硬件处理的越多，数据中心必须完成的处理就越少。
综上所述，边缘AI计算提供了以下好处:
- 较低的延迟处理(更快的速度)
- 主动和先发制人的故障排除的预测洞察力
- 更高的正常运行时间，因为即使在没有网络连接的情况下也可以进行信息处理
- 从不相关数据中局部过滤相关数据
AI和边缘计算用例
人工智能很重要，因为它是一种能够在边缘做出高水平决策的技术。如果功能受限，边缘计算就不会普及。然而，由于人工智能使如此多的进程处于边缘，它减少了对集中计算能力的需求。
边缘人工智能与决策
人工智能的一个有趣特征是它可以被授权做决定。一个很好的例子是用于生产设施安全的智能摄像头。如果摄像头注意到员工处于危险区域，或存在其他潜在危险的障碍物，支持人工智能的摄像头可以关闭该区域运行的所有机器。
支持人工智能的摄像头还可以决定将哪些数据转发给操作员。例如，一栋办公楼里的人工智能摄像头可以通过编程来识别每个在那里工作的人的脸。如果摄像头检测到不认识的人，它会向保安发送警报。到目前为止，这比让保安24小时“监视”一个摄像头(或12个摄像头)来寻找可疑行为要有效得多。随着物联网基础设施在家庭和工作场所的扩展，支持人工智能的智能设备有望实现一个新的功能水平。
当Edge AI成为关键任务时
用例实际上是庞大的，包含了广泛不同的行业和未来应用程序集。正如我们所讨论的，边缘AI检测和报告故障的先决条件的能力对预测性维护和关键任务应用中的关键决策都有巨大的影响。例如，考虑远程资产，如储罐、采矿带和能源系统，它们要么因维护而离线每小时损失数十万美元，要么在关键问题未被确定的情况下，实际上有可能发生火灾、爆炸或熔毁。
尖端AI，机器学习，5G和自动驾驶汽车的未来
虽然社会可能渴望自动驾驶汽车，但在这一现实完全成为现实之前，还有更多的系统和技术必须成熟。考虑到识别过马路物体的重要性，路况的突然变化，以及路边出现的路标。人工智能、机器学习和高速5G网络都将通过支持这些关键部件使自动驾驶汽车成为可能。例如，车辆必须能够实时识别道路建筑工人何时举着“停止”、“减速”或“让路”的标志，并根据该信息采取行动。
边缘计算和人工智能安全吗?
当使用安全的嵌入式解决方案开发时，边缘计算是安全的
Digi ConnectCore i.m x8模块，并部署在一个安全的设备上，比如
数码网络IX20．您将希望与非常重视物联网安全的设备制造商合作，并将安全集成到其解决方案中以支持
多层安全方法在已部署的应用程序中。
使用边缘计算，大部分数据在本地处理。与将数据发送到数据中心、存储未知时间、处理并发送回设备相比，这种数据被泄露的风险更小。如果边缘设备和它所连接的本地网络是安全的，并受到防火墙的良好保护，则数据是安全的。
然而，在安全性可能受到损害的方面，有几个因素需要考虑。
- 边缘设备可能不会经常接收更新。从定期更新的制造商那里购买设备是很重要的，然后监控设备的安全性，跟上安全威胁的行业知识，并积极地保持边缘设备的合规——的一个关键特性数字远程管理器®．
- 因为边缘设备很容易购买，黑客可以很容易地购买设备，以寻找漏洞。重要的是要关注行业新闻，并时刻注意在特定设备中发现的任何漏洞。注意，Digi有一个安全中心对于那些构建或部署物联网解决方案的人来说，这是一种宝贵的资源。
数字解决方案如何适应边缘计算和人工智能?
作为物联网之前的物联网解决方案提供商，Digi几十年来一直在帮助客户解决从数据中心到边缘的数据连接挑战。我们的蜂窝网关和路由器解决方案为边缘节点(包括传感器、控制器和rtu)提供关键连接，并以您在关键任务应用程序中识别和路由关键数据所需的速度进行处理。在我们的博客文章中了解更多，什么是边缘计算?
数字产品也是可编程的——通过Python集成、BASH脚本甚至Native C Linux应用程序——使开发人员能够建立节点内处理，并在边缘定义高度复杂的处理和智能。数字边缘路由器和网关还支持边缘节点的聚合，以实现进一步的处理。然后可以使用边缘设备托管客户应用程序，根据特定应用程序的需要进行进一步的边缘处理。在我们的边缘计算网页．
此外，开发人员拥有一套完整的开发人员资源，可以使用Digi ConnectCore和Digi XBee解决方案设计和2022世界杯G组构建最复杂、高性能、低延迟的应用程序。每个生态系统都提供完整的文档、代码库和内置的安全性，同时还集成了Digi的远程管理解决方案Digi remote Manager。了解更多关于Digi嵌卡塔尔世界杯8强即时走地入式解决方案的AI，机器学习和机器视觉应用的今天和明天，在我们的博客文章，机器学习和机器视觉在实时边缘处理中工作得更好．
最后,数码无线设计服务可以成为你识别前沿AI解决方案的关键需求、架构和组件的资源。这个过程可以帮助你的团队在整个开发过程中做出关键的决策，包括以下任何或所有的决策:
- 执行权衡分析以优化设计的各个方面。
- 为您的工程团队提供工程支持。
- 确保您不会错过任何关键的集成或互操作性需求(例如安全性、延迟、带宽、处理速度、电池、认证、数据可视化)。
- 为如何设计、构建和部署您的解决方案提供指导，以获得最佳的效率、功能和节省成本。
Digi WDS在设计和工程边缘计算和AI系统的各个方面都有丰富的经验，可以支持您的计划，无论您只是需要一些咨询，还是您正在寻求扩大您的工程团队，以确保您的项目实现所有关键目标，包括认证和上市时间。
边缘计算的未来
根据
物联网商业新闻，“数据每传输100英里，就会损失大约0.82毫秒的速度。”这很快就会导致大量的延迟。人工智能边缘计算解决了这个问题。由于所有的处理都在现场进行，延迟被消除了。或者，在本地处理不够的情况下，AI可以决定将相关信息发送到数据中心，同时将不相关的数据保存在本地驱动器上。
回顾
由Gartner发现截至2018年，只有10%的数据在边缘处理。然而，高德纳预计，到2025年，将有整整75%的处理过程发生在边缘。这是一个巨大的转变，它是由日益强大的硬件和智能人工智能系统实现的，这些系统可以处理信息，跨网络通信，在极短的时间内做出本地决策，比以往任何时候都要快。
更重要的是，随着5G的部署，开发和部署高速、低延迟的应用程序(需要几秒钟的数据传输)的机会，我们正处于完全实现AI和边缘计算的门槛上。
你的计划是什么?边缘AI如何提供帮助?数字化专家可以与您合作，确定下一步，设计和构建您的解决方案，并利用边缘计算、机器学习和5G的下一代好处，并利用最新技术的力量。
联系我们开始对话!