边缘计算如何实现人工智能

IDC edge strategies研究主管Dave McCarthy表示，在制造业、运输、物流、医疗保健、零售、石油和天然气等行业--基本上任何拥有实物资产的行业--机器所生成的数据都是“边缘计算的风帆”。他补充说，“从这些机器上获得的数据中找到有意义的见解，并自动对这些数据做出响应，这就是人工智能所做的。”

STL Partners的高级顾问Tilly Gilbert表示，一般的经验法则是，可以在边缘执行人工智能处理最适合处理的对实时、延迟敏感的应用程序，因为如果这些大型数据集必须传输到云环境，这些应用程序将无法高效运行。除了延迟问题，边缘计算也降低了回程成本，并能够帮助公司遵守隐私法规和安全策略，如果敏感数据被发送到了异地，这些法规和策略则可能会被违反。

在增加正常运行时间和提高性能的双重业务需求的驱动下，人工智能驱动的边缘数据处理正在超越利基案例，并在变得更加主流，McCarthy说。

许多因素的共同作用，使得边缘/人工智能将更容易被部署，包括预配置有物联网传感器的物理资产的激增，以及提供边缘技术的供应商数量的增加。其中包括了系统集成商、第三方初创企业、超大规模云提供商以及将边缘定位为数据中心延伸的传统基础设施提供商。

对于企业来说，这使得他们能够在最合适的位置运行工作负载，无论是在本地、云中还是在边缘。或者是其中的一种组合--正如Fender的例子所展示的，有多种方法可以混合和匹配技术和方法，以获得边缘和云世界的最佳效果。

正如如今大多数企业都在混合云或多云环境中运营一样，基于人工智能的边缘应用程序也不是孤立运行的，McCarthy指出。即使人工智能的处理发生在边缘，其机器学习算法也可能是在云中开发的，模型也是在云中训练的。而且，实时数据也可以汇总并聚合到云中，以便对历史数据集进行分析，从而用于指导长期的规划。

（编辑：甘孜站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!