|
面對(duì)即將到來(lái)的5G及IoT時(shí)代,不少人的關(guān)注焦點(diǎn)一直擺在如何透過(guò)云端的高速運(yùn)算,來(lái)建立起足夠強(qiáng)大的AI系統(tǒng),然而市場(chǎng)也發(fā)現(xiàn),真的要達(dá)到智慧化的生活,光靠云端是完全不夠的,不僅可能會(huì)有反應(yīng)速度不夠快、云端運(yùn)算負(fù)擔(dān)太重等問(wèn)題,信息頻繁透過(guò)遠(yuǎn)程傳輸,更有可能萌生出大量資安問(wèn)題。因此,終端裝置的邊緣運(yùn)算開(kāi)始成為大家積極研究的領(lǐng)域。
很多智能應(yīng)用都必須靠建立AI模型來(lái)實(shí)現(xiàn)。然而,很多時(shí)候我們不能過(guò)度仰賴云端,因此讓裝置本身具備機(jī)器學(xué)習(xí)及運(yùn)算的能力,就成為新的市場(chǎng)需求。更重要的是要讓邊緣到云端運(yùn)算之間能夠緊密連結(jié)并分工合作,創(chuàng)造出最有效率的AI運(yùn)作模式。
若是終端裝置本身就具備推理學(xué)習(xí)的功能,裝置能夠辨識(shí)或是偵測(cè)分析環(huán)境中的各項(xiàng)參數(shù),并直接在裝置端建立起屬于自己的預(yù)警模型,整個(gè)過(guò)程中甚至沒(méi)有云端的介入,這樣能讓系統(tǒng)本身具備更快的反應(yīng)能力,并且保持?jǐn)?shù)據(jù)的隱私性。
不過(guò),還是有一些特殊狀況會(huì)需要邊緣與云端的相互配合,比方說(shuō)面臨自然災(zāi)害等大范圍的突發(fā)狀況時(shí),系統(tǒng)可能會(huì)有多個(gè)參數(shù)同時(shí)異常,在這樣的狀況下,裝置終端就會(huì)將數(shù)據(jù)回傳到云端,云端再透過(guò)多個(gè)不同裝置回傳的數(shù)據(jù)快速判斷可能的狀況并下達(dá)反應(yīng)指令。
這樣的運(yùn)作概念不僅可以用在異常偵測(cè),在智慧城市中也有非常大的發(fā)揮空間,以無(wú)人機(jī)影像識(shí)別系統(tǒng)為例:過(guò)去系統(tǒng)的概念是,在攝像頭旁邊也就是在無(wú)人機(jī)上放置影像識(shí)別模塊如TX2,初步辨識(shí)的數(shù)據(jù)回傳到云端或邊緣云,運(yùn)算完成后再將信息回傳到控制中心上,過(guò)程相當(dāng)復(fù)雜。
在攸泰領(lǐng)先業(yè)界的Ruggon PX-501 (8代i5 8250u / i7 8650u)與Intel openVINO合作的案例中,透過(guò)最先進(jìn)的架構(gòu)使AI推論具備功耗極低但是延遲很少的效能,整個(gè)解決方案都運(yùn)行在手持平板上,就能不透過(guò)讀顯甚至也不用AI 加速卡,直接做影像辨識(shí),這樣的運(yùn)作模式的優(yōu)點(diǎn)就與前述一樣,在時(shí)效性、運(yùn)作效能及資安上都能有更好的表現(xiàn)。對(duì)無(wú)人載具上錙銖必較的電力節(jié)能更具直接效益.
三防加固型平板與車載計(jì)算機(jī)廠商攸泰科技大中華區(qū)業(yè)務(wù)總經(jīng)理林海光認(rèn)為,這種一般辨識(shí)由Edge終端快速解決,而需要大數(shù)據(jù)的由云端解決的配合模式,將成為接下來(lái)人工智能產(chǎn)業(yè)應(yīng)用的發(fā)展趨勢(shì),而外界也認(rèn)為,這個(gè)趨勢(shì)將會(huì)讓AI 硬件業(yè)者與軟件算法之間,出現(xiàn)越來(lái)越頻繁的直接合作關(guān)系。AI 加速卡與新世代的CPU/GPU 優(yōu)化進(jìn)步程度已經(jīng)成熟到可以落地. 2019 的8代Core i + openVINO, 2010 的M.2 2242 Intel Movidius Myraid X 與Google TPU 都不失為好方案, 與Jenson TX2/Nano 這類GPU導(dǎo)向的有所區(qū)別。
更多技術(shù)探討可以發(fā)送郵件至ryan_lin@ubiqconn.com,或拔打400-690-2151,我們竭誠(chéng)為您服務(wù)。 該文觀點(diǎn)僅代表作者本人，如有文章來(lái)源系網(wǎng)絡(luò)轉(zhuǎn)載，本網(wǎng)系信息發(fā)布平臺(tái)，如有侵權(quán)，請(qǐng)聯(lián)系本網(wǎng)及時(shí)刪除。
|
