物聯(lián)網(wǎng)架構(gòu)如何利用AI來擴(kuò)展

由于物聯(lián)網(wǎng)設(shè)備的激增，企業(yè)數(shù)據(jù)量呈爆炸式增長。傳統(tǒng)上，物聯(lián)網(wǎng)設(shè)備收集的敏感數(shù)據(jù)大多存儲在云中。但考慮到數(shù)據(jù)中心和最終用戶之間的延遲，這種安排正變得難以維持。在處理緊迫的操作需求時，組織可能很難依賴遠(yuǎn)程服務(wù)器來處理其數(shù)據(jù)。云數(shù)據(jù)安全是一個更復(fù)雜的問題。考慮到這些擔(dān)憂，難怪許多企業(yè)都在尋求優(yōu)勢。也就是說，他們需要在本地處理數(shù)據(jù)，以支持實時決策。本質(zhì)上，它們需要比云允許的更快的處理速度。

人工智能與邊緣：物聯(lián)網(wǎng)應(yīng)用的新興范式

下一代員工不喜歡到處等。他們希望這些設(shè)備盡早做出決定。但需要以最小的延遲處理數(shù)據(jù)，這不僅僅是一個急躁的問題。對于自主車輛以及許多醫(yī)療和工業(yè)應(yīng)用來說，物聯(lián)網(wǎng)系統(tǒng)需要盡快做出自動化決策。

邊緣計算技術(shù)符合這些期望。它能夠從物聯(lián)網(wǎng)設(shè)備以及相關(guān)存儲和分析中無縫收集數(shù)據(jù)。此外，它還支持本地實時決策。

邊緣的人工智能使用了一個緊湊的架構(gòu)，但是它提供了一個強(qiáng)大的計算方法，可以驅(qū)動本地的數(shù)據(jù)信息決策。邊緣設(shè)備越智能，成本就越高，但同時，它可以在本地處理和存儲大量數(shù)據(jù)，從而減少在其他地方處理和存儲數(shù)據(jù)的需要。

就單位體積而言，一些通用的支持人工智能的邊緣設(shè)備是頭戴式顯示器、智能汽車傳感器、消費(fèi)者和商業(yè)機(jī)器人、無人機(jī)和安全攝像頭。邊緣計算還可以擴(kuò)展到包括個人電腦和平板電腦、移動電話和下一代智能揚(yáng)聲器的處理能力。微軟、谷歌、亞馬遜等大公司已經(jīng)投入巨資，為支持人工智能的邊緣計算解決方案進(jìn)行試驗。

什么要在邊緣設(shè)備上部署人工智能模型？

考慮部署邊緣計算模型有以下幾個原因：

一、它提供實時響應(yīng)，避免了延遲問題

使用邊緣計算，不需要將數(shù)據(jù)傳送到云中進(jìn)行處理，因此不存在延遲問題。這一事實加速了企業(yè)的實時決策。在飛機(jī)監(jiān)控、醫(yī)學(xué)成像、自動駕駛等應(yīng)用中，實時響應(yīng)是關(guān)鍵，因為基于人工智能的決策是根據(jù)物聯(lián)網(wǎng)機(jī)器的實時性能做出的。

二、它使操作更可靠

邊緣計算使用戶能夠從本地數(shù)據(jù)存儲、處理和獲取智能。因此，可以在本地構(gòu)建健壯的物聯(lián)網(wǎng)解決方案。此外，有關(guān)流程、操作、機(jī)器運(yùn)行狀況和其他變量的快速決策可以無縫地做出，而無需連接問題。利用邊緣計算的實時信息，人工智能可以通過防止突然的機(jī)器故障或故障來保證連續(xù)的過程。此外，識別何時需要預(yù)測性維護(hù)的參數(shù)被集成到物聯(lián)網(wǎng)解決方案中。

三、它通過加強(qiáng)風(fēng)險管理確保更大的安全性

通過避免公共云的安全威脅，邊緣計算將敏感數(shù)據(jù)保存在本地IT生態(tài)系統(tǒng)中。此外，支持人工智能的解決方案可以檢測網(wǎng)絡(luò)邊緣的異常情況。如果網(wǎng)絡(luò)攻擊者試圖以物聯(lián)網(wǎng)設(shè)備為目標(biāo)訪問網(wǎng)絡(luò)，防御者可以快速實施緩解技術(shù)。人工智能驅(qū)動的風(fēng)險分析確定了網(wǎng)絡(luò)攻擊者的所有可能進(jìn)入點，并主動制定了緩解安全問題的計劃。

結(jié)語

以前，強(qiáng)大的人工智能應(yīng)用程序需要一個龐大而昂貴的數(shù)據(jù)中心才能運(yùn)行，但一個支持人工智能的邊緣計算設(shè)備幾乎可以在任何地方駐留。這并不意味著邊緣計算將取代云計算。然而，隨著數(shù)字世界變得更加互聯(lián)，實時智能將轉(zhuǎn)向邊緣。不可否認(rèn)，邊緣的人工智能提供了無盡的機(jī)會，可以幫助企業(yè)更有效地推動運(yùn)營，提高生產(chǎn)率。

來源：朗銳智科