作者：Magnus Johansson, u-blox 短程通信產(chǎn)品戰(zhàn)略部

　　人工智能(AI)的實(shí)效性、與物聯(lián)網(wǎng)設(shè)備的適用性以及邊緣計(jì)算的性能都在近期取得了顯著的進(jìn)步，這也釋放了邊緣 AI 的潛能。本文深度探討了其中的原因。

　　在過去的十年里，人工智能 (AI) 已由一個(gè)概念轉(zhuǎn)變?yōu)槿藗兩�活中必不可少的一�?xiàng)技術(shù)。搜索、社交媒體源、在線廣告等服務(wù)都使用 AI 算法，并在云端對(duì)海量數(shù)據(jù)進(jìn)行多元化處理，進(jìn)而為每位用戶量身打造定制服務(wù)。此外，AI 的自主學(xué)習(xí)能力在網(wǎng)絡(luò)應(yīng)用中也無處不在，包括優(yōu)化用戶體驗(yàn)、業(yè)務(wù)流程和技術(shù)解決方案等。

　　與此同時(shí)，AI 在聯(lián)網(wǎng)設(shè)備中也開始得到廣泛應(yīng)用，例如通過人臉識(shí)別解鎖手機(jī)、拍攝照片等應(yīng)用。但值得一提的是：這些應(yīng)用的AI計(jì)算在終端設(shè)備上就可實(shí)現(xiàn)，即邊緣 AI 算法。

　　AI 及相關(guān)的機(jī)器學(xué)習(xí)技術(shù)逐漸普及和成熟，越來越多的產(chǎn)品集成了邊緣 AI，幫助改善用戶服務(wù)體驗(yàn)并能支持全新的應(yīng)用場(chǎng)景。語音及人臉識(shí)別等手機(jī)標(biāo)配功能僅僅是邊緣AI應(yīng)用的很小一部分，未來將會(huì)有更多場(chǎng)景使用到邊緣AI技術(shù)。

　　邊緣 AI 技術(shù)優(yōu)勢(shì)

　　理解邊緣 AI 的工作原理有助于我們了解邊緣 AI 的優(yōu)勢(shì)。與標(biāo)準(zhǔn)人工智能類似，邊緣 AI 依賴于模擬人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)創(chuàng)建的數(shù)學(xué)模型，并通過訓(xùn)練完成各種任務(wù)。例如，在接觸過網(wǎng)絡(luò)上大量紅綠燈圖片之后，這些神經(jīng)網(wǎng)絡(luò)就會(huì)輕而易舉地識(shí)別此類圖片。

　　訓(xùn)練 AI 算法的過程需要大量數(shù)據(jù)，并且涉及大量的計(jì)算。但最終得到的是體積小、功能強(qiáng)的 AI 模型，可以輕松部署到任意數(shù)量的終端設(shè)備上。如果這些設(shè)備具有足夠的計(jì)算資源，那么運(yùn)行算法時(shí)就不需要云端連接。

　　獨(dú)立于云端的邊緣 AI 技術(shù)優(yōu)勢(shì)：

　　通信要求：由于不必將語音或圖像數(shù)據(jù)上傳到云端，設(shè)備在本地運(yùn)行 AI 算法，節(jié)約的帶寬可以用來滿足其他方面的需求，或者只需要低帶寬無線通信技術(shù)就可以運(yùn)行。當(dāng)然，云端連接仍然具備其特有的優(yōu)勢(shì)，例如在新版、改進(jìn)版模型發(fā)布之后，可以遠(yuǎn)程更新 AI 模型。

　　延遲：由于是在設(shè)備上直接運(yùn)行 AI 算法，不必將感測(cè)數(shù)據(jù)上傳到云端再將輸出結(jié)果回傳到終端設(shè)備，這樣就可以大幅降低延遲，實(shí)現(xiàn)流暢、無延遲的用戶體驗(yàn)。

　　隱私：如果連最尖端的聯(lián)網(wǎng)設(shè)備都不能幸免于數(shù)據(jù)遭黑客攔截的風(fēng)險(xiǎn)，那么很顯然，位于中低價(jià)格區(qū)間的消費(fèi)電子設(shè)備受到此類威脅的風(fēng)險(xiǎn)會(huì)更高。而邊緣 AI 設(shè)備是在本地處理所有數(shù)據(jù)(包括語音、圖像或其他數(shù)據(jù))，這些數(shù)據(jù)在本地設(shè)備中處理，因此不會(huì)遭到攔截。

　　邊緣 AI 應(yīng)用場(chǎng)景

　　人臉識(shí)別除了可以在智能手機(jī)上使用，也可以在其他場(chǎng)景中用于用戶驗(yàn)證。例如，商業(yè)門禁解決方案通過人臉識(shí)別來確保進(jìn)入限制區(qū)域的員工均經(jīng)過授權(quán)，而安保攝像頭則可以利用人臉識(shí)別功能在檢測(cè)到陌生人進(jìn)入建筑時(shí)觸發(fā)警報(bào)。同樣，在健身房、醫(yī)療診所或商業(yè)場(chǎng)館，人臉識(shí)別還可以用來辨別客戶。

　　與此同時(shí)，語音用戶界面也越來越流行。畢竟，直接與智能設(shè)備對(duì)話(并且單方面被理解)應(yīng)該是最方便的互動(dòng)方式了。語音識(shí)別技術(shù)可以驗(yàn)證用戶身份，處理輸入的語音指令，近年來在智能手機(jī)和智能個(gè)人助理的應(yīng)用中被逐漸完善，現(xiàn)在已經(jīng)開始出現(xiàn)在汽車和智能家居設(shè)備應(yīng)用中，同時(shí)還為無法打字的殘疾人士帶來了便利。

　　在工業(yè)領(lǐng)域，邊緣 AI 可用于標(biāo)記設(shè)備的異常行為，例如電機(jī)出現(xiàn)故障的早期特征或軸承的磨損跡象。針對(duì)此類異常檢測(cè)應(yīng)用場(chǎng)景，我們使用包含正常行為的數(shù)據(jù)集對(duì) AI 模型進(jìn)行訓(xùn)練。只要檢測(cè)到任何偏離標(biāo)準(zhǔn)的情況，工廠操作人員就會(huì)收到警報(bào)，從而能夠了解機(jī)械設(shè)備潛在的故障并且盡早進(jìn)行處理，避免停機(jī)所造成的高昂經(jīng)濟(jì)和時(shí)間損失。

　　攜手 u-blox 部署邊緣 AI技術(shù)

　　在無線智能設(shè)備中部署邊緣 AI 應(yīng)用場(chǎng)景已經(jīng)變得非常便捷，而且其性能也更強(qiáng)大。u-blox 剛剛推出了 NORA-W10 Wi-Fi 4 和藍(lán)牙低功耗 5.0 模塊，專為實(shí)現(xiàn)和加速邊緣 AI 應(yīng)用部署而設(shè)計(jì)。NORA-W10模塊除了采用高性能 open CPU 來支持功能豐富的客戶應(yīng)用，還支持語音和人臉識(shí)別的 AI計(jì)算。用于邊緣神經(jīng)網(wǎng)絡(luò)推理(8 位和 16 位模型)的 AI 矢量指令可以帶來額外的性能提升，顯著加快 AI 算法速度，降低感知延遲，并且還能減少耗電量。