<meter id="pryje"><nav id="pryje"><delect id="pryje"></delect></nav></meter>
          <label id="pryje"></label>

          新聞中心

          EEPW首頁(yè) > 業(yè)界動(dòng)態(tài) > 安富利:邊緣人工智能將加速物聯(lián)網(wǎng)落地

          安富利:邊緣人工智能將加速物聯(lián)網(wǎng)落地

          作者:安富利公司 時(shí)間:2019-12-24 來(lái)源:電子產(chǎn)品世界 收藏

          人工智能 (AI) 不再只是科幻電影中的故事橋段,已經(jīng)在切實(shí)改變著企業(yè)的工作方式。開發(fā)人員不斷探索各種將AI與物 聯(lián)網(wǎng) (IoT)結(jié)合的方式,讓各行各業(yè)的公司都能受益于互聯(lián)設(shè)備產(chǎn)生的數(shù)據(jù),其終極目標(biāo)是通過(guò)深入研究多點(diǎn)采集的實(shí)時(shí)數(shù)據(jù)得出可行性見(jiàn)解,從而提高生產(chǎn)力、增加效率及降低營(yíng)運(yùn)成本。

          本文引用地址:http://www.ex-cimer.com/article/201912/408556.htm

          根據(jù)IDC發(fā)布的報(bào)告顯示,到2023年,全球物聯(lián)網(wǎng)支出將達(dá)到1.1萬(wàn)億美元,其中離散制造、流程制造和運(yùn)輸將是在物聯(lián)網(wǎng)方面投入最多的行業(yè)。全球科技公司LivePerson在2019年發(fā)布的研究報(bào)告指出,在中國(guó),有38%的企業(yè)正在廣泛應(yīng)用人工智能。這也是他們數(shù)字戰(zhàn)略的一部分,AI與IoT相結(jié)合可大幅提升運(yùn)行應(yīng)用程序的設(shè)備能力,有助于改善商業(yè)流程。開發(fā)解決方案時(shí),重要的一點(diǎn)是考慮哪種基礎(chǔ)架構(gòu)能最完美地支持 AI 功能,以推動(dòng)實(shí)時(shí)做出正確決策。

          雖然云端解決方案目前最引人注目,但延遲問(wèn)題以及等待遙遠(yuǎn)的 數(shù)據(jù)中心助力現(xiàn)場(chǎng)實(shí)時(shí)決策的方式,使其對(duì)許多應(yīng)用而言并不可行。

          邊緣計(jì)算在許多情況下能夠解決問(wèn)題。硬件及模塊領(lǐng)域的新興發(fā)展推動(dòng)了人工智能在邊緣的發(fā)展,也創(chuàng)造出各種可能性。邊緣設(shè)備以及網(wǎng)關(guān)至邊緣設(shè)備現(xiàn)在功能更加強(qiáng)大,可在本地收集、儲(chǔ)存及分析數(shù)據(jù),而無(wú)需等待從云端取得數(shù)值再傳回設(shè)備。通過(guò)結(jié)合 AI與邊緣計(jì)算,IoT解決方案的能力也更強(qiáng),因?yàn)樗伺c云計(jì)算相關(guān)的延遲問(wèn)題。

          將數(shù)據(jù)洪流轉(zhuǎn)化為可操作的見(jiàn)解

          由某一臺(tái)IoT設(shè)備所采集的數(shù)據(jù)其本身價(jià)值十分有限。而且據(jù) Forrester Research 調(diào)查,企業(yè)可用于分析的數(shù)據(jù)中,有 60%至73% 并未被利用。真正的價(jià)值來(lái)自于將多臺(tái)設(shè)備采集的數(shù)據(jù)集相組合,并從中找出可用于預(yù)測(cè)設(shè)備未來(lái)性能的模式。

          AI 技術(shù)可以實(shí)現(xiàn)處理大量數(shù)據(jù)并識(shí)別數(shù)據(jù)中的定式。AI 運(yùn)用強(qiáng)大的算法,針對(duì)新的輸入內(nèi)容做出調(diào)整,并依據(jù)其長(zhǎng)期學(xué)習(xí)、旨在提供自動(dòng)化的正確回饋并引導(dǎo)做出決策的成果來(lái)制定決策。它也是一種為IoT設(shè)備所收集的各種數(shù)據(jù)增添價(jià)值的工具。AI利用匯集的大數(shù)據(jù),不僅能夠發(fā)現(xiàn)過(guò)去發(fā)生的事情,也能分析提出各種方式,協(xié)助提高流程效率,并依據(jù)多種情境預(yù)測(cè)未來(lái)情況。

          數(shù)據(jù)的集中使用推動(dòng)了人工智能進(jìn)行機(jī)器學(xué)習(xí)的能力,這是該技術(shù)的 一個(gè)重要元素。機(jī)器學(xué)習(xí)使用能從數(shù)據(jù)中“學(xué)習(xí)”的具有計(jì)算能力的算法,并依據(jù)其他輸入隨時(shí)間自行調(diào)整。這樣就可以在人員干預(yù)有限的情況下,讓AI和機(jī)器學(xué)習(xí)測(cè)將數(shù)據(jù)分析結(jié)果轉(zhuǎn)換為可操作的見(jiàn)解,以助于偵測(cè)異常情況、產(chǎn)生預(yù)測(cè)結(jié)果、加強(qiáng)風(fēng)險(xiǎn)管理、減少停機(jī)時(shí)間、提升運(yùn)營(yíng)效率。

          云計(jì)算無(wú)法滿足實(shí)時(shí)決策的需求

          越來(lái)越多企業(yè)采用公共云來(lái)托管更多數(shù)據(jù)已成為一種趨勢(shì)。目前IoT生態(tài)系統(tǒng)中連網(wǎng)設(shè)備的大部分?jǐn)?shù)據(jù),都是收集和傳輸至云端來(lái)進(jìn)行處理及分析。云端數(shù)據(jù)中心藉由運(yùn)算能力匯集數(shù)據(jù), 并以 AI 技術(shù)支持制定決策。

          雖然已證明這種方式穩(wěn)定可靠,但是與云端之間數(shù)據(jù)來(lái)回傳輸?shù)臅r(shí)間會(huì)造成延遲問(wèn)題,對(duì)實(shí)時(shí)決策造成影響。云端數(shù)據(jù)中心所在的地理位置越遠(yuǎn),所造成的延遲時(shí)間就更長(zhǎng)。數(shù)據(jù)每行進(jìn)100英里,速度就損失約0.82毫秒。

          云端運(yùn)算雖然靈活,但卻無(wú)法滿足醫(yī)療保健、制造和運(yùn)輸?shù)刃袠I(yè)日益增長(zhǎng)的高負(fù)荷的物聯(lián)網(wǎng)應(yīng)用需求。

          隨著采用AI技術(shù)的IoT解決方案的數(shù)量和應(yīng)用實(shí)例持續(xù)增加,云計(jì)算仍將是 IoT生態(tài)系統(tǒng)進(jìn)行復(fù)雜及歷史數(shù)據(jù)處理的重要組成部分。不過(guò),果要助力實(shí)時(shí)決策,邊緣計(jì)算對(duì)許多應(yīng)用而言是更理想快速的方法,能為終端設(shè)備提供計(jì)算及分析功能。

          人工智能走向邊緣,釋放物聯(lián)網(wǎng)潛能

          營(yíng)運(yùn)技術(shù)是可以對(duì)整個(gè)企業(yè)實(shí)際設(shè)備的變化情形進(jìn)行探測(cè)和控制的軟硬件堆棧。采用AI 技術(shù)的IoT 設(shè)備通過(guò)組合數(shù)據(jù)輸入來(lái)推動(dòng)智能化實(shí)時(shí)決策,讓營(yíng)運(yùn)技術(shù)的概念更上一層樓。

          邊緣計(jì)算將IoT 設(shè)備數(shù)據(jù)采集的收集、儲(chǔ)存及分析工作轉(zhuǎn)移,以實(shí)現(xiàn)遠(yuǎn)離云端的實(shí)時(shí)決策。云端的AI 由單一大型處理中心管理,而邊緣人工智能則更像是蜂巢架構(gòu),由小巧但運(yùn)算能力強(qiáng)大的設(shè)備共同運(yùn)作,以推動(dòng)在本地依據(jù)數(shù)據(jù)制定決策。

          ·實(shí)時(shí)回應(yīng):由于不需要將數(shù)據(jù)傳輸至云端進(jìn)行處理,消除了影響實(shí)時(shí)決策正確性的延遲問(wèn)題。對(duì)于制造、醫(yī) 療成像及自動(dòng)駕駛等多種應(yīng)用,實(shí)時(shí)響應(yīng)至關(guān)重要,其中基于人工智能的決定了IoT 機(jī)器的實(shí)時(shí)性能。

          ·更可靠的營(yíng)運(yùn):與流程、機(jī)器狀態(tài)及營(yíng)運(yùn)相關(guān)的決策都在本地進(jìn)行,對(duì)連接性的顧慮較少。實(shí)時(shí)信息可確保過(guò)程 不會(huì)因設(shè)備故障或突然失效等問(wèn)題而中斷。IoT 解決方案中還集成了用于識(shí)別何時(shí)進(jìn)行預(yù)測(cè)性維 護(hù)的參數(shù)。

          ·強(qiáng)化安全防護(hù):邊緣計(jì)算將敏感數(shù)據(jù)儲(chǔ)存在本地IT生態(tài)系統(tǒng)中, 避免了公共云的安全性問(wèn)題。如果網(wǎng)絡(luò)攻擊者嘗 試透過(guò)IoT設(shè)備訪問(wèn)網(wǎng)絡(luò),具備人工智能的解決 方案也能偵測(cè)到網(wǎng)絡(luò)邊緣的異常情形,并迅速采 取緩解措施。風(fēng)險(xiǎn)分析負(fù)責(zé)判定所有可能的攻擊 入侵點(diǎn),并建立預(yù)防性方案以緩解安全問(wèn)題。

          ·降低計(jì)算成本:由于邊緣計(jì)算是在本地匯集數(shù)據(jù)而非將其送往云 端,因此可減少昂貴的連接帶寬需求。

          人工智能提供的優(yōu)勢(shì)相當(dāng)具有吸引力,有助于推動(dòng)企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。隨著部署的 IoT 設(shè)備增加,對(duì)于有邊緣計(jì)算能力且具備人工智能的解決方案的需求呈指數(shù)成長(zhǎng)。依靠云端進(jìn)行數(shù)據(jù)處理和分析來(lái)推動(dòng)實(shí)時(shí)決策的作法已不可行。邊緣計(jì)算能夠在本地處理 AI 算法和機(jī)器學(xué)習(xí),并且沒(méi)有云端計(jì)算固有的延遲問(wèn)題, 將能提供更有效推動(dòng)營(yíng)運(yùn)及提升生產(chǎn)力的見(jiàn)解。



          關(guān)鍵詞:

          評(píng)論


          相關(guān)推薦

          技術(shù)專區(qū)

          關(guān)閉
          看屁屁www成人影院,亚洲人妻成人图片,亚洲精品成人午夜在线,日韩在线 欧美成人 (function(){ var bp = document.createElement('script'); var curProtocol = window.location.protocol.split(':')[0]; if (curProtocol === 'https') { bp.src = 'https://zz.bdstatic.com/linksubmit/push.js'; } else { bp.src = 'http://push.zhanzhang.baidu.com/push.js'; } var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s); })();