邊緣運算已成為最受關注的技術趨勢之一，伴隨著所有這些話題，也許你會認為是時候為你的物聯網網路投資智慧邊緣技術了。然而，在開始購買新的邊緣設備之前，讓我們先討論一下邊緣運算到底是什麼，它的作用是什麼，以及應用是否能從邊緣技術中受益。
邊緣運算可以為物聯網網路增加大量的靈活性、速度和智能，但重要的是要了解邊緣人工智慧設備並不能解決智能網路應用面臨的所有挑戰。在本文的最後，在確定邊緣技術是否適合應用之後，我們將討論買家在評估邊緣人工智慧設備時應該考慮的主要特性和考慮因素。
在邊緣運算在雲端的邊緣將物聯網提升到一個更高的層次，原始數據可以即時轉化為價值。透過在整個網路中重新分配資料處理工作，提升了連接節點、端點和其他智慧型設備的重要性和治理。
邊緣運算幾乎與雲端運算完全相反，在雲端運算中，資料從分散式網路流入，在集中的資料中心進行處理，結果通常會傳回原始的分散式網絡，以觸發動作或產生變化。然而，長距離傳輸大量的資料會產生成本。這些成本可以用金錢來衡量，但也可以用其他關鍵的方式來衡量，例如用權力或時間。
這就是邊緣運算的切入點。當功率、頻寬和延遲真的很重要時，邊緣運算可能是答案。與集中式雲端運算不同的是，在中心化雲端運算中，資料可能要穿越數百英里才能被處理，邊緣運算使資料能夠在資料被感知、創建或駐留的同一網路邊緣位置處理。這意味著處理延遲幾乎可以忽略不計，對功率和頻寬的要求通常也大大降低。
當今邊緣運算的主要推動者之一是半導體製造商在不大幅增加功耗的情況下提高處理能力的方式。這意味著位於邊緣的處理器可以在不消耗更多功率的情況下利用它們獲取的資料做更多事情。這允許更多的數據停留在邊緣，而不是被傳輸到核心。除了降低系統總功率外，這還增加了回應時間並改善了資料隱私。
受益於這項發展的一些技術包括人工智慧和機器學習，但這些也依賴於降低資料擷取成本，同時提高資料隱私等級。透過邊緣處理可以同時解決成本和隱私問題。就AI和ML等新興趨勢而言，這兩種技術傳統上都需要大量資源，遠遠超過端點或智慧型裝置中通常可用的資源。現在，由於硬體和軟體層級的進步，還可以將這些支援技術嵌入到位於網路邊緣的較小、資源更有限的設備中。
選擇能夠執行邊緣處理的平台，可能包括運行AI演算法或ML推理引擎，需要仔細評估。簡單的感測器和執行器，即使是屬於物聯網的一部分，也可以透過相對較小的整合設備來實現。增加邊緣處理的數量將需要一個更強大的平台，可能使用高度並行的架構。通常情況下，這意味著GPU，但如果平台太強大，它將成為網路邊緣有限資源的負擔。
同樣重要的是要記住,邊緣設備基本上是現實世界的接口，因此它可能需要支援一些常見的介面技術，如乙太網路,GPIO,CAN、串行和/或USB)。它也可能需要支援週邊設備,如攝影機、鍵盤和顯示器。
邊緣也可以是與舒適的氣候控制資料中心截然不同的環境。邊緣設備可能暴露在極端的溫度，濕度，振動甚至高度。這將對設備的選擇產生影響，以及如何包裝或封裝。
另一個需要考慮的重要面向是監管要求。任何使用射頻進行通訊的設備都將受到法規的約束，並可能需要許可證才能運作。一些平台將「開箱即用」遵守規定，但其他平台可能需要付出更多努力。一旦投入使用，它們就不太可能得到硬體升級，因此必須在設計週期內仔細確定處理能力、內存和存儲，以便為未來的性能提升提供空間。
這包括軟體升級。與硬體不同的是，可以在設備在現場時部署軟體更新。這些無線更新現在非常常見，很可能任何邊緣設備都需要設計為支援OTA更新。
#選擇正確的解決方案將涉及對所有這些一般點的仔細評估，以及仔細研究應用程式的特定需求。例如設備是否需要處理視訊數據，或是音訊數據，亦或只處理溫度，或是也監測其他環境面向。這些問題中的許多適用於部署在前沿的所有技術，但隨著加工水平的提高和對產出的期望的提高，將有必要擴大要求清單。
現在，將AI和ML放入邊緣裝置和智慧節點中在技術上是可能的，這將帶來重大的機會。這意味著處理引擎不僅更接近資料來源，而且該引擎可以對它收集的資料做更多的事情。
這樣做確實有好處。首先，它可以提高生產力，或數據使用的效率。其次，它簡化了網路架構，因為移動的資料更少。第三，它使接近資料中心變得不那麼重要。如果資料中心在城市中，那麼最後一點可能看起來不太重要，但是如果網路的邊緣是一個偏遠的位置，例如農場或水處理廠，那麼這一點就會有很大的不同。
不可否認的是，資料在網路上快速移動。許多人可能會驚訝地發現，搜尋查詢可能會在結果出現在螢幕上之前在全球範圍內傳播兩次。總經過的時間可能只有幾分之一秒，而對我們來說，這幾乎是瞬間的。但對於組成互聯、智慧且通常是自主的傳感器和執行器的互聯網的機器和其他智慧型設備來說，每一秒都感覺像是一個小時。
這種往返延遲是即時系統的製造商和開發人員真正關心的問題。資料往返於資料中心所花費的時間並非無關緊要，當然也不是瞬間的。減少這種延遲是邊緣運算的關鍵目標。它與更快的網路協同工作，這是5G發揮作用的地方。但是，隨著更多的設備上線，推出更快的網路將無法彌補我們預期的累積網路延遲。
分析師預測，到2030年，連網裝置的數量可能會達到500億台。如果這些設備中的每一個都需要一個資料中心的寬頻帶，那麼網路將永遠擁塞。如果它們中的許多在管道中運行，等待上一階段的數據到達，那麼總延遲很快就會變得非常明顯。邊緣運算是緩解擁塞網路的唯一可行的解決方案。
然而，雖然總體上對邊緣運算有一定的需求，但邊緣運算的具體好處仍然在很大程度上取決於應用，這就是邊緣運算法則的應用。這些定律將有助於工程團隊決定邊緣運算是否適合特定應用。
第一定律是物理定律，這個是不可變的。射頻能量以光速傳播，就像光纖網路中的光子一樣。這是好消息。壞消息是它們不能再快了。因此，如果往返時間仍然不夠快，那麼邊緣運算可能是正確的選擇。
Ping測試提供了一種簡單的方法，可以測量資料包在網路連接的兩個端點之間傳輸所需的時間。線上遊戲通常託管在多個伺服器上，玩家將ping伺服器，直到他們找到延遲最低的伺服器，這意味著資料可以以最快的速度傳播。這就是時間敏感資料的關鍵，即使是幾分之一秒。
延遲也不完全依賴傳輸機制。每一端都有編碼器和解碼器，這些物理層需要將電子轉換成所使用的任何能量形式，然後再將它們轉換回來。所有這些都需要時間，即使處理器以千兆赫的速度運行，時間也是有限的，而且取決於所移動的資料量。
這個方法可能更靈活一些，但隨著處理和儲存資源需求的飆升，它也更難預測。利潤總是微薄的，但如果在雲端運算中處理資料的成本突然上升，它可能證明獲利或虧損之間的差異。
雲端服務的成本開始於購買或租用伺服器、機架或刀片的成本。這取決於CPU核心的數量、所需的RAM或永久儲存的數量以及服務等級。有保證的正常運作時間比沒有保證的服務水準花費更多。網路頻寬基本上是免費的，但是如果需要最低程度的頻寬，那麼應該為此付出代價，在評估成本時需要考慮到這一點。
也就是說，在邊緣處理資料不受這種變動成本的影響。一旦設備的初始成本已經產生，在邊緣處理任何數量的資料的額外成本幾乎為零。
數據之所以有價值，是因為它意味著或代表某些東西。現在，捕獲資訊的任何人現在都可能受制於捕獲該資料所在地區的資料隱私法。這意味著，即使是捕獲資料的裝置的合法所有者，也可能不允許跨越地理邊界移動資料。
例如，這將包括《歐盟資料保護指令》、《一般資料保護規範》和《亞太經濟合作隱私框架》。加拿大的《個人資訊保護與電子文檔法》與歐盟的資料保護法相符合，而美國的《安全港安排》也與歐盟的資料保護法相符。
邊緣處理可以克服這一點。透過在邊緣處理數據，它不需要離開設備。在便攜式消費性設備中，資料隱私越來越重要，手機上的臉部辨識使用本地人工智慧來處理相機影像，所以資料永遠不會離開設備。閉路電視和其他安全監控系統也是如此。使用攝影機監控公共空間通常意味著影像由基於雲端的資料伺服器傳輸和處理，這會帶來資料隱私問題。在相機中處理資料既快又安全，可能消除或簡化資料隱私措施的需要。
最後，我們需要考慮墨菲定律，該定律指出，如果某件事可能出錯，它就會出錯。當然，即使在世界上最精心設計的系統中，也總是會出現問題。邊緣處理可以消除與透過網路移動資料相關的許多可能的故障點，將其儲存在雲端並依靠資料中心提供處理能力。
如果一個應用程式在技術上可以從邊緣處理中受益，那麼還有一些問題要問。以下是一些最相關的建議：
(1)應用程式運行在什麼處理器架構上
將軟體移植到不同的指令集可能代價高昂，並會帶來延遲，因此升級不應該意味著移出。
(2)需要什麼樣的I/O
這可以是任意數量的有線和/或無線介面。如果考慮不周會導致效率低下，因此需要儘早解決因此需要儘早解決這個問題。
(3)運行環境是什麼
運行環境是冷是熱，例如火星任務是邊緣處理的一個很好的例子，如果是極端的，運作環境是巨大的變化。
(4)硬體是否需要符合規定或需要認證
答案幾乎是肯定的，所以選擇一個預認證平台可以節省時間和金錢。
(5)需要多少功率
就單位成本和安裝而言，系統電源很昂貴，所以了解功率是非常有益的。
(6)邊緣設備是否受限於形狀尺寸
#這在邊緣處理中比許多其他部署更重要，因此需要在設計週期的早期考量。
(7)工作時間是多少
這是進入可能需要運行多年的工業應用，還是以月為單位測量生命週期，這些都是需要我們考慮清楚的。
(8)系統的效能需求是什麼
就處理能力而言，例如每秒影格數、記憶體需求、應用語言等等。
(9)是否有成本考慮
這是一個棘手的問題，因為答案總是“是”，但知道成本限制是什麼將有助於選擇過程。
邊緣處理是透過物聯網實現的，但它的意義遠不止於此。它是由比早期連接設備範例更高的期望驅動的。低層次，有共通性；該設備可能需要低功耗，可能需要低成本，但現在它可能還需要在不與功耗和成本衝突的情況下提供更高水準的智慧操作。
透過選擇合適的技術合作夥伴，可以更輕鬆地選擇合適的平台。進入一個圍繞邊緣運算開發的生態系統，為人工智慧應用選擇正確的邊緣運算平台。
以上是如何選擇邊緣人工智慧設備的詳細內容。更多資訊請關注PHP中文網其他相關文章！
