從共享單車到自動駕駛,從智能家居到無人商店,我們已從“人聯網”時代全面進入“物聯網”時代。在萬物智能互聯的新時代,數據量成指數級爆炸,不僅需要云端的大數據分析以轉化為洞察,在邊緣對于提取分析數據也有著更高的要求,應運而生的邊緣計算將在整個物聯網的發展中發揮關鍵性作用。作為分析、挖掘數據價值的創新方法,人工智能可以充分利用、釋放數據價值,也給邊緣計算帶來全新的發展機遇。

應對數據洪流帶來的挑戰,邊緣計算至關重要。首先,井噴式涌現的海量數據如果全部聚集于云端,對帶寬有極大的要求,并帶來嚴重的計算負擔,這就要求在邊緣側對相應數據進行必要的篩選和節流,并同時提供部分計算能力,使得不同的數據能夠合理配置到相應的存儲和計算資源中。其次,很多物聯網應用場景對數據的實時性要求非常高,而邊緣計算能夠更敏捷、更有效地處理數據。另外,邊緣計算還能更好地保護數據,滿足安全性的需求。

物聯網是一個端到端的系統,強調邊緣計算,并非否定云計算的巨大作用和價值。云計算和邊緣計算是兩種不同特點的數據處理方式,邊緣計算處理的是局部數據,對數據形成完整洞察還需要在云端對各種在不同的邊緣采集到的數據進行全面分析,因此兩者互倚互補。邊緣計算是云智能向端智能延伸的必然結果,未來的趨勢并非是邊緣計算取代云計算,而是兩者之間實現良性協同,共同推動物聯網的發展。

我們也看到,邊緣側的負載整合則為人工智能在邊緣計算的應用找到了突破口。“物”連上網將產生龐大的數據量,數據將成為新的石油,人工智能為數據采集、分析和增值提供全新的驅動力,也為整個物聯網發展提供了新動能。虛擬化技術將在不同設備上獨立的負載整合到統一的高性能計算平臺上,實現各個子系統在保持一定獨立性的同時還能有效分享計算、存儲、網絡等資源。邊緣側經過負載整合,產生的結點既是數據的一個匯總結點,同時也是一個控制中心。人工智能可以在結點處采集分析數據,也能在結點提取洞察做出決策。

如何將人工智能運用到邊緣側?網絡優化將是關鍵性技術之一。英特爾認為可以通過低比特、剪枝和參數量化進行網絡優化。低比特,是指在不影響最終識別的情況下,通過降低精度來降低存儲和計算負荷。剪枝,是指剪除不必要的計算需求,從而降低計算復雜度。參數量化,是指可以根據參數的特征做聚類,用相對比較簡單的符號或數字來表述,從而降低人工智能對于存儲的需求。

邊緣計算和人工智能結合,推動物聯網發展是一個長期的進程。英特爾將著重從端到端的平臺化戰略、垂直行業的深度合作、開放的生態系統構建三個方面來加速邊緣計算的發展,從而推動整個物聯網的進程。

正如英特爾公司CEO科再奇所說,數據是當今最重要的一股力量,智能互聯設備帶來的數據洪流,是未來科技創新的命脈。英特爾致力于通過從云到邊緣的計算解決方案,協同產業合作伙伴,把人工智能帶到邊緣,加速物聯網發展,駕馭數據洪流,釋放數據價值。

文章來源：英特爾