在電子智能領(lǐng)域，所有類型的芯片廠商都不約而同的研發(fā)推出各種不同類型的AI處理器。國外大企，像高通、英偉達(dá)等，都已宣布推出用于智能手機和其他移動設(shè)備的神經(jīng)引擎。例如在智能手機中添加AI功能和手機的Face ID應(yīng)用等。使用邊緣側(cè)AI自行處理相比傳輸?shù)皆贫颂幚砀踩⑺矫埽憫?yīng)時間更快。

按照整體大趨勢，不出意外的，神經(jīng)網(wǎng)絡(luò)引擎／加速器成為主流。幾年后，每臺帶有攝像頭的設(shè)備都將包含具有AI功能的視覺處理和神經(jīng)網(wǎng)絡(luò)引擎。

什么是邊緣計算？

在邊緣計算參考架構(gòu)2．0中，對邊緣計算有這樣的定義：

“邊緣計算是在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的分布式開放平臺，就近提供邊緣智能服務(wù)，滿足行業(yè)數(shù)字化在敏捷聯(lián)接、實時業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求。它可以作為聯(lián)接物理和數(shù)字世界的橋梁，使能智能資產(chǎn)、智能網(wǎng)關(guān)、智能系統(tǒng)和智能服務(wù)。”

邊緣處理的優(yōu)勢在于減少延遲，全網(wǎng)絡(luò)覆蓋，增加了隱私和安全性，并減少了與云端的通信，從而降低了成本。

在AI智能應(yīng)用到安防領(lǐng)域中，邊緣側(cè)AI已經(jīng)使得已知或未知的人臉檢測、語音生物識別、聲音檢測、動作感應(yīng)得以實現(xiàn)，WiFi、藍(lán)牙或蜂窩網(wǎng)絡(luò)都可以自行連接，這些功能都可以自行決策。

當(dāng)邊緣側(cè)AI應(yīng)用在汽車領(lǐng)域，可以作用于視覺傳感器對駕駛員起到一個監(jiān)視器作用，可幫助駕駛員進(jìn)行決策，并根據(jù)實際情況采取行動，同時通過深度學(xué)習(xí)不斷改善，以不斷提升決策的準(zhǔn)確性。同時也可作用于前視攝像頭系統(tǒng)、夜視環(huán)繞視圖盲點檢測、后／停車檢測等，同時對實現(xiàn)定位、V2X通信及車內(nèi)互連等功能都有很大的幫助。

神經(jīng)網(wǎng)絡(luò)－ANN

神經(jīng)網(wǎng)絡(luò)其實就是一種運算模型，它由大量的節(jié)點（或稱神經(jīng)元）之間相互聯(lián)接構(gòu)成。每個節(jié)點代表一種特定的輸出函數(shù)，稱為激勵函數(shù)（activation function）。每兩個節(jié)點間的連接都代表一個對于通過該連接信號的加權(quán)值，稱之為權(quán)重，這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式，權(quán)重值和激勵函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對自然界某種算法或者函數(shù)的逼近，也可能是對一種邏輯策略的表達(dá)。

一個函數(shù)的權(quán)重加權(quán)（每個輸入信號x1， x2， x3，對應(yīng)的權(quán)重分別為w1， w2， w3，然后加上內(nèi)部強度（用 b 表示），然后激活函數(shù)（用 a＝σ（z） 表示）

整個公式為：

w和x都是 3x1 的列向量，其中w轉(zhuǎn)置后為 1x3 的行向量，因此與x相乘后為標(biāo)量（實數(shù)），然后和 b 相加就得到標(biāo)量 z，z被代入到激活函數(shù) a＝σ（z） 得到神經(jīng)元的輸出，這里的 a 表示神經(jīng)元的激活狀態(tài)。σ（z）被稱為激活函數(shù)。

整個神經(jīng)網(wǎng)絡(luò)分為：輸入層，隱藏層，輸出層。一般說L層神經(jīng)網(wǎng)絡(luò)，指的是有L個隱層，輸入層和輸出層都不計算在內(nèi)的。

一個神經(jīng)元被稱為 邏輯斯蒂回歸（logistic regression） ，隱層（hidden layer）較少的被稱為 淺層，而隱層較多的（比如這個圖中的5 hidden layer）被稱為 深層 ，基本上是層次越深越好，但是帶來的計算成本都會增加，有時候不知道個該用多少的時候，就從logistic回歸開始，一層一層增加。人工神經(jīng)網(wǎng)絡(luò)是并行分布式系統(tǒng)，采用了與傳統(tǒng)人工智能和信息處理技術(shù)完全不同的機理，克服了傳統(tǒng)的基于邏輯符號的人工智能在處理直覺、非結(jié)構(gòu)化信息方面的缺陷，具有自適應(yīng)、自組織和實時學(xué)習(xí)的特點。

神經(jīng)網(wǎng)絡(luò)的壓縮與簡化一直是業(yè)界在AI智能上做出創(chuàng)新和研發(fā)的重要課題。未來神經(jīng)網(wǎng)絡(luò)將和CPU、GPU和視頻編解碼器一樣，成為SoC的標(biāo)準(zhǔn)IP模塊。

深度學(xué)習(xí)－DL

深度學(xué)習(xí)DL是基于機器學(xué)習(xí)ML基礎(chǔ)上升級的，我們暫時將人工智能類比成孩子的大腦，深度學(xué)習(xí)是讓孩子去掌握認(rèn)知能力的過程中很有效率的一種教學(xué)體系。深度學(xué)習(xí)是達(dá)到人工智能的一種方法和工具。

深度學(xué)習(xí)通過神經(jīng)網(wǎng)絡(luò)（Neural Network， NN）來模擬人的大腦的學(xué)習(xí)過程，希望通過模仿人的大腦的多層抽象機制來實現(xiàn)對數(shù)據(jù)（畫像、語音及文本等）的抽象表達(dá)，將features learning和classifier整合到了一個學(xué)習(xí)框架中，減少了人工／人為在設(shè)計features中的工作。“深度學(xué)習(xí)”里面的深度（Deep）指的就是神經(jīng)網(wǎng)絡(luò)多層結(jié)構(gòu)。

如下圖， 很多點， 深度學(xué)習(xí)之后匯出的應(yīng)該是如圖一的趨勢圖， 這樣x 軸任給一個點， y軸能找到對應(yīng)的值。如果數(shù)據(jù)或是運算過分的話， 原有數(shù)據(jù)的每一個點都包含的話。反而沒有規(guī)律了。

所以深度學(xué)習(xí)通過在輸出個輸入之間引入一個shortcut connection，而不是簡單的堆疊網(wǎng)絡(luò)，這樣可以解決網(wǎng)絡(luò)由于很深出現(xiàn)梯度消失的問題，從而可以把網(wǎng)絡(luò)做的很深。

邊緣計算的五大特性

1、邊緣計算的基礎(chǔ)－聯(lián)接性

所連接物理對象的多樣性及應(yīng)用場景的多樣性，需要邊緣計算具備豐富的聯(lián)接功能，如各種網(wǎng)絡(luò)接口，網(wǎng)絡(luò)協(xié)議、網(wǎng)絡(luò)拓?fù)洹⒕W(wǎng)絡(luò)部署和配置、網(wǎng)絡(luò)管理與維護(hù)。聯(lián)接性需要充分借鑒吸收網(wǎng)絡(luò)領(lǐng)域先進(jìn)的研究成果，如TSN、SDN、NFV、Network as a Service、WLAN、NB－IOT、5G等，同時還要考慮與現(xiàn)有各種工業(yè)總線的互聯(lián)互通。

2、邊緣計算作為物理世界到數(shù)字世界的橋梁，是數(shù)據(jù)的第一入口

邊緣計算擁有大量、實時、完整的數(shù)據(jù)，可基于數(shù)據(jù)全生命周期進(jìn)行管理與價值創(chuàng)造，將更好的支撐預(yù)測性維護(hù)，資產(chǎn)效率與管理等創(chuàng)新應(yīng)用；同時，作為數(shù)據(jù)第一入口，邊緣計算也面臨數(shù)據(jù)實時性、確定性、多樣性等挑戰(zhàn)。

3、邊緣計算具有約束性

邊緣計算產(chǎn)品需適配工業(yè)現(xiàn)場相對惡劣的工作條件與運行環(huán)境，如防電磁、防塵、防爆、抗振動，抗電流／電壓波動等。在工業(yè)互聯(lián)場景下，對邊緣計算設(shè)備的功耗、成本、空間也有較高的要求。

邊緣計算產(chǎn)品需要考慮通過軟硬件集成與優(yōu)化，以適配各種條件約束，支撐行業(yè)數(shù)字化多樣性場景。

4、邊緣計算實際部署天然具備分布式特征

邊緣計算支持分布式計算與存儲，實現(xiàn)分布式資源的動態(tài)調(diào)度與統(tǒng)一管理、支撐分布式智能、具備分布式安全等能力。

5、OT與ICT的融合是行業(yè)數(shù)字化轉(zhuǎn)型的重要基礎(chǔ)

邊緣計算作為OICT融合與協(xié)同的關(guān)鍵承載，需要支持在聯(lián)接、數(shù)據(jù)、管理、控制、應(yīng)用、安全等方面的協(xié)同。

總結(jié)

邊緣計算可以讓各個領(lǐng)域?qū)崿F(xiàn)AI智能，在現(xiàn)代數(shù)字世界建立起對多樣協(xié)議、海量設(shè)備和跨系統(tǒng)的物理資產(chǎn)的實時映像，了解事物或系統(tǒng)的狀態(tài)，應(yīng)對變化、改進(jìn)操作和增加價值，為實現(xiàn)物自主化和協(xié)作化，在網(wǎng)絡(luò)邊緣側(cè)的智能分布式架構(gòu)與平臺上，融入知識模型驅(qū)動智能化能力，開發(fā)服務(wù)框架主要包括方案的開發(fā)、集成、驗證和發(fā)布；部署運營服務(wù)框架主要包括方案的業(yè)務(wù)編排、 應(yīng)用部署和應(yīng)用市場。開發(fā)服務(wù)框架和部署運營服務(wù)框架需要緊密協(xié)同、無縫運作，支持方案快速高效開 發(fā)、自動部署和集中運營。邊緣側(cè)需要支持多種網(wǎng)絡(luò)接口、協(xié)議與拓?fù)洌瑯I(yè)務(wù)實時處理與確定性時延，數(shù)據(jù)處理與分析，分布式智 能和安全與隱私保護(hù)。云端難以滿足上述要求，需要邊緣計算與云計算在網(wǎng)絡(luò)、業(yè)務(wù)、應(yīng)用和智能方面進(jìn)行協(xié)同。邊緣計算可以打造一個AI的更智能的互聯(lián)世界。