芯片级边缘AI鞭策下一代物联网

此举将由配备了新的人工智能（AI）的芯片实现。这些产品包括嵌入式微控制器，其存储器和功耗要求比GPU（图形处理单元）、FPGA（现场可编程门阵列）更小，以及其他专门的IC类型首先用于在Amazon Web Services，Microsoft和Google的云数据中心解决数据科学家们的问题。

正是在这些云服务，机器学习和相关的神经网络才得以爆发。但是物联网的兴起造成了数据冲击，这也需要基于边缘的机器学习。

现在，云提供商、物联网（IoT）平台制造商以及其他企业看到了在将数据移交给云端进行分析之前在边缘处理数据的好处。

在边缘做出AI决策可以减少延迟，并使对传感器数据的实时响应更加可行和适用。尽管如此，人们称之为“边缘AI”的形式仍然很多种。以及如何利用下一代物联网为其提供支持，在呈现高质量的可行数据方面提出了挑战。

边缘计算工作量增长

基于边缘的机器学习可能会推动IoT市场中AI的显着增长，据Mordor Intelligence估计，到2026年，CAGR将增长27.3％。

Eclipse Foundation IoT Group在2020年的研究支持了这一点，IoT开发人员中最常引用的边缘计算工作负载中，AI将占30％。

对于许多应用而言，复制在云上启用并行机器学习的无休止的服务器机架是不可行的。受益于本地处理的IoT边缘案例很多，并且通过各种操作监控案例来突出说明。例如，处理器可以监视由石油钻井平台上的压力表变化触发的事件，在遥远的电源线上检测到异常情况或在工厂捕获到的视频录像。

最后一种情况是最广泛使用的一种。在边缘分析图像数据的AI的应用已证明是一块肥沃的土地。但是，使用物联网设备收集的数据进行事件处理有许多复杂的处理需求。

（编辑：焦作站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!