初步探索边缘人工智能的下一代应用程序

AI已不再只是科幻电影的主题，它以惊人的速度应用于日常生活的各个方面。从个人关系到工作项目，AI正在逐渐改变我们的思维和行为方式。

其中，一个典型的领域是NextGEN Edge AI（下一代边缘人工智能）应用。它通过排名、分类和设计等多种模式，提供身临其境、直观且有趣的使用体验，同时节省时间和资金。

什么是NextGEN Edge AI?

NextGEN Edge AI，又称为边缘智能或下一代人工智能，结合了边缘计算和人工智能技术，用于追踪和执行机器学习任务。它利用边缘设备的计算能力和数据处理能力，实现智能决策和分析，减少对云计算的依赖。通过将智能推送到边缘，NextGEN Edge AI可以加快响应时间，提高数据隐私和安全性。它将在各个领域发挥重要作用，如智

Edge AI的工作流程通常涉及使用来自集中化的数据中心（如云或设备）上的数据以及来自边缘资源的数据。云端AI更为常见，它主要依靠云端算力来进行开发和执行。而Edge AI则包括远程设备、物联网设备以及专用的边缘服务器等组件。这种架构使得数据的存储和计算更加便捷，同时也使用户更容易访问数据。

由于Edge AI将AI算法与本地设备上的边缘计算能力结合，它能够处理和分析数据，而无需保持连接和集成。这使得用户能够访问不同来源的数据，从而减少了系统的停机时间或延迟。因此，Edge AI通过整合边缘计算和AI过程，提高了数据处理的效率。

此外，NextGEN Edge AI成功将AI过程整合为一个基本组件，无需与物理位置交互，为用户需求提供了高效的支持和便捷的用户数据构建。

Edge AI如何工作？

提到AI，我们常常会想到让机器通过模拟人类的方式来实现视觉、语言、行为、物体识别、自动驾驶和语言理解等智能化技能。为了实现这些技能，AI需要使用一种称为深度神经网络（Deep Neural Network，DNN）的系统。在接受各种训练任务时，这些DNN会产生许多特定类型的问题，并提供与之对应的正确答案示例。

深度学习是一种需要在数据中心或云端进行训练的技术。为了获得准确的模型，数据科学家通常需要大量数据和协作的支持。一旦训练完成，模型就可以通过推理引擎来解决现实世界中的问题。推理引擎能够运行经过训练的模型，并根据输入数据生成预测结果。这种技术的应用范围非常广泛，例如在图像识别、自然语言处理和推荐系统等领域都有重要的作用。通过深度学习和推理引擎的结合，我们能够更好地理解和应对复杂的现实问题。

通常，在部署Edge AI时，推理引擎会运行在远程计算机和设备上，如工厂、医院、汽车、卫星或家庭。一旦部署了Edge AI模型，这些设备就会持续获取相关信息。为了进行更多的训练，边缘设备通常会采集并发送大量繁琐的数据集到云端。同时，一旦AI遇到问题，边缘的推理引擎就会被替换，从而大幅提高性能的反馈回路。

Edge AI的基本组件

以下两个智能组件通常是Edge AI领域的研究重点：

边缘计算

根据定义，由于边缘计算是在收集数据的节点处，进行本地计算和存储数据的过程。因此它往往涉及到分布在网络边缘处，用于收集、分析和处理数据的多个进程。

AI

AI能够将增强的分析能力与自动化相结合，让机器能够模仿人类的认知水平，去理解语言和解决问题，甚至能够创造出更职能的边缘设备。

Edge AI跨不同行业的应用

近年来，Edge AI应用的使用已为各个行业带来了新的商机和创新。包括制造业、医疗保健和能源在内的许多行业，都正在使用Edge AI应用的核心功能。下面，让我们来讨论两个典型的行业应用：

智能能源：智能预测

能源行业往往具有高需求和不稳定的特点。它不但会对其他行业造成直接或间接的影响，而且由其造成的潜在供应威胁也会扰动整个人类的健康和福利。

而Edge AI可以根据历史数据、天气特征等信息生成复杂的模型，通过智能化的预测，来协调能源的生成、分配、管理和监测。

医疗保健领域的Edge AI：支持AI的解决方案

现代化医疗机构和医学专业人员可以通过使用Edge AI提高患者预期寿命和生活水平，实现这一医疗保健行业的终极目标。同时，通过使用具有AI加持的边缘设备，医疗专业人员还可以执行远程手术，以及监控患者的日常生理活动。

Edge AI的优势

与我们常见的基于云端的AI相比，Edge AI具有如下优势：

更高的速度/更低的延迟

由于各项训练和计算是在本地执行，因此无需耗费过多的、与云端通信的响应等待。

更低的带宽要求和成本

通过Edge AI，语音、视频和高保真传感器数据，都可以通过蜂窝网络，以更少的带宽和相关成本被发送。

增强的数据安全

本地化处理方式降低了敏感数据在传输过程中被拦截或存储在云端的风险。

改进的可靠性/自主技术

即使网络或云服务出现故障，AI也能够在本地运行。这在自动驾驶和工业机器人等应用场景中优势明显。

功率降低

多数情况下，在设备上执行AI任务的能耗，可能会低于将数据发送到云端的能耗，当然也就延长了电池的寿命。

边缘技术的未来

如今，几乎所有Edge AI应用都可以在智能手机、可穿戴设备、以及智能家电等消费类设备上运行。Edge AI已成为一个正在经历快速增长的新兴领域。根据LF Edge预测：到2028年，边缘设备的复合增长率将达到40%。同时，随着无现金结账、智能化医院、城市、以及供应链的扩展，处于企业边缘处的AI预计也会在未来几年间增速加快。

如今，大多数Edge AI算法都可以直接对通过设备查看到的数据进行局部推理。通过使用设备附近传感器集合的数据，未来我们将可以开发出更复杂的推断工具，并不断改进相应的Edge AI编排。

此外，与之相关的联合深度学习也是一项富有前景的技术。它既可以通过将原始数据的对应子集上传到云端，来改进训练的过程，又能够在边缘设备的本地更新AI训练。注意，这并非是通过手动去更新模型，而是将更新上传到云端，提高Edge AI的隐私和安全性。

小结

综上所述，作为将边缘计算和AI结合的下一代Edge AI应用，无疑是物联网设备获取高质量、可操作传感器数据，并节省时间和能源的一种有力的方式。通过持续改进，它在提高了设备效率和改善网络带宽的同时，也改善了数据隐私与安全性的态势。因此，下一代Edge AI可以被广泛地应用到多元化的行业中。

译者介绍

陈峻（Julian Chen），51CTO社区编辑，具有十多年的IT项目实施经验，善于对内外部资源与风险实施管控，专注传播网络与信息安全知识与经验。

原文标题：The Next-Generation AI Application: What Is It and How Does It Work?，作者：Bharat P

链接：https://dzone.com/articles/the-next-generation-ai-application-what-is-it-and。