由于物联网设备的激增，企业数据量呈爆炸式增长。传统上，物联网设备收集的敏感数据大多存储在云中。但考虑到数据中心和最终用户之间的延迟，这种安排正变得难以维持。在处理紧迫的操作需求时，组织可能很难依赖远程服务器来处理其数据。云数据安全是一个更复杂的问题。考虑到这些担忧，难怪许多企业都在寻求优势。也就是说，他们需要在本地处理数据，以支持实时决策。本质上，它们需要比云允许的更快的处理速度。

人工智能与边缘：物联网应用的新兴范式

下一代员工不喜欢到处等。他们希望这些设备尽早做出决定。但需要以最小的延迟处理数据，这不仅仅是一个急躁的问题。对于自主车辆以及许多医疗和工业应用来说，物联网系统需要尽快做出自动化决策。

边缘计算技术符合这些期望。它能够从物联网设备以及相关存储和分析中无缝收集数据。此外，它还支持本地实时决策。

边缘的人工智能使用了一个紧凑的架构，但是它提供了一个强大的计算方法，可以驱动本地的数据信息决策。边缘设备越智能，成本就越高，但同时，它可以在本地处理和存储大量数据，从而减少在其他地方处理和存储数据的需要。

就单位体积而言，一些通用的支持人工智能的边缘设备是头戴式显示器、智能汽车传感器、消费者和商业机器人、无人机和安全摄像头。边缘计算还可以扩展到包括个人电脑和平板电脑、移动电话和下一代智能扬声器的处理能力。微软、谷歌、亚马逊等大公司已经投入巨资，为支持人工智能的边缘计算解决方案进行试验。

 

为什么要在边缘设备上部署人工智能模型？

考虑部署边缘计算模型有以下几个原因：

一、它提供实时响应，避免了延迟问题

使用边缘计算，不需要将数据传送到云中进行处理，因此不存在延迟问题。这一事实加速了企业的实时决策。在飞机监控、医学成像、自动驾驶等应用中，实时响应是关键，因为基于人工智能的决策是根据物联网机器的实时性能做出的。

二、它使操作更可靠

边缘计算使用户能够从本地数据存储、处理和获取智能。因此，可以在本地构建健壮的物联网解决方案。此外，有关流程、操作、机器运行状况和其他变量的快速决策可以无缝地做出，而无需连接问题。利用边缘计算的实时信息，人工智能可以通过防止突然的机器故障或故障来保证连续的过程。此外，识别何时需要预测性维护的参数被集成到物联网解决方案中。

三、它通过加强风险管理确保更大的安全性

通过避免公共云的安全威胁，边缘计算将敏感数据保存在本地IT生态系统中。此外，支持人工智能的解决方案可以检测网络边缘的异常情况。如果网络攻击者试图以物联网设备为目标访问网络，防御者可以快速实施缓解技术。人工智能驱动的风险分析确定了网络攻击者的所有可能进入点，并主动制定了缓解安全问题的计划。

结语

以前，强大的人工智能应用程序需要一个庞大而昂贵的数据中心才能运行，但一个支持人工智能的边缘计算设备几乎可以在任何地方驻留。这并不意味着边缘计算将取代云计算。然而，随着数字世界变得更加互联，实时智能将转向边缘。不可否认，边缘的人工智能提供了无尽的机会，可以帮助企业更有效地推动运营，提高生产率。