来源：万物智能视界

边缘AI发源于边缘计算。边缘计算也称为边缘处理，是一种将服务器放置在本地设备附近网络技术, 这有助于降低系统的处理负载，解决数据传输的延迟问题。这样的处理是在传感器附近或设备产生数据的位置进行的，因此称之为边缘。

边缘计算的发展意味着边缘人工智能正变得越来越重要。各行各业莫不如是，特别是在降低处理延迟和保护数据隐私这方面。本文将探讨边缘AI的影响，为什么重要，及其常见用例。

什么是边缘AI？

边缘AI是指在硬件设备上本地处理的AI算法，可以在没有网络连接的情况下处理数据。这意味着可以在无需流式传输或在云端数据存储的情况下进行数据创建等操作。这一点很重要，因为出现了越来越多的设备数据无法依赖云端处理的情况。比如，工厂的机器人和自动驾驶汽车都需要以最小的延迟高速处理数据。

为了实现这些目标，边缘计算可以在云上靠深度学习生成数据，而在数据原点——即设备本身（边缘）执行模型的推断和预测。

以工厂的工业机器人为例。AI技术可以在这里以人类无法企及的速度，对来自监控摄像头和传感器的大量多模态数据进行可视化和评估，可以用它来检测生产线上人类可能忽略的故障数据。这类物联网结构可以存储生产线上产生的大量数据，并通过机器学习进行分析。它们也是能够提高工厂智能化程度的AI模型的核心。

边缘AI，物联网和5G:

边缘人工智能经常与物联网(IoT)和5G网络放在一起讨论.

物联网一词指的是通过互联网相互连接的设备，包括智能手机、机器人和电子设备。作为一个用人工智能进行分析的平台，边缘人工智能可以收集和存储物联网产生的大量数据，让使用具有可扩展性的云成为可能。这可以提高数据处理和基础设施的灵活性.

5G网络可以增强上述过程，因为其三大特点——超高速、大并发和超低时延——明显优于4G网络.

5G对于物联网和边缘AI的发展是不可或缺的，因为当物联网设备传输数据时，数据量暴涨，从而影响传输速度。传输速度的下降又会产生时延，而时延是实时处理面临的最大问题。

边缘计算和边缘AI为何重要?

越来越多的情况下，设备数据无法通过云端处理。工业机器人和自动驾驶汽车经常出现这种情况，它们需要高速处理，但当数据流增大而产生处理时延时会非常危险。

例如，想象一下自动驾驶汽车在检测道路上的物体，或操作刹车或方向盘时由于云端而延迟。任何数据处理的减慢都会导致车辆的响应速度变慢。如果响应变慢的车辆不能及时做出反应，就可能导致事故的发生。生命此时会切实受到威胁。

对于这些物联网设备来说，实时响应是必要条件。这就要求设备能够在现场分析和评估图像/数据，而不能依赖云端AI。

通过将通常委托给云端的信息处理交给边缘设备，可以实现无传输延迟的实时处理。此外，如果只传输重要信息到云端，可以减少传输数据量，这能将通信中断的风险降到最低。

边缘AI使用场景

边缘AI的市场主要有两个领域：工业机械和消费设备。可以看到，它在控制和优化设备、自动化重复劳动等领域均有进展。

消费设备也有所突破，这些设备的AI摄像头可以自动识别被摄对象。由于设备数量大于工业机器，预计从2021年起，消费设备市场将大幅扩大。

我们把一些边缘AI的常见场景放在下面。

自动驾驶汽车

自动驾驶汽车是应用边缘计算最值得期待的领域。有很多情况下，自动驾驶汽车需要对情况进行即时评估，这就需要实时的数据处理。2019年12月，日本对《道路交通法》和《道路运输车辆法》进行了修订，使得3级自动驾驶汽车更容易上路。它规定了自动驾驶汽车应符合的安全标准，以及自动驾驶汽车可以运行的区域。因此，汽车制造商也在正在努力开发遵守这些标准的自动驾驶汽车。例如，丰田已经在测试TRI-P4的完全自动化（4级）自动驾驶系统了。

无人机

无人机在进行飞行时失控、失踪的新闻越来越多。某些甚至导致了事故的发生。根据无人机降落位置的不同，坠毁造成的后果也可能是灾难性的。

自动驾驶无人机上，飞行员并不主动干涉无人机的飞行。他们远程监控操作，只有在绝对必要的时候才会手动驾驶无人机。最著名的例子是亚马逊的Prime Air，这是一个无人机送货服务，它们正在开发自动驾驶无人机来运送包裹.

人脸识别

人脸识别系统是监控摄像头的发展方向，它可以通过学习人脸识别人类个体。2019年11月，WDS有限公司发布了AI摄像头模块Eeye，通过边缘AI实时分析面部特征。Eeye能快速准确地识别人脸，适用于针对性别、年龄等特征的营销工具，和用来解锁设备的人脸识别场景。

智能手机

这是我们最熟悉的边缘AI设备。Siri和谷歌助手是智能手机上边缘AI的好例子，因为该技术驱动了它们的语音UI。手机上的AI使得数据处理发生在设备（边缘）侧，这意味着不需要将设备数据交付到云端。这有助于保护隐私和减少流量。

未来的边缘AI

边缘AI正高速增长，我们已经看到对该技术的大量投资。像Konduit AI这样的公司正在将它作为其在东南亚的AI战略的关键部分。另一个例子是2020年1月，苹果耗资2亿美元收购了位于西雅图的AI企业Xnor.ai。Xnor.ai的AI技术通过边缘处理来处理用户智能手机上的数据。随着智能手机本身内置人工智能，我们可能会看到语音处理、人脸识别技术和隐私保护方面的进步。。

根据富士景气集团发布的 "2019年AI业务汇总调查"，日本的边缘AI计算市场在2018财年的预测市场规模为110亿日元。调查预测，2030财年市场规模将扩大到664亿日元。

而随着5G的普及，可能也将看到全球边缘AI服务成本的下降和需求的上升。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”