边缘AI：为什么AI计算的未来在边缘端

边缘人工智能使组织能够直接在数据源处获取实时洞察。图片：Alamy

在过去两年里，人工智能一直是科技界的热门话题，我们已经看到了像ChatGPT、Midjourney等人工智能工具的实际效用价值。

然而，当聚光灯集中在生成式人工智能上时大型语言模型对于需要实时和本地决策的行业（如制造业）而言，这些技术（如大语言模型(LLM)）是不切实际的。

边缘人工智能通过在紧凑的计算平台上处理大规模数据集，并使用更小、更高效的机器学习模型来提供实时的人工智能洞察，旨在解决这一挑战。

正如专家所指出的，AI计算过程应该发生在为企业创造最大价值的地方。对于许多工业企业来说，这靠近数据生成的地方——就在现场。边缘（技术）.

像从未有过的那样，有一种强烈的在边缘创新的动力，这在NTT DATA公司得到了体现。2023边缘优势报告该调查访问了来自多个行业的600家企业，结果显示“约70%的企业现在使用边缘解决方案来解决业务挑战。”

但边缘人工智能究竟是什么，它将如何改变未来的人工智能计算？

边缘人工智能：提高运营效率

边缘人工智能描述了在数据生成时和生成地点（即在网络的边缘）处理数据的过程，而不是单纯依赖远程处理。云支持这种方法的人认为，通过将计算能力移到边缘，公司可以获取有助于提高运营效率的洞察。

相关：微软和黑石启动了300亿美元的人工智能数据中心投资基金

凯汉·克里彭多夫，Outthinker Networks的创始人及合著者近距离认为“人工智能计算不仅是未来，它已经存在”，并补充说“特别是制造企业，正在将AI系统从云端移至边缘，从而实现更快的数据处理、减少延迟和云服务器成本。”

将AI系统从云端移到边缘，特别是在制造环境中，会导致来自物联网(IoT)设备和传感器的数据处理速度加快，这些设备和传感器通过工厂内的本地网络连接。这会减少延迟，降低云服务器费用“并开启了本地创新的新可能性。”

但不仅仅是克里彭多夫认为边缘人工智能已经存在。其他几位业内专家，如NTT边缘服务高级总监保罗·布劳多夫，也持相同观点。

“我们看到多家企业正在推动这些解决方案，”Bloudoff说。“原因是边缘人工智能将可操作的智能和实时决策的可能性带入了运营技术环境，例如工厂车间。”

相关：边缘端的大规模语言模型如何帮助解决AI数据中心问题

如今，边缘人工智能市场正在迅速扩张，推动这一变化的关键参与者包括NTT DATA、西门子、IBM和微软，每一家公司都以其独特的方式进入市场。

NTT最近推出了一款超轻量边缘AI平台，这是一款完全管理的边缘AI解决方案，能够“打破IT-OT隔阂，为工业和制造业提供高级AI用例。”

另一方面，西门子开发了一个工业边缘平台，允许制造商直接在工厂车间部署AI应用程序。IBM的边缘应用管理器则专注于为医疗、电信和汽车等行业中的边缘设备提供AI解决方案。

边缘人工智能的实际应用

边缘人工智能已经部署在众多行业中，早期采用者报告了运营效率、成本降低和创新能力方面的显著改进。最值得注意的一个领域是制造业。

通过边缘AI，制造商现在可以本地处理数据，从而实现实时处理监控预测性维护和工厂级别的智能决策。

相关：私有云与公共云：哪个选项更便宜？

例如，生产机器上的物联网传感器可以生成数据流，这些数据流会立即由边缘人工智能系统分析以预测潜在的设备故障。这使得制造商能够在发生故障之前进行维护，减少停机时间并提高整体生产力。

一家已经在其制造过程中成功实施边缘人工智能的公司是全球家电和电子制造商海尔。通过在其本地工厂利用边缘人工智能，海尔表示已经优化了生产流程，并且能够更有效地为当地市场定制产品。

将云处理与边缘应用相结合的战略如此成功，海尔现在将其集成的AI系统提供给其他制造商使用。COSMOPlat，海尔于2017年成立的公司。

但边缘人工智能的影响不仅限于制造业。智慧城市也在利用边缘人工智能来增强城市基础设施和服务，优化交通管理，监控公共安全，甚至实时追踪空气质量与天气模式等环境条件。

通往边缘的道路上的障碍

尽管人们对边缘人工智能的兴趣日益增长，其采用并非没有挑战。根据2023年《边缘优势报告》，“接近40%计划部署边缘技术的人表示，他们对现有基础设施支持该技术的能力感到担忧。”

Bloudoff承认这些担忧，指出许多企业在将边缘解决方案与其现有的IT和OT基础设施集成时面临重大障碍。

阅读更多关于最新下一代数据中心的新闻

一个关键的挑战是确保来自物联网设备、传感器和机械的数据能够无缝地在边缘被收集、处理和分析。这需要强大的硬件和软件解决方案，能够应对实时环境中生成的数据量和复杂性。

然而，像NTT这样的超轻边缘AI平台等解决方案被设计出来以帮助简化边缘处的AI应用部署和管理。该平台的自动发现功能会扫描整个IT和OT环境，清点资产、识别漏洞并优化数据收集。

“通过自动化发现和收集多样化的物联网和操作技术设备到一个单一的数据平面，以实现实时决策，我们正在消除边缘计算采用的障碍，”Bloudoff说。

边缘计算上的AI与可持续性

除了运营效率和创新之外，边缘人工智能也为企业提供了独特的机会来满足他们的可持续性目标。由于边缘AI在当地处理数据，它减少了能源密集型云端计算的需求，从而减少了远程数据传输和云存储相关的碳排放。

正如Bloudoff所指出的，部署边缘AI应用的企业不仅提升了生产力，还朝着更加可持续的运营方向迈进。“通过减少能源消耗和网络拥堵，边缘人工智能帮助企业降低了环境影响，同时推动了数字化转型。”他补充道。

随着可持续性成为全球企业越来越重要的考虑因素，边缘人工智能能够提供运营和环境效益的能力很可能是其持续被采纳的动力。