延遲問題。這就是為什麼在邊緣發展運算能力。
“邊緣環境中有如此多的數據,” IBM Watson首席技術長 Rob High對PC Magazine提到 “把雲端運算的一些性能引入到邊緣設備十分有意義。” 他提出了一個很好的觀點。資料處理和人工智慧如果更靠近物聯網設備,邊緣電腦可以做出即時決策,以適當的速度、智慧性和整體可靠性運行,這在基於雲端的解決方案中是無法實現的。 這是一種改變遊戲規則的方法,最新SoC神經處理器 – 如威盛ALTA DS 3 Edge AI系統中的神經處理器 – 能夠加速關鍵的“深度學習”應用,包括圖像識別、語音識別 、數據分析和自然語言處理。 正如Gartner的Tom Bittman在《The Edge Will Eat The Cloud》一文中寫道:”由於人們需要與他們的數位輔助現實作實時互動,等待距離數英哩(或很多英哩)外的數據中心將不可行。 延遲很重要。 我現在在這裡,可是我幾秒後就走了。 在我轉移目光之前播放吸引人的廣告;當我開車時,指出我一直在尋找的商店;讓我知道有位同事正朝我前進,協助我的無人車避開其他車輛通過繁忙的十字路口。 那現在就起身而行。”零售業中的邊緣人工智慧
零售業將因邊緣AI硬體而受益。憑藉威盛智慧零售管理系統,商店可以立即發現被列入黑名單的消費者,更可以收集偵測年齡和性別的資料,讓零售商對消費者有更深入地瞭解。
運輸業的邊緣AI
完全無人車是城市交通的未來,邊緣運算(與人工智慧處理)將是其發展的關鍵。使用先進的感測器和攝影機,無人車輛可以通過技術提升性能,從而使其更加安全有效。 例如,恩馳汽車公司用威盛Mobile360 ADAS系統打造了一輛無人駕駛電動公車,並於中國浙江省湖州登場亮相。 即時捕捉資料和做出駕駛決策的能力至關重要。於此,道路掃描LIDAR感測器將資料回傳到威盛Mobile360系統,該系統提供四台高解析度攝影鏡頭,可拍攝公車的360度視圖。其他駕駛員輔助工具包括車道偏離、碰撞警示、盲點檢測和限速監測。若僅憑雲端運算,並不能處理所有資料並提供所需的決策速度。