釋放邊緣運算的潛能

edge computing

邊緣運算提供幾個雲端運算無法比擬的關鍵優勢

邊緣運算具備革命性的潛力。 將處理和智能遠離雲端,並靠近物聯網設備,可以為處理數據的方式帶來巨大的好處,,促使業務煥然一新。

主要益處有兩個:提高速度和減少對快速網路連接的要求。 首先,不再需要將數據發送到雲端進行處理,因此結果幾乎是即時的。 但第二個好處也許更有趣。 邊緣設備可以離線決策,而不是將數據傳輸到雲端。 對於連接不良或不可靠的區域,“Edge AI”系統可以在雲端系統出現故障的情況下工作。

一個典型的例子就是無人駕駛車,它需要立即做出決策,並且經常在沒有穩定網絡連接的區域進行。 於此,邊緣運算(與Edge AI結合)則是做出情境決策的唯一方法。 實際上,已經計算出自動緊急剎車(AEB)系統可以預期將碰撞時啟動,將能減少38%的事故發生。

為何需要Edge AI?

實現Edge AI需要物聯網感測器,以便將資料傳回本地端電腦。然後電腦使用編程的資訊來使輸入合理化,以便進行操作。

當然,使用收集數據的電腦需要強而有力且輕薄的嵌入式平臺,例如威盛SOM-9X20模組威盛ALTA DS 3系統

邊緣運算潛能-1
分散式邊緣運算將使無人駕駛車能夠更快地回應無法預期的道路需求。

聽起來很簡單,Edge AI的實現範圍卻可能從簡單到極其複雜。 事實上,Edge AI沒有一個通用的解決方案,這導致了幾個常見的實行障礙, Penton的調查巧妙地作了概述。 下述,我們將探究三個最大的障礙,以及如何在不同行業中克服它們。

1. 資料隱私權及安全性

隱私權對每個人而言都是最重要的,它同時也保護個人資料。消費者越來越在意隱私問題,並對我們使用的數據感興趣,而較嚴格的數據保護法,如歐盟的GDPR,正讓公司三思而後行,如何收集、存儲和使用信息。

然而,Edge AI 可以協助改善隱私權和安全性。Edge AI 系統可以藉由訓練以過濾出私人資訊,大數據分析的格式化資料收集則可使其通用。而且,對於預先格式化的資料,如果沒有單一的存儲點,安全性就會大大提升。

例如,用作零售業務中的客戶管理平台的一部分的人臉辨識系統可以使用本地處理資源來識別消費者,因此不向雲端發送個人資料。另外,對於數據收集,僅收集通用的人口統計資訊,例如年齡和性別。

對於醫療保健,數據也可以在本地存儲和處理。 因此,心電圖監測儀器只能在檢測到異常節律時發送警報,而不是將所有數據存儲在雲端。 同樣地,無人駕駛車將針對刺激做出反應,但可能只會將通用駕駛統計數據發送回雲端,以更新地圖或改進現有的自動化系統。

2. 高應用成本和淘汰的系統

商業上的預算總是吃緊,並且真正關注實施新技術以及償還投資需要多長時間。 雖然總是需進行全面性成本分析,但價格不應成為入門的障礙。 現成的系統和較小的試驗則可以協助釐清每筆花費。

在零售業方面,威盛智慧零售管理系統使您能夠識別VIP客戶,將已知的商店扒手列入黑名單並收集客戶人口統計數據。

邊緣運算的潛能-2
將邊緣運算技術與人臉辨識相結合,可以為零售商提供珍貴的數據驅動見解。

同樣地,威盛Mobile360 ADAS系統可以安裝在現有車輛上,藉由360度攝影視圖和碰撞警示來提高安全性。

在製造業,您願意為傳統設備添加額外的感測器,然後使用Edge AI來監控潛在的問題嗎?透過這種方式,您既可以使用現有設備,還能從預測性維護計劃中受益,從而減少停機時間。 英特爾透過高達97% 振動感測器的使用,提高風扇過濾裝置的正常運行時間來判別故障

3. 基礎設施不足

物聯網設備能生成大量數據,這全部都需要進行處置、管理和控制。 人們擔心基礎設施的所需層級,許多企業也發現他們的網路已經滿載運行。

然而,邊緣計算可以解決這一問題。透過監看和管控本地資料,邊緣AI設備可以限制收集和傳輸的總量。因此,只有真正對基於雲端的大數據分析專案有用的資料需要集中收集和存儲。而且,可以仔細地設定資料傳輸,消弭慢速或網路連接中斷的問題。

Edge AI有改變業務的能力,且這個過程既不複雜,也不昂貴。藉由專注於某個項目或領域,Edge AI用速度和成本來導入, 這與您現在和未來的業務需求可相互匹配。

威盛開發了一系列高度定制的Edge  AI解決方案,幫助您儘快導入使用,包括威盛SOM-9X20模組威盛Edge AI開發套件威盛ALTA DS 3系統

威盛電子股份有限公司