智能邊緣設(shè)備的大量涌現(xiàn)已從根本上改變了人與機器間的交互。智能設(shè)備可豐富用戶體驗，自動化日常工作，增強流程和工作流程，提高企業(yè)生產(chǎn)力，促進(jìn)商業(yè)生產(chǎn)力和業(yè)務(wù)增長，并提高人類社會的整體幸福感。促成這些變化的一項基本技術(shù)是邊緣機器學(xué)習(xí)（ML）。通過將推理工作負(fù)載置于邊緣，可針對處理和電源資源有限的環(huán)境簡化并優(yōu)化機器學(xué)習(xí)實現(xiàn)。邊緣機器學(xué)習(xí)使智能更貼近終端設(shè)備，從而實現(xiàn)更快速更可靠的決策制定，同時維護(hù)數(shù)據(jù)安全與隱私。

ABI Research預(yù)測，2021年至2026年，具有邊緣機器學(xué)習(xí)功能的設(shè)備出貨量將以24.5%的平均復(fù)合增長率（CAGR）增長。開發(fā)人員深知該市場潛力，都希望能夠利用該技術(shù)，但在開發(fā)模型和產(chǎn)品時卻面臨著各種挑戰(zhàn)。值得慶幸的是，他們可以從不同邊緣機器學(xué)習(xí)解決方案提供商那里選擇適合自己的組件。

本白皮書概述了開發(fā)人員在為其邊緣機器學(xué)習(xí)項目選擇最佳處理解決方案時需要考慮的關(guān)鍵因素，即定制的處理性能、更高的能源效率、易于使用的開發(fā)環(huán)境、增強安全和廣泛的生態(tài)系統(tǒng)。關(guān)注這五個因素將有助于開發(fā)人員進(jìn)行邊緣機器學(xué)習(xí)設(shè)計、開發(fā)和部署，并使其能夠抓住邊緣機器學(xué)習(xí)市場的增長機會。

邊緣機器學(xué)習(xí)和智能邊緣的興起

基于云的人工智能（AI）的普及已經(jīng)徹底改變了許多企業(yè)的決策制定過程。通過利用物聯(lián)網(wǎng)（IoT）的進(jìn)步，企業(yè)實現(xiàn)了資產(chǎn)、工具和設(shè)備與云端數(shù)據(jù)采集平臺互連。利用這些平臺，企業(yè)可收集實時數(shù)據(jù)進(jìn)行分析，以更好地了解其運營，同時發(fā)現(xiàn)實現(xiàn)進(jìn)一步優(yōu)化、安全和自動化的機會。因此，基于云的人工智能已成為實現(xiàn)工作流程自動化和提高運營效率的關(guān)鍵工具。

多年來，互聯(lián)設(shè)備的使用呈爆炸式增長，全球物聯(lián)網(wǎng)連接總量從2014年的10億增長至2021年的86億，達(dá)到35.4%。

圖表1 ：全球物聯(lián)網(wǎng)連接以及數(shù)據(jù)和分析服務(wù)收入：2014至2021

邊緣互聯(lián)時代使人們對從這些設(shè)備提取數(shù)據(jù)并實時理解這些數(shù)據(jù)產(chǎn)生了強烈需求。企業(yè)開始采用基于云的人工智能服務(wù)和物聯(lián)網(wǎng)管理平臺，如實時數(shù)據(jù)流、采集和存儲、基于人工智能的數(shù)據(jù)分析以及描述性和預(yù)測性維護(hù)。

一般而言，人工智能主要有兩種類型，即基于規(guī)則的人工智能和基于機器學(xué)習(xí)的人工智能。

基于規(guī)則的人工智能模型為自動化決策制定系統(tǒng)，基于人類專家知識構(gòu)建而成。雖然這些人工智能系統(tǒng)可提供確定性輸出，但它們受限于人類知識水平。隨著企業(yè)開始采集更多數(shù)據(jù)，它們希望能夠了解所收集數(shù)據(jù)的含義，確定其環(huán)境并得出見解。然而，基于規(guī)則的人工智能模型并不是交付數(shù)據(jù)驅(qū)動型見解的理想選擇。

另一方面，基于機器學(xué)習(xí)的人工智能模型可實現(xiàn)這一功能。機器學(xué)習(xí)模型可基于其分析的數(shù)據(jù)得出見解。同時，此類模型還可以在數(shù)據(jù)分析過程中自動學(xué)習(xí)并提高自己的準(zhǔn)確性。近幾年，一種基于深度神經(jīng)網(wǎng)絡(luò)（DNN）的機器學(xué)習(xí)技術(shù)越來越受歡迎，即深度學(xué)習(xí)（DL）。深度學(xué)習(xí)模型的目標(biāo)是通過特征工程對大量數(shù)據(jù)進(jìn)行多層處理，以識別其模式，優(yōu)化決策制定并獲得更準(zhǔn)確的預(yù)測。

在機器學(xué)習(xí)開發(fā)的早期階段，機器學(xué)習(xí)開發(fā)人員將所有模型（包括訓(xùn)練和推理工作負(fù)載）托管在云中，以便利用云計算的可擴展性、靈活性和成本效益。當(dāng)時的機器學(xué)習(xí)模型規(guī)模龐大，不適合部署在邊緣設(shè)備上。盡管基于云的人工智能可提供數(shù)據(jù)驅(qū)動型見解，但該技術(shù)也面臨幾個根本的局限性 ：

連接

云人工智能需要持續(xù)的連接。云連接的丟失成為基于云的人工智能的單一故障點。企業(yè)需要在電信基礎(chǔ)設(shè)施方面投入更多資源，以保持邊緣設(shè)備的云連接。

用戶體驗

云端處理需要一系列操作，首先將數(shù)據(jù)發(fā)送到云，對數(shù)據(jù)進(jìn)行修剪和處理，然后生成響應(yīng)。這一系列操作會引起延遲，因為完成整個流程需要時間，從而導(dǎo)致糟糕的用戶體驗。

數(shù)據(jù)安全和隱私

基于云的人工智能要求在云中發(fā)送和處理所有數(shù)據(jù)。因此，基于云的人工智能成為許多用戶的關(guān)鍵和敏感信息存儲庫，從而成為黑客的攻擊目標(biāo)。此外，與單個邊緣設(shè)備攻擊相比，惡意分子只要投入足夠的時間和精力，就可以訪問并操控云中的更多數(shù)據(jù)。

在了解基于云的人工智能面臨的挑戰(zhàn)后，機器學(xué)習(xí)開發(fā)人員社區(qū)開始采用新方法。他們通過智能邊緣讓智能更貼近終端設(shè)備。

智能邊緣可將數(shù)據(jù)處理和機器學(xué)習(xí)推理工作負(fù)載轉(zhuǎn)移到整套傳感器和邊緣設(shè)備中。利用設(shè)備端推理功能，設(shè)備可以收集實時數(shù)據(jù)點，處理數(shù)據(jù)，并生成數(shù)據(jù)驅(qū)動型輸出，同時盡可能減少延遲。其目標(biāo)是利用關(guān)鍵任務(wù)數(shù)據(jù)進(jìn)行實時預(yù)測，包括機器視覺、語音識別、生物識別和異常檢測。

此外，在邊緣對原始數(shù)據(jù)進(jìn)行預(yù)處理意味著設(shè)備無需依賴持續(xù)的云連接。如今，以移動為中心的設(shè)備（如自動移動機器人、無人機、機器人出租車和自動消費車）具備設(shè)備端機器學(xué)習(xí)功能，且無需以太網(wǎng)連接或無處不在的無線連接。此外，由于邊緣設(shè)備可處理原始數(shù)據(jù)，這些潛在的隱私關(guān)鍵型敏感數(shù)據(jù)不會再被發(fā)送到云端。這樣一來，企業(yè)就可以將網(wǎng)絡(luò)安全風(fēng)險降至最低，并遵守消費者數(shù)據(jù)隱私要求。

盡管機器學(xué)習(xí)具有一定優(yōu)勢，但智能邊緣的機器學(xué)習(xí)仍取決于設(shè)備和用例。為提供更全面的無縫用戶體驗，邊緣設(shè)備需要具備環(huán)境感知功能。環(huán)境感知邊緣設(shè)備允許同一環(huán)境下的設(shè)備進(jìn)行通信和交互，并根據(jù)這些交互做出決策和預(yù)測。通過在這些設(shè)備中使用復(fù)雜的機器學(xué)習(xí)模型，未來的用例（如本地環(huán)境個性化、熄燈工廠以及遠(yuǎn)程患者診斷和護(hù)理）將開始逐一實現(xiàn)。

盡管如此，在環(huán)境感知邊緣成為主流之前，行業(yè)仍需克服幾大障礙。

環(huán)境感知邊緣設(shè)備需要設(shè)備間無縫通信網(wǎng)絡(luò)和實時信息交換。

這些設(shè)備需要運行高級模型，即多模態(tài)學(xué)習(xí)模型。這些模型通常需要密集型計算能力，以處理和協(xié)調(diào)來自多個傳感器的輸入，包括圖像、音頻、溫度、壓力和振動數(shù)據(jù)。

許多開發(fā)人員尚未在其產(chǎn)品中實現(xiàn)邊緣機器學(xué)習(xí)。

因此，業(yè)界迫切需要穩(wěn)定且易于使用的工具，以幫助機器學(xué)習(xí)開發(fā)人員更加熟悉環(huán)境感知邊緣，并推動創(chuàng)建高度創(chuàng)新型開發(fā)人員社區(qū)。盡管邊緣機器學(xué)習(xí)行業(yè)距離環(huán)境感知邊緣仍有很長的一段路要走，但隨著邊緣機器學(xué)習(xí)的快速普及，實現(xiàn)環(huán)境感知邊緣將指日可待。

邊緣機器學(xué)習(xí)成功的關(guān)鍵因素

邊緣機器學(xué)習(xí)時代已真正到來。ABI Research預(yù)測，2021年至2026年，具有邊緣機器學(xué)習(xí)功能的設(shè)備出貨量將以24.5%的CAGR增長。越來越多的技術(shù)供應(yīng)商和公司開始投入大量資源來開發(fā)邊緣機器學(xué)習(xí)解決方案和用例。與具有標(biāo)準(zhǔn)化服務(wù)器和處理器的云環(huán)境不同，邊緣機器學(xué)習(xí)是一個多樣化市場，涵蓋了廣泛的垂直領(lǐng)域、設(shè)備外形、處理能力和用例。

圖表2表明，消費電子設(shè)備（智能手機、游戲機、可穿戴設(shè)備和智能家居設(shè)備）是最大的邊緣機器學(xué)習(xí)市場，占整個市場份額的85%。然而，雖然消費電子應(yīng)用仍對邊緣機器學(xué)習(xí)的開發(fā)和創(chuàng)新具有高度影響，但越來越多的供應(yīng)商開始尋求該垂直領(lǐng)域之外的發(fā)展機會。越來越多的供應(yīng)商開始針對汽車、農(nóng)業(yè)、健康保健、工業(yè)和制造業(yè)、零售、機器人、智能樓宇、智慧城市、交通、物流和公用事業(yè)等特定垂直領(lǐng)域提供相應(yīng)解決方案。從2022年起，這些垂直領(lǐng)域?qū)吘墮C器學(xué)習(xí)的需求預(yù)計將呈指數(shù)級增長。

通過具體了解幾個主要垂直領(lǐng)域，我們發(fā)現(xiàn)邊緣機器學(xué)習(xí)的重要性十分明顯 ：

汽車

汽車應(yīng)用一直都是邊緣機器學(xué)習(xí)開發(fā)的主要驅(qū)動因素。技術(shù)供應(yīng)商競相推出針對高級駕駛輔助（ADAS）和自動駕駛的硬件、軟件和服務(wù)。關(guān)鍵用例包括自適應(yīng)巡航控制、同步定位與建圖（SLAM）、駕駛員監(jiān)測、橫向和縱向輔助、夜視、個性化原始設(shè)備制造商（OEM）嵌入式信息娛樂系統(tǒng)以及無人出租車。

雖然目前市面上的大部分車輛都處于ADAS L0和L1水平，但預(yù)計汽車市場將經(jīng)歷快速變化。目前奧迪、福特、通用和特斯拉等新車普遍采用L2自動駕駛技術(shù)。開發(fā)人員正在努力實現(xiàn)L3和L4，早期的L5車輛將在2025年測試和發(fā)布。ABI Research預(yù)測，2021年至2026年，具有邊緣機器學(xué)習(xí)功能的汽車出貨量將增加4.5倍。

商用

邊緣機器學(xué)習(xí)普及的最明顯跡象就是邊緣機器學(xué)習(xí)設(shè)備在商業(yè)領(lǐng)域的涌現(xiàn)。ABI Research預(yù)測，未來五年，零售、智能樓宇以及交通物流領(lǐng)域的邊緣機器學(xué)習(xí)設(shè)備出貨量將分別增長2倍、4倍和1.7倍。

零售商開始逐漸部署面向智能付款臺、庫存監(jiān)控和倉庫執(zhí)行的自動解決方案。如今，商業(yè)樓宇配備了各種樓宇自動化系統(tǒng)，這些系統(tǒng)利用智能傳感器和攝像頭進(jìn)行占位檢測、溫度調(diào)節(jié)以及確保安全。交通物流公司開始在重型機械和基礎(chǔ)設(shè)施中部署智能傳感系統(tǒng)。例如 ：卡車和鐵路運輸服務(wù)提供商可執(zhí)行設(shè)備管理和預(yù)測性維護(hù)，而倉儲服務(wù)提供商則可以在其存儲設(shè)施中實施簡單的貨盤計數(shù)和環(huán)境控制。

健康保健

與其他垂直行業(yè)相比，健康保健機構(gòu)在采用人工智能方面的進(jìn)展比較緩慢。進(jìn)展緩慢的主要原因包括嚴(yán)格的法規(guī)、屬于風(fēng)險規(guī)避領(lǐng)域，以及優(yōu)先確保高準(zhǔn)確性和高精度的要求。因此，在可預(yù)測的未來，健康保健并不是邊緣機器學(xué)習(xí)市場的重要組成部分。

盡管如此，由于其基數(shù)較低，具有邊緣機器學(xué)習(xí)能力的健康保健設(shè)備出貨量預(yù)計在未來五年將實現(xiàn)6倍增長。COVID-19疫情進(jìn)一步表明，健康保健是最迫切需要采用邊緣機器學(xué)習(xí)解決方案的領(lǐng)域之一。隨著智能醫(yī)院的出現(xiàn)，具有邊緣機器學(xué)習(xí)能力的醫(yī)療設(shè)備可以安全可靠地實現(xiàn)一些關(guān)鍵工作負(fù)載，包括患者監(jiān)護(hù)和篩查、臨床診斷、個性化治療、用藥處方、遠(yuǎn)程醫(yī)療等。醫(yī)院現(xiàn)在可以通過智能設(shè)備的操作洞察力來增強醫(yī)務(wù)人員的知識，從而有效地管理其資源、人員和能力。

工業(yè)

農(nóng)業(yè)、石油和天然氣以及制造業(yè)的工業(yè)企業(yè)都使用邊緣機器學(xué)習(xí)來實現(xiàn)整體效率的提升、缺陷檢查、預(yù)測性維護(hù)、工作場所安全管理和自動物料處理。近期的工廠資產(chǎn)數(shù)字化也側(cè)重于流程自動化、遠(yuǎn)程工廠車間操作以及靈活的基礎(chǔ)設(shè)施維護(hù)和升級。自動移動機器人和叉車中也部署了基于機器學(xué)習(xí)的機器視覺，以實現(xiàn)定位和導(dǎo)航、物品分揀、分類和分割。

鑒于這些數(shù)據(jù)對生產(chǎn)和工作流程的敏感性和關(guān)鍵性，工業(yè)和制造業(yè)公司對公布的數(shù)據(jù)非常謹(jǐn)慎。因此促進(jìn)了他們在工作場所廣泛采用邊緣機器學(xué)習(xí)設(shè)備和服務(wù)器。由于起始基數(shù)小，具有邊緣機器學(xué)習(xí)能力的工業(yè)設(shè)備出貨量預(yù)計在未來五年將實現(xiàn)20倍增長。

公共基礎(chǔ)設(shè)施

公共基礎(chǔ)設(shè)施是指部署在智慧城市中的邊緣機器學(xué)習(xí)設(shè)備。數(shù)十年來，城市一直面臨著擁堵、污染和安全等挑戰(zhàn)。因此，許多城市都在積極探索邊緣機器學(xué)習(xí)能力。例如 ：智能交通管理、自動駕駛車輛、行人流量監(jiān)測和管理、物理和周邊安全以及預(yù)防性威脅檢測等應(yīng)用都部署了具有深度學(xué)習(xí)模型的智能攝像頭，以實現(xiàn)決策制定的自動化和增強。

與此同時，智能傳感器已被嵌入各種公共資產(chǎn)和基礎(chǔ)設(shè)施中，以收集信息，并提供公共場所的洞見，從而創(chuàng)建可持續(xù)的彈性城市。因此，預(yù)計2021年至2026年的出貨量將翻倍。

為有效地應(yīng)對上述邊緣設(shè)備和用例的多樣性，機器學(xué)習(xí)開發(fā)人員需要擁有數(shù)據(jù)操作、機器學(xué)習(xí)工程、嵌入式系統(tǒng)設(shè)計以及邊緣機器學(xué)習(xí)硬件和軟件方面的大量專業(yè)知識。然而，并非所有開發(fā)人員都具備成功實施邊緣機器學(xué)習(xí)項目所需的知識。同時，邊緣機器學(xué)習(xí)應(yīng)用必須得到最優(yōu)機器學(xué)習(xí)硬件的支持，以實現(xiàn)成本、性能和能效之間的適當(dāng)平衡。最后，如果沒有來自邊緣機器學(xué)習(xí)處理器供應(yīng)商的重要貢獻(xiàn)，邊緣機器學(xué)習(xí)的市場滲透將是有限的。

芯片供應(yīng)商應(yīng)組合必要的工具，以幫助整個開發(fā)人員生態(tài)系統(tǒng)克服這些限制，特別是針對機器學(xué)習(xí)開發(fā)人 員。近年來邊緣機器學(xué)習(xí)處理器供應(yīng)商針對推動邊緣機器普及的五個關(guān)鍵因素推出了一些創(chuàng)新解決方案： 處理性能、能效、開發(fā)環(huán)境、增強安全以及供應(yīng)商生態(tài)系統(tǒng)。

閱讀完整研究報告

在本研究報告接下來的章節(jié)中，將詳細(xì)分析推動邊緣機器學(xué)習(xí)普及的五個關(guān)鍵因素，并對未來的前景進(jìn)行展望，主要的內(nèi)容包括：

定制的處理能力

更高的能源效率

易于使用的開發(fā)環(huán)境

增強安全

大型生態(tài)系統(tǒng)

邊緣機器學(xué)習(xí)的普及

原文標(biāo)題：邊緣機器學(xué)習(xí)的大眾時代：讀懂AI，這份研究報告值得反復(fù)研讀（內(nèi)附下載鏈接）

文章出處：【微信公眾號：NXP客?！繗g迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。