物聯(lián)網(wǎng)（IOT）通過將虛擬和現(xiàn)實融為一體，將世界變得更智能、更具響應性。在過去的幾年里，物聯(lián)網(wǎng)在廣泛的應用領(lǐng)域呈現(xiàn)出指數(shù)級增長。根據(jù)麥肯錫的一項研究，到2025年，物聯(lián)網(wǎng)將產(chǎn)生4到11萬億美元的經(jīng)濟影響。邊緣設(shè)備將變得更加智能，廠家也正在競相支持更多互聯(lián)和智能的端點設(shè)備。

在安全的云基礎(chǔ)設(shè)施的支持下，智能互聯(lián)設(shè)備具有許多優(yōu)勢，持有成本、資源效率、靈活以及方便使用。然而，在設(shè)備和云之間來回傳輸數(shù)據(jù)的過程，會帶來額外的數(shù)據(jù)延遲和隱私風險。對于非實時、低延遲要求的應用來講，這通常不是問題，但對于依賴實時分析并需要在事件發(fā)生時快速響應的業(yè)務來說，這會造成性能的瓶頸。

想象一下，在一個工廠中，通過實時數(shù)據(jù)分析和智能化設(shè)備進行感應通信，可以顯著優(yōu)化整體運營、物流和供應鏈。這種工業(yè)傳感器產(chǎn)生的數(shù)據(jù)和為之響應的控制設(shè)備對工廠操作人員幫助很大，通過預防性的異常檢測避免生產(chǎn)事故，確保工作場所的安全。

這也體現(xiàn)出了執(zhí)行本地化機器學習和分析的現(xiàn)實需求，縮短關(guān)鍵應用程序的響應延遲，防止數(shù)據(jù)泄露，并有效管理物聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)。那么就要將數(shù)據(jù)的計算下放到離數(shù)據(jù)采集更近的地方，即所謂“端點”，而不是將數(shù)據(jù)統(tǒng)統(tǒng)發(fā)送回云端的數(shù)據(jù)中心進行處理。

將高性能物聯(lián)網(wǎng)設(shè)備與人工智能相結(jié)合，創(chuàng)造出新的應用場景，就是所謂的AIoT。AIoT——邊緣設(shè)備上人工智能——釋放無限可能。例如：助聽器利用算法從談話中過濾背景噪音，智能家居設(shè)備依靠人臉和聲音識別來切換用戶的個性化設(shè)置。正因為端點人工智能，這些個性化的感知、決策和預測成為可能。

Endpoint AI是人工智能領(lǐng)域一個新的前沿技術(shù)，它將人工智能的處理能力帶到了網(wǎng)絡邊緣。這是一種在本地設(shè)備上管理信息、搜集數(shù)據(jù)和做出決策的革命性方式。換言之，它為用于數(shù)據(jù)計算的物聯(lián)網(wǎng)設(shè)備賦予了人工智能，即實時決策的能力。目標是讓基于機器學習的智能決策在物理上更接近數(shù)據(jù)源。如下圖所示，預先訓練好的AI/ML模型可以有效地部署在端點，從而實現(xiàn)比傳統(tǒng)云連接的物聯(lián)網(wǎng)系統(tǒng)更高的系統(tǒng)效率。

傳統(tǒng)物聯(lián)網(wǎng)vs人工智能物聯(lián)網(wǎng)

Endpoint AI基于在本地邊緣設(shè)備上運行機器學習算法來做出決策，而不必向云服務器發(fā)送信息（至少減少發(fā)送的信息量）。

借助從物聯(lián)網(wǎng)設(shè)備收集的大量實時數(shù)據(jù)，智能機器學習算法可以高效地從實時數(shù)據(jù)中獲取最有價值的洞察能力。然而，這些機器學習算法可能很復雜，因為它們需要更高的計算能力和更大的內(nèi)存。此外，在龐大的數(shù)據(jù)集中進行模式識別并做出準確決策所需的時間可能相當長。

過去，在資源受限的微控制器等設(shè)備上采用高效的機器學習算法是不可行的，但隨著TinyML技術(shù)的進步，一切變得可能。TinyML已經(jīng)成為許多嵌入式應用的規(guī)則改變者，因為它允許用戶直接在微控制器上運行ML算法。它能帶來更高效的能源管理、數(shù)據(jù)保護、更快的響應時間以及能在端點上運行的優(yōu)化算法。

此外，新一代通用微控制器提供了足夠的計算能力、智能的省電外設(shè)，最重要的是，強大的安全引擎來支持設(shè)備對數(shù)據(jù)隱私的要求。這為AIoT領(lǐng)域的新應用以及新型數(shù)據(jù)處理、延遲和安全解決方案創(chuàng)造了條件，并支持離線或者在線運行。

讓我們簡單了解一下Endpoint AI（端點人工智能）的優(yōu)勢。

隱私和安全-這是先決條件

在對隱私和安全非常重視的環(huán)境，通常是來自法規(guī)和商業(yè)需求的壓力，數(shù)據(jù)的搜集和分析是endpoint AI的核心。Endpoint AI從根本上來講它更加安全。數(shù)據(jù)不被發(fā)送到云端，而是由端點本身來處理。根據(jù)F-Secure報告，物聯(lián)網(wǎng)中的端點設(shè)備是“2019年網(wǎng)絡攻擊的首要目標”，另一項研究表明，物聯(lián)網(wǎng)設(shè)備平均每月遭受5200次攻擊。這些攻擊大多發(fā)生在數(shù)據(jù)從物聯(lián)網(wǎng)設(shè)備傳輸?shù)皆贫说倪^程。那么，數(shù)據(jù)不出本地就能進行數(shù)據(jù)分析，可以大大提高抵御黑客攻擊的能力。

高效的數(shù)據(jù)傳輸

數(shù)據(jù)的集中處理需要將數(shù)據(jù)從數(shù)據(jù)源轉(zhuǎn)發(fā)到處理中心，以便對其進行分析。傳輸數(shù)據(jù)的時間可能會很長，也存在數(shù)據(jù)出錯的風險，尤其是傳輸路徑上環(huán)境發(fā)生重大變化的情況下。

Endpoint AI將數(shù)據(jù)從設(shè)備、傳感器和機器傳輸?shù)竭吘墧?shù)據(jù)中心或云，大大減少了決策執(zhí)行的時間，提高了“數(shù)據(jù)傳輸處理-決策”這個周期的效率。

一些數(shù)據(jù)處理可以在分散的邊緣設(shè)備上完成，有效減少網(wǎng)絡流量，提高準確性，同時降低成本。

最短等待時間

1500毫秒（1.5秒）的延遲是電子商務網(wǎng)站要取得類似實體店用戶體驗的極限。用戶不會容忍更長的延遲，他們會選擇放棄，從而導致電子商務營收的減少。有了Endpoint AI，通過將數(shù)據(jù)轉(zhuǎn)發(fā)到更接近數(shù)據(jù)源的位置來減少延遲。軟件和硬件解決方案部署下去能夠?qū)崿F(xiàn)無等待的用戶體驗。

關(guān)鍵的可靠性

Endpoint AI的另一個關(guān)鍵優(yōu)勢是可靠性，因為從根本上來說，它更少依賴于云，從而提高了整體系統(tǒng)性能，降低了數(shù)據(jù)丟失的風險。

它可確保您的信息始終可用，并且不會離開本地，從而實現(xiàn)獨立、實時的決策。同時決策必須準確并立刻執(zhí)行。實現(xiàn)這一點的唯一方法是在邊緣設(shè)備部署AI。

多合一設(shè)備

Endpoint AI支持集成多種AI/ML模型，有助于增強系統(tǒng)性能、功能以及最重要的穩(wěn)健性。例如，語音+視覺功能組合，特別適合基于人工智能的免提視覺系統(tǒng)。語音識別可激活對物體和人臉的識別，用于智能監(jiān)控或免提視訊會議系統(tǒng)等應用。視覺人工智能識別還可用于許多商業(yè)或工業(yè)應用中來監(jiān)控操作員行為、控制關(guān)鍵操作，或者識錯管理和風險檢測。

可持續(xù)并且可行

將AI和ML功能與高性能計算設(shè)備相集成，可以開發(fā)出高度可持續(xù)的解決方案。這些技術(shù)的融合可以提供更便攜、智能、節(jié)能、更經(jīng)濟的設(shè)備。，在很多應用中AI可以幫助改善它們對環(huán)境的影響可。例如，人工智能參與的分布式清潔電網(wǎng)、精準農(nóng)業(yè)、可持續(xù)供應鏈、環(huán)境監(jiān)測以及天氣和災害的預測和響應。

Renesas根據(jù)各種應用和系統(tǒng)的需求，積極參與AI/ML解決方案的提供。它與其合作伙伴一起，在硬件和軟件方面提供全面和高度優(yōu)化的可運行在端點設(shè)備上的AI/ML多功能解決方案。

人工智能不僅僅存在于云中；它將無處不在。本地設(shè)備的智能化、縮短的延遲、數(shù)據(jù)完整性、更快的執(zhí)行力、可擴展性等等都是Endpoint AI的優(yōu)勢所在，這使得它在人工智能領(lǐng)域創(chuàng)造出更多的可能和機遇。

現(xiàn)在，是時候讓開發(fā)人員、產(chǎn)品經(jīng)理和業(yè)務相關(guān)人員抓住這個巨大的商機，構(gòu)建更好的AIoT系統(tǒng)，解決現(xiàn)實世界中的難題，并產(chǎn)生新的業(yè)務營收。

審核編輯：郭婷