端點(diǎn)智能

物聯(lián)網(wǎng)(IOT)通過(guò)將虛擬和現(xiàn)實(shí)融為一體，將世界變得更智能、更具響應(yīng)性。在過(guò)去的幾年里，物聯(lián)網(wǎng)在廣泛的應(yīng)用領(lǐng)域呈現(xiàn)出指數(shù)級(jí)增長(zhǎng)。根據(jù)麥肯錫的一項(xiàng)研究，到2025年，物聯(lián)網(wǎng)將產(chǎn)生4到11萬(wàn)億美元的經(jīng)濟(jì)影響。邊緣設(shè)備將變得更加智能，廠(chǎng)家也正在競(jìng)相支持更多互聯(lián)和智能的端點(diǎn)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(shì)，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(lái)回傳輸數(shù)據(jù)的過(guò)程，會(huì)帶來(lái)額外的數(shù)據(jù)延遲和隱私風(fēng)險(xiǎn)。對(duì)于非實(shí)時(shí)、低延遲要求的應(yīng)用來(lái)講，這通常不是問(wèn)題，但對(duì)于依賴(lài)實(shí)時(shí)分析并需要在事件發(fā)生時(shí)快速響應(yīng)的業(yè)務(wù)來(lái)說(shuō)，這會(huì)造成性能的瓶頸。

想象一下，在一個(gè)工廠(chǎng)中，通過(guò)實(shí)時(shí)數(shù)據(jù)分析和智能化設(shè)備進(jìn)行感應(yīng)通信，可以顯著優(yōu)化整體運(yùn)營(yíng)、物流和供應(yīng)鏈。這種工業(yè)傳感器產(chǎn)生的數(shù)據(jù)和為之響應(yīng)的控制設(shè)備對(duì)工廠(chǎng)操作人員幫助很大，通過(guò)預(yù)防性的異常檢測(cè)避免生產(chǎn)事故，確保工作場(chǎng)所的安全。

這也體現(xiàn)出了執(zhí)行本地化機(jī)器學(xué)習(xí)和分析的現(xiàn)實(shí)需求，縮短關(guān)鍵應(yīng)用程序的響應(yīng)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(jì)算下放到離數(shù)據(jù)采集更近的地方，即所謂“端點(diǎn)”，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(jìn)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(yīng)用場(chǎng)景，就是所謂的AIoT。AIoT——邊緣設(shè)備上人工智能——釋放無(wú)限可能。例如：助聽(tīng)器利用算法從談話(huà)中過(guò)濾背景噪音，智能家居設(shè)備依靠人臉和聲音識(shí)別來(lái)切換用戶(hù)的個(gè)性化設(shè)置。正因?yàn)槎它c(diǎn)人工智能，這些個(gè)性化的感知、決策和預(yù)測(cè)成為可能。

Endpoint AI是人工智能領(lǐng)域一個(gè)新的前沿技術(shù)，它將人工智能的處理能力帶到了網(wǎng)絡(luò)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(jì)算的物聯(lián)網(wǎng)設(shè)備賦予了人工智能，即實(shí)時(shí)決策的能力。目標(biāo)是讓基于機(jī)器學(xué)習(xí)的智能決策在物理上更接近數(shù)據(jù)源。如下圖所示，預(yù)先訓(xùn)練好的AI/ML模型可以有效地部署在端點(diǎn)，從而實(shí)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(yùn)行機(jī)器學(xué)習(xí)算法來(lái)做出決策，而不必向云服務(wù)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(shí)時(shí)數(shù)據(jù)，智能機(jī)器學(xué)習(xí)算法可以高效地從實(shí)時(shí)數(shù)據(jù)中獲取最有價(jià)值的洞察能力。然而，這些機(jī)器學(xué)習(xí)算法可能很復(fù)雜，因?yàn)樗鼈冃枰叩挠?jì)算能力和更大的內(nèi)存。此外，在龐大的數(shù)據(jù)集中進(jìn)行模式識(shí)別并做出準(zhǔn)確決策所需的時(shí)間可能相當(dāng)長(zhǎng)。

過(guò)去，在資源受限的微控制器等設(shè)備上采用高效的機(jī)器學(xué)習(xí)算法是不可行的，但隨著TinyML技術(shù)的進(jìn)步，一切變得可能。TinyML已經(jīng)成為許多嵌入式應(yīng)用的規(guī)則改變者，因?yàn)樗试S用戶(hù)直接在微控制器上運(yùn)行ML算法。它能帶來(lái)更高效的能源管理、數(shù)據(jù)保護(hù)、更快的響應(yīng)時(shí)間以及能在端點(diǎn)上運(yùn)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(jì)算能力、智能的省電外設(shè)，最重要的是，強(qiáng)大的安全引擎來(lái)支持設(shè)備對(duì)數(shù)據(jù)隱私的要求。這為AIoT領(lǐng)域的新應(yīng)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(xiàn)或者在線(xiàn)運(yùn)行。

讓我們簡(jiǎn)單了解一下Endpoint AI(端點(diǎn)人工智能)的優(yōu)勢(shì)。

隱私和安全——這是先決條件

在對(duì)隱私和安全非常重視的環(huán)境，通常是來(lái)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(lái)講它更加安全。數(shù)據(jù)不被發(fā)送到云端，而是由端點(diǎn)本身來(lái)處理。根據(jù)F-Secure報(bào)告，物聯(lián)網(wǎng)中的端點(diǎn)設(shè)備是“2019年網(wǎng)絡(luò)攻擊的首要目標(biāo)”，另一項(xiàng)研究表明，物聯(lián)網(wǎng)設(shè)備平均每月遭受5,200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^(guò)程。那么，數(shù)據(jù)不出本地就能進(jìn)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(duì)其進(jìn)行分析。傳輸數(shù)據(jù)的時(shí)間可能會(huì)很長(zhǎng)，也存在數(shù)據(jù)出錯(cuò)的風(fēng)險(xiǎn)，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(jī)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(shí)間，提高了“數(shù)據(jù)傳輸處理-決策”這個(gè)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(luò)流量，提高準(zhǔn)確性，同時(shí)降低成本。

最短等待時(shí)間

1500毫秒(1.5秒)的延遲是電子商務(wù)網(wǎng)站要取得類(lèi)似實(shí)體店用戶(hù)體驗(yàn)的極限。用戶(hù)不會(huì)容忍更長(zhǎng)的延遲，他們會(huì)選擇放棄，從而導(dǎo)致電子商務(wù)營(yíng)收的減少。有了Endpoint AI，通過(guò)將數(shù)據(jù)轉(zhuǎn)發(fā)到更接近數(shù)據(jù)源的位置來(lái)減少延遲。軟件和硬件解決方案部署下去能夠?qū)崿F(xiàn)無(wú)等待的用戶(hù)體驗(yàn)。

關(guān)鍵優(yōu)勢(shì)：可靠性

Endpoint AI的另一個(gè)關(guān)鍵優(yōu)勢(shì)是可靠性，因?yàn)閺母旧蟻?lái)說(shuō)，它更少依賴(lài)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(fēng)險(xiǎn)。

它可確保您的信息始終可用，并且不會(huì)離開(kāi)本地，從而實(shí)現(xiàn)獨(dú)立、實(shí)時(shí)的決策。同時(shí)決策必須準(zhǔn)確并立刻執(zhí)行。實(shí)現(xiàn)這一點(diǎn)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(qiáng)系統(tǒng)性能、功能以及最重要的穩(wěn)健性。例如，語(yǔ)音+視覺(jué)功能組合，特別適合基于人工智能的免提視覺(jué)系統(tǒng)。語(yǔ)音識(shí)別可激活對(duì)物體和人臉的識(shí)別，用于智能監(jiān)控或免提視訊會(huì)議系統(tǒng)等應(yīng)用。視覺(jué)人工智能識(shí)別還可用于許多商業(yè)或工業(yè)應(yīng)用中來(lái)監(jiān)控操作員行為、控制關(guān)鍵操作，或者識(shí)錯(cuò)管理和風(fēng)險(xiǎn)檢測(cè)。

可持續(xù)并且可行

將AI和ML功能與高性能計(jì)算設(shè)備相集成，可以開(kāi)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(jì)的設(shè)備。在很多應(yīng)用中AI可以幫助改善它們對(duì)環(huán)境的影響。例如，人工智能參與的分布式清潔電網(wǎng)、精準(zhǔn)農(nóng)業(yè)、可持續(xù)供應(yīng)鏈、環(huán)境監(jiān)測(cè)以及天氣和災(zāi)害的預(yù)測(cè)和響應(yīng)。

Renesas根據(jù)各種應(yīng)用和系統(tǒng)的需求，積極參與AI/ML解決方案的提供，與合作伙伴一起，在硬件和軟件方面提供全面和高度優(yōu)化的可運(yùn)行在端點(diǎn)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(wú)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(kuò)展性等等都是Endpoint AI的優(yōu)勢(shì)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(jī)遇。

現(xiàn)在，是時(shí)候讓開(kāi)發(fā)人員、產(chǎn)品經(jīng)理和業(yè)務(wù)相關(guān)人員抓住這個(gè)巨大的商機(jī)，構(gòu)建更好的AIoT系統(tǒng)，解決現(xiàn)實(shí)世界中的難題，并產(chǎn)生新的業(yè)務(wù)營(yíng)收。

作者：Kaushal Vora

Senior Director

原文標(biāo)題：智能物聯(lián)網(wǎng)(AIoT)之端點(diǎn)智能

文章出處：【微信公眾號(hào)：瑞薩電子】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

審核編輯：湯梓紅