一文看懂AI是如何重新定义边缘计算的应用领域

在广义上，计算的历史是对理想系统架构的不断搜索。在过去的几十年中，系统架构师不断地从集中式配置中来回移动，其中计算资源位于远离用户的分布式体系结构中，处理资源则更靠近个人用户。

早期的系统使用高度集中式的模型来向遍布企业的用户提供增加的计算能力和存储能力。

在20世纪80年代和90年代，这些集中式架构让位给低成本PC的兴起和LAN的出现，然后因特网连接起来。在这个新的模型中，计算任务越来越多地委托给个人PC。

随着笔记本电脑、平板电脑和智能手机的兴起，这种高度分布式的架构最终演变成了移动性。但是随着计算需求的增加，系统架构师开始将任务移动到云，在那里他们可以利用其几乎无限的计算和存储资源、高可靠性和低成本。因此，近年来，架构设计师们开始转向围绕云构建更加集中的路径。例如，智能手机把所有的东西都送回云中进行处理和存储，仅在需要数据时，将其返回到设备。

然而，并非所有的应用程序都要在云端运行。事实上，随着设计师们向在边缘运行的应用程序增加越来越高的智能水平，他们将需要更快速地响应不断变化的环境条件。例如，当一辆自主车进入一个智能城市时，没有足够的时间与云沟通，以确定交通灯是红色时是否需要停车，它必须立即采取行动。类似地，当智能家居中的安全系统检测到房屋内的移动时，必须依靠其设备上的资源来检测该移动是闯入房屋的窃贼或只是家里的宠物狗。

种种新场景的应用，需要智能设备拥有边缘端的计算处理能力。通过人工智能技术，如智能语音或面部识别等技术，这些智能设备将能够迅速适应变化的环境，发挥它们的功能。并且，通过应用机器学习技术，这些设备将能够基于不断收集的数据来学习和升级它们的操作。

AI重新定义边缘计算的应用领域

AI赋能的边缘计算市场潜力巨大。潜在的应用范围从消费级应用，如智能电视，可以感觉到当用户离开房间并自动关机，延伸到工业级应用，如下一代机器视觉解决方案的目标是在未来的智能工厂。

智能汽车

目前来看，边缘计算解决方案最热门的市场之一是汽车行业，汽车从一个主要机械设备迅速发展为一个日益电子化的平台，推动了这一转变。AI赋能的边缘计算使先进的驾驶员辅助系统（ADAS）出现，极大程度的提高了驾驶安全性。

不仅如此，移动终端市场的最新进展有助于加速这种变化。智能手机为汽车带来了新的功能和应用，移动处理器和标准化的MIPI接口的发展有助于降低将这些能力整合到汽车中的成本。如今，先进的汽车娱乐系统提供信息和娱乐，而ADAS解决方案带来了广泛的安全功能，包括自动制动、车道检测、盲点检测和自动平行停车功能。

今天的汽车将越来越多的视觉系统集成到汽车内，以监控汽车内部的驾驶员以及道路状况。这些嵌入式视觉系统跟踪驾驶员的头部和身体移动以指示困倦或分心，以及扩大的外部摄像机数量以支持自动停车和倒车辅助、盲点检测、交通标志监视和避碰。车道偏离预警系统等新的应用将视频输入与车道检测算法相结合，以确定车辆在道路上的位置。因此，汽车制造商正在整合每辆车的多个摄像头。以期达到紧急制动、车道检测、行人检测和交通标志识别以及盲点检测、泊车辅助和交叉交通警报的功能。

智能工厂

在工业领域，AI和边缘应用有望在智能工厂的发展中发挥越来越重要的作用。在工业4.0模式的推动下，下一代智能工厂将先进的机器人技术、机器学习技术应用于软件服务和工业物联网（IIOT），以提高组织和最大化生产率。

工业1.0标志着将水和蒸汽动力机械引入制造业，工业2.0反映了由制造商的计算机和自动化集成定义的电力大规模生产技术的运动。即将到来的工业4.0模型将引入网络物理系统制造，以监控智能工厂中的工作过程，并利用人工智能资源进行分散决策。通过引入诸如大数据和分析的组件、IT和IoT的融合、机器人技术的最新进展和数字供应链的演进，这一演进将推动该行业的数字化转型。此外，通过不断地与人类和操作员进行通信，这些物理系统将成为IIOT的一部分。

智能工业工厂如何与当前工厂不同？它将提供几乎通用的互操作性和更高级别的机器、设备、传感器和人之间的通信。其次，它将高度重视信息透明，其中系统通过传感器数据向上下文化的信息创建物理世界的虚拟副本。此外，智能工厂的决策将高度分散，允许网络物理系统尽可能自主地运行。最后，该工厂的新发展将具有高水平的技术支持，其中系统将能够帮助彼此解决问题、做出决定并帮助人类完成可能是高度困难或危险的任务。

边缘计算给基于人工智能的系统的开发者带来了下一个巨大的挑战：面对不断变化的外部环境和消费者日益增长智能需求，只有不断寻求广泛的技术才能实现突破；也因此，AI+边缘计算将真正助力实现丰富多彩的智能未来。