自動化使用技術使人類能夠完成更多的任務。

將物流自動化集成到任何環境中都會帶來挑戰，它可以像動力傳送帶替換重復過程一樣簡單，也可以像將協作和自主機器人引入工作場所一樣復雜。

[[426165]]

隨著解決方案的互連以及流程中其他階段的了解越來越深入，每個自動化元素的效率也會提高。使用邊緣人工智能重新定義了物流自動化。將人工智能置于網絡邊緣的好處必須與資源可用性保持一定平衡，例如電力，環境操作條件，物流位置和可用空間在邊緣實施推理。系統中的網絡延遲將使分揀過程更慢，但是邊緣計算可以消除這種潛在的瓶頸。引入人工智能對物流自動化中使用的硬件和軟件將產生重大影響并存在越來越多的潛在解決方案。

通常用于訓練人工智能模型的解決方案不適合在網絡邊緣部署模式；培訓處理資源是服務器設計的，其中電源和內存等資源幾乎無限。

相反，開發人員正在為邊緣人工智能部署和優化的異構硬件解決方案提供特殊服務。如今，沒有單一的架構可以真正為人工智能應用程序提供最佳解決方案。

這種趨勢指向異構架構，其中許多不同的硬件處理解決方案配置為協同工作，而不是使用多個設備的同結構。所有設備都是基于相同的處理器，可以將正確的解決方案引入給定任務或集成特定設備上的多項任務，從而提供了更可擴展和優化每瓦特/$ 1性能的機會。

從同構系統架構到異構處理需要巨大的解決方案生態系統，以及在硬件和軟件級別配置這些解決方案的成熟能力。這些供應商為邊緣計算提供解決方案并與他們合作開發可擴展性和靈活性的系統。

在部署邊緣AI等新技術時，“升級”底層平臺（無論是軟件，處理器等）的能力尤為重要。每代新處理器和模塊技術通常為在網絡邊緣運行的推理引擎提供更好的功率/性能平衡，因此它們可以快速利用這些性能和功率增益并降低整個物流自動化系統的中斷。

為了提高靈活性并減少供應商綁定，在硬件層面上開發了一種模塊化的方法，使任何解決方案中的硬件配置更加靈活。