自1956年在大學里把人工智能作為一個研究領域加入以來，人工智能在同等程度上經歷了樂觀和悲觀兩個時期。毫無疑問，今天我們看到的是一種非常樂觀的態度。

數據科學是全球第三大熱門職位。事實上，在我們最近關于西班牙邊緣計算狀態的研究中，數據科學家是西班牙公司最需要的專業人員，這個市場正在經歷指數級增長，預計到2025年將達到1900億美元。

人工智能在市場行業中的突出地位，使其不再是一種單一的技術，而是為不同行業提供不同用途的眾多分支。

在被確定為最成熟和最接近生產階段的趨勢中，我們可以在日常生活中識別出這些趨勢。例如，我們在與越來越像人類的聊天機器人交談時使用的簡單語言處理、使實時視頻處理自動化成為可能的機器成像，以及帶來更好搜索結果的語義搜索。

在另一個極端，至少 10 年內不會出現更多的未來主義。一些有趣的例子是 AI TRISM(信任、風險和安全管理)技術，它可以規范 AI 模型，使其對安全和隱私攻擊更具彈性，以及轉換器，它可以調整 AI 模型以適應環境并將對改進翻譯、自動文檔創建或生物序列分析等應用程序產生重大影響。

介于這兩個極端之間的是其他使能技術，從部署到市場成熟需要兩到五年的時間，這可以稱為“人工智能的近期未來”。其中包括以人為本的人工智能、生成人工智能、人工智能的編排和自動化，以及在成熟度曲線上領先于所有其他人的邊緣人工智能，也稱為“邊緣人工智能”(Edge AI)。 2021 年，Edge AI 即將成為成熟的技術。

邊緣人工智能和工業世界的分布式智能革命

Edge AI 或 AI on the Edge 可以概括為在非常接近數據源的設備(物聯網設備、邊緣設備)上執行人工智能算法的能力。

這項技術正在呈指數級增長，并得到一項令人生畏的統計數據的支持：超過 60% 的工業組織沒有部署云基礎設施來幫助他們有效地進行創新。

那么，如果我們用放大鏡觀察 Edge AI 項目，我們將在 2022 年和 2023 年見證哪些最具顛覆性的趨勢?

以下是我們前 5 名的摘要：

1、關鍵行業將成為主要驅動力：從 SCADA 到 Edge AI

在 Barbara IoT，我們發現處于邊緣 AI 前沿的行業中存在重復模式：所有這些都處理許多關鍵的分布式資產。換言之，這些行業面臨著來自技術碎片化、可擴展性和網絡安全的巨大挑戰。這些可以通過在邊緣執行 AI 算法來最小化。我們可以預測，這些行業將開發出非常雄心勃勃且具有變革性的用例。

自 80 年代以來一直使用的 SCADA 系統在數據捕獲和處理方面具有相似的目的。然而，SCADA 系統需要更現代的技術來補充，以便它們能夠響應對互操作性、開放性和安全性日益苛刻的要求。這就是 Edge AI 可以提供幫助的地方：成倍增加這些系統的價值。

2、薄邊將與厚邊互補

當我們提到 Edge AI 時，對于“邊緣”的含義有不同的解釋。傳統上，邊緣被認為是離用戶最近的網絡運營商基礎設施。例如，當我們談論 5G 網絡時，我們指的是運營商正在推出大量稱為“多接入邊緣計算”的節點，用于近距離數據處理。這些節點安裝在與設計用于托管云服務的數據中心非常相似的服務器上，它們具有處理復雜人工智能算法的巨大潛力和能力。這就是一些分析師所說的“厚”邊緣。

然而，最近開始開發另一種類型的邊緣節點：直接連接到傳感器和交換機的邊緣節點，當安裝在網關或集中器等低功耗設備上時，用于運行更簡單的人工智能算法，響應時間更短，更接近到實時。這種稱為“瘦”邊緣的新型邊緣將使我們能夠快速靈活地處理大型項目，這些項目包括遠程位置或對高安全性和數據隔離的要求。

3、 邊緣網格作為實現分布式人工智能的新范式

Edge AI 傳統上基于使用大數據訓練的決策模型。該模型由一系列數學公式組成，安裝在邊緣節點上。從那里，每個節點都能夠根據它接收到的數據和已安裝的模型做出自己的決定。

這種被稱為邊緣網格的新范式使得一個節點的決策有可能受到另一個節點的決策的制約，就好像它是一個格狀網絡一樣。了解這種新架構的強大功能的一個很好的例子是智能交通系統。

邊緣節點可以使用考慮到傳感器檢測到的汽車和人員數量的人工智能算法來決定交通信號燈的時間。然而，這個決定可以由附近街道的其他節點做出的決定來完美補充。

Edge Mesh 的目的是在各個節點之間分配智能，以便提供比更傳統架構更好的性能、響應時間和容錯能力。

4、使用 MLOps 進行生命周期管理變得越來越重要

隨著行業轉向推出具有更多分布式節點和更復雜訓練算法的 Edge AI，維持這些訓練模型的生命周期以及執行它們的設備的能力將是這項技術未來的關鍵。

從這個意義上說，將 DevOps 理念應用于 AI 算法的開發、推廣和維護的項目和公司將得到加強。

這種工作方式稱為 MLOps，是機器學習和 DevOps 的結合。

但它到底是什么?基本上，它旨在通過設備和開發環境、測試和操作的持續集成來減少邊緣模型上 AI 的開發、測試和實施時間。

5、 邊緣人工智能實現主權數據交換

毫無疑問，數據共享對于改進行業部門的流程至關重要，價值鏈中有許多利益相關者。

讓我們看看不久的將來的電網模型：智能電網。 為了能夠獲得或提供更好的服務，供應商必須能夠分析和處理來自許多利益相關者(如產消者、運營商、分銷商和聚合商)的信息。 如果沒有透明、敏捷的數據交換，到 2050 年就不可能達到所需的網格優化。

借助邊緣人工智能 ，可以進行集中式數據處理，這將有助于克服行業目前面臨的一些障礙，例如數據安全、隱私和主權。