許多企業已經開始探索邊緣計算用例，因為可以將計算能力推向更靠近數據源和更靠近終端用戶。同時，可能正在探索或實施人工智能或機器學習，也已經認識到自動化的發現和獲得數據驅動的洞察力。但如果不積極地將邊緣戰略和人工智能策略結合起來，那么就會錯過變革的可能性。

人工智能領域的涉足

有明顯的跡象表明，邊緣分析和數據分析正在融合。根據數據表明，到2025年，邊緣數據的創建將增加33%，占數據的五分之一以上，到2023年，數據分析專業人士將把超過50%的精力放在創建和分析邊緣數據上。邊緣解決方案對實現企業的使命非常或極其重要。78%的領導者認為邊緣對AI和ML的影響最大。

傳統上，企業需要將遠程數據傳輸到數據中心或商業云，以執行分析和提取價值。這在邊緣環境中可能具有挑戰性，因為數據量的增加、網絡訪問受限或沒有網絡訪問，以及對實時更快決策的需求不斷增加。

但今天，增強的小容量芯片組、高密度計算和存儲以及網狀網絡技術的可用性，為企業部署人工智能工作負載、更接近數據生產源奠定了基礎。

邊緣人工智能入門

要啟用邊緣人工智能用例，請確定近實時數據決策在哪些方面，可以顯著增強用戶體驗并實現任務目標。我們看到越來越多的邊緣用例集中在下一代飛行套件上，以支持執法、網絡安全和健康調查。調查人員曾經收集數據用于后續處理，新的部署套件包括先進的工具，用于現場處理和探索數據。

接下來，確定傳輸大量邊緣數據的位置。如果可以在遠程位置處理數據，那么只需要傳輸結果。通過只移動一小部分數據，您可以釋放帶寬，降低成本，并更快地做出決策。

利用松散耦合的邊緣組件來實現必要的計算能力。單個傳感器無法執行處理。但是高速網狀網絡允許連接節點，其中一些處理數據收集，以及其他處理等等。甚至可以在邊緣重新訓練ML模型，以確保持續的預測精度。

遠程人工智能的基礎設施即代碼

邊緣人工智能的最佳實踐是基礎設施代碼。基礎設施代碼允許通過配置文件，而不是通過物理硬件來管理網絡和安全配置。使用基礎設施代碼，配置文件包括基礎結構規范，使更改和分發配置變得更容易，并確保一致地提供環境。

還可以考慮使用微服務，并在其中運行它們，并利用開發ops功能，如CI/CD管道、giitops等在邊緣上將ML模型的迭代部署自動化到生產環境中，并提供編寫一次代碼在任何地方使用它的靈活性。

我們應該尋求在邊緣和核心使用一致的技術和工具。通過這種方式，可以不需要專門的專業知識，避免一次性的問題，并且可以更容易地擴展。

現實世界及其他中的邊緣人工智能

從軍隊到執法部門，再到管理關鍵基礎設施的機構，都在邊緣執行人工智能。例如國際空間站。

國際空間站包括一個進行研究和運行實驗的現場實驗室。在一個例子中，科學家們專注于在國際空間站上發現的微生物的DNA基因組測序。基因組測序產生了大量的數據，但科學家只需要分析其中的一部分。

在過去，國際空間站將所有數據傳輸到地面站進行集中處理，通常每個序列有許多tb的數據。在過渡傳輸速率下，數據可能需要數周才能到達地球上的科學家手中。但是利用邊緣和人工智能的力量，研究是在國際空間站上直接完成的，只把結果傳送到地面。現在可以在同一天進行分析。

在空間和功率有限的環境中，該系統易于管理。軟件更新被推到必要的邊緣，并在現場進行ML模型訓練。而且該系統足夠靈活，可以在未來處理其他類型的基于ML的分析。

結合人工智能和邊緣計算可以使企業在任何位置執行分析。通過從核心到邊緣的公共框架，可以在遠程位置擴展和擴展人工智能。通過將分析放置在數據生成和用戶交互的位置附近，可以更快地做出決策，更快地提供服務，并將任務擴展到任何需要的地方。