要使新技术和新兴技术获得广泛接受，它们必须能够释放新的业务效率并为消费者带来价值。 无论是个别还是组合,人工智能，大数据，云计算和物联网都证明了其价值。 这些技术可帮助企业捕获来自数百万个数据源的大量数据流，将其存储在大型云数据中心，并使用机器学习(ML)和人工智能(AI)技术近乎实时地获取有价值的改变游戏规则的见解。
2014年,我们在Verizon Media开启了我们的大数据和人工智能之旅。 我们构建了一个基于云的平台，能够摄取PB数据，并使用机器学习提供接近实时的见解，从而提高交付网络的性能，提高整个网络的效率，并提供更好的客户体验。 然后,我们为客户构建了额外的AI和大数据应用程序,例如,通过使用无线使用数据深入了解客户行为。
在许多方面,这些技术进步已经在革命性的行业,我们只是在一个漫长而激动人心的道路的开始。 但是,由于云端的处理和延迟延迟，存储成本以及安全和隐私方面的顾虑,对于大数据，基于云的AI和IoT,许多功能最强大，最具价值的应用程序尚未实施。 在人工智能的帮助下，在几天，几分钟或几秒钟内获得答案是不可接受的。 对于许多应用，智能需要在毫秒内立即应用。
克服这些障碍的最显而易见，最有说服力的答案是将处理工作移至更靠近终端设备或数据生成源的位置—移至网络边缘。 Verizon是边缘计算的行业领导者，CDN可提供海量网络容量和来自全球几乎每个互联网用户的仅10-25毫秒的延迟。 我们的5G网络<为需要更低延迟的工作负载提供10毫秒延迟。 边缘计算与人工智能，物联网和大数据处理相结合的出现为全新服务和消费者价值打开了大门。 通过将智能置于边缘,突破性的人工智能应用现在可以近乎实时地运行。
从Verizon的全球边缘计算功能开始,结合我们的人工智能专业知识,我们设计并构建了一个完全集成的平台,称为Edge AI ,在此基础上,我们正在开发特定的垂直应用程序。 这是同类平台中的首款平台，所有端到端边缘AI解决方案构建模块均已到位。
通过将AI应用程序迁移到边缘而释放的增加价值的机会是巨大的。 它为网络和解决方案提供商带来了巨大的机遇，他们能够将强大的Edge AI解决方案推向市场。 在许多方面，它是我们的服务产品的完美结合，使我们能够在现有优势的基础上构建智能，安全，可扩展和可靠的平台，从而适应新的服务，用例和应用程序。
在最近一份题为“5G和AI:下一个社会和商业飞跃的基础”的报告中，ABI Research预测，边缘计算和AI相结合提供的低延迟”可能会改变我们的生活和工作方式”。 该报告接着表示，这些技术将“为消费者和企业细分市场的各种新商机铺平道路，否则现有技术无法实现。” ABI Research估计，到2025年，部署在边缘的AI和ML应用程序将创造3.1万亿美元的价值。 随着技术成熟,他们预测2035年创造的价值将占全球国内生产总值(GDP)的9.2%。 如下图所示，这种巨大的经济影响主要来自于将这些技术结合使用时可能提高的生产率。
图1:在15年内,边缘计算将对GDP产生重大影响。
边缘计算的重要性日益增长
For在过去的十年中，组织已经从物联网设备和传感器收集数据，或者从其设施中部署的摄像头和麦克风收集视频和音频记录，然后将其传输到集中式数据中心或云以进行进一步分析和存储。
随着物联网设备数量的不断增加，这种方法存在多个问题。 技术分析师公司IDC预计，到2025年，物联网设备将达到557亿台。 他们指出,这些设备将产生73.1 Zettabyte(ZB)的数据,从2019年的18.3 ZB显著上升。 IDC认为,这种增长需要组织重新思考长期数据存储策略,并在边缘分析/AI领域寻找机会。
让我们考虑一下拥有数千个传感器的工业或制造企业。 随着传感器数量的增加，将来自这些传感器的大量数据发送到云，在云端完成分析，然后将结果发送回制造地点，最终根据这些数据的见解采取行动是不可行的。 此流程面临多种挑战，包括：
-
将所有数据发送到云需要大量带宽
-
将所有内容存储在云中会呈指数级增加您的云存储成本
-
将某些类型的敏感信息移至云会使这些数据面临风险
无论是作为CDN的一部分在附近运行的服务器，还是通过公共或专用网络的5G移动边缘计算(MEC)基础设施在本地运行的服务器，边缘计算都能解决这些运营效率问题，或至少能显著减少这些问题。
最后，Edge AI最重要的方面之一是它能够为实时用例提供低延迟。 通过将处理功能放置在靠近终端设备的位置，Edge AI显著减少了数据摄取/采集，处理和终端所需操作之间的滞后 从互联汽车，更逼真的游戏和媒体体验到更智能，节奏更快的制造环境，削减延迟对于实现创新应用至关重要。
Edge AI还允许在可靠的互联网/Wi-Fi连接(或任何连接)可能无法提供的环境中使用连接的物联网设备和ML应用程序，例如深海钻井平台，研究船或机场。 如果依赖于云连接，用于监测环境条件(例如是否存在有害气体)的智能应用程序将毫无用处。
Edge AI应用
Edge AI有潜力成为各种行业和用例中许多新应用的技术平台。 例如，Edge AI将在制造业细分市场实现工业4.0计划的广泛实施，包括更多的预测性分析，自动化工厂车间，可重新配置的生产线和优化的物流。 媒体和娱乐可以使用Edge AI本地化内容并提高个性化。 Edge AI可在教育/公共部门，远程医疗或将交通运输自动化提升到一个新的水平，从而推动城市基础设施的全面改进。 可能性几乎是无穷无尽的。
为了展示Edge AI平台的功能和多功能性，我们开发了多种原型和演示，包括：
-
预测性故障检测解决方案
-
智能货架系统用于零售使用计算机视觉
-
实验室或制造设施的陌生人检测系统
-
用于质量保证的自动化光学检测系统
对于预测性故障检测应用,传感器安装在电机和其他设备上,并配置为连续将温度，振动和电流信号传输到Edge AI平台。 人工智能不会将所有数据发送到云端,而是在本地连续分析数据,以预测特定电机何时会出现故障。 工厂或维护主管可以采取纠正措施，通过准确检测异常情况和故障情况来防止生产中断。 由于数据存储和分析发生在工厂所在地，组织可以获得更及时的警报，同时提高数据安全性，降低数据存储和带宽成本。
图2. Edge AI驱动的预测性故障分析可将意外故障和中断的风险降至最低。
在自动化零售库存跟踪系统的工作原型中，一个自主货架扫描机器人将摄像头馈送至Edge AI平台上运行的ML模型。 该系统可以识别对象并将库存详细信息提供给仪表板，从而更频繁，准确和全面地洞察库存状态，以及实时状态监控和低库存警报。
图3. 由Edge AI提供支持的自动零售库存跟踪提供洞察以监控趋势并提供实时警报。
尽管有电子锁和其他安全措施，但在庞大的制造设施或实验室环境中，防止未经授权进入限制区域仍是一项挑战。 通过将设施内的视频源整合到Edge AI中，系统可以使用面部识别来检测陌生人，并向安保人员提供实时通知。
图4. Edge AI通过使用计算机视觉识别制造或实验室环境中的陌生人来提高安全性。
Edge AI和计算机视觉的另一个使用案例是生产线上的自动化光学检测。 在这种情况下,组装好的组件将通过检验站发送,以进行自动化的目视分析。 Edge AI计算机视觉模型可检测缺失或未对齐的零件或任何其他缺陷,并将结果提供给实时仪表板,显示检查状态。 由于数据可以流回云以进行进一步分析，因此ML模型可以不断改进以减少误报。 该系统通过提高缺陷识别的速度和准确性来提高制造产量并提高流程产量。
如这些示例所示，将AI和计算能力与云服务相结合，直接集成到网络边缘，使组织能够将越来越复杂和变革性的用例推向市场。 作为一个完全集成的平台，Edge AI显著减少了实现这些用例的障碍。
我们将在下一期的三部分系列中深入探讨Edge AI平台的元素。
Contact我们来详细了解您的应用如何从我们的Edge AI平台中受益。
