Home Blogs Edge AI:我們爲什麼構建它
Applications

Edge AI:我們爲什麼構建它

About The Author

Outline

要使新興技術獲得廣泛接受,它們必須能夠釋放新的業務效率,爲消費者帶來價值。 人工智慧,大數據,雲端運算和物聯網都證明了其價值。 這些技術可幫助企業捕獲來自數百萬個來源的大量數據流,將其存儲在大型雲數據中心中,並使用機器學習(ML)和人工智慧(AI)技術以近乎實時的方式獲得有價值的,改變遊戲規則的見解。

2014年,我們在Verizon Media開始了大數據和人工智慧之旅。 我們構建了一個基於雲的平臺,能夠攝取數PB的數據,並利用機器學習提供近乎實時的見解,以提高交付網路的性能,提高整個網路的效率,並提供更好的客戶體驗。 然後,我們爲客戶構建了額外的人工智慧和大數據應用程式,例如,通過使用無線使用數據深入瞭解客戶行爲。

從許多方面來看,這些技術進步已經給行業帶來了革命性的變化,而我們只是踏上漫長而激動人心的未來之路的開端。 但是,在大數據,基於雲的人工智慧和物聯網的情況下,由於雲中的處理和延遲,存儲成本以及安全性和隱私問題,許多功能最強大,最具價值的應用程式尚未實施。 而使用人工智慧,在數天,分鐘或數秒內回覆答案是無法接受的。 對於許多應用程式,需要在幾毫秒內立即應用智能。

克服這些障礙的最明顯和最具說服力的解決方案是將處理工作移至更接近終端設備或數據生成源的位置——到網路邊緣。 Verizon是邊緣計算領域的行業領導者,它提供了強大的網路容量,並且幾乎每個全球網際網路用戶的延遲只有10-25毫秒。 我們的5G網路爲需要更少延遲的工作負載提供 <10毫秒的延遲。 邊緣計算與人工智慧,物聯網和大數據處理相結合的出現打開了通向全新服務和消費者價值的大門。 通過將智能放在邊緣,突破性的AI應用程式現在可以近乎實時地執行。

從Verizon的全球邊緣計算功能開始,並與我們的人工智慧技術相結合,我們設計並構建了一個稱爲Edge AI的完全集成平臺,在此平臺之上,我們正在開發特定的垂直應用。 這是同類平臺中的第一個平臺,已經爲端到端邊緣AI解決方案提供了所有構建模塊。

通過將AI應用程式移至邊緣,實現價值增長的機會是巨大的。 它爲網路和解決方案提供商提供了巨大的機會,他們有能力將強大的Edge AI解決方案推向市場。 在許多方面,它是我們服務產品的完美融合,使我們能夠在現有優勢的基礎上構建一個智能,安全,可擴展和可靠的平臺,能夠容納新服務,使用案例和應用程式。

ABI Research在最近一份題爲“5G和AI:下一次社會和業務飛躍的基礎”的報告中 預測, 邊緣計算和AI結合提供的低延遲“有可能改變我們的生活和工作方式”。 報告接着說,這些技術將”爲消費者和企業細分市場的各種新商機鋪平道路,否則,現有技術就不可能實現這一點”。 ABI Research估計,到2025年,部署在邊緣的AI和ML應用程式將創造價值3.1萬億美元的價值。 隨着技術的成熟,他們預測價值創造值將在2035年佔全球國內生產總值的9.2%。 如下圖所示,這種巨大的經濟影響主要來自結合使用這些技術時生產力的提高。

圖1:在15年內,邊緣計算將對GDP產生重大影響。

邊緣計算日益重要

‍For在過去十年中,組織已從物聯網設備和傳感器收集數據,或從其設施中部署的攝像頭和麥克風收集影片和音訊錄音,然後將其傳輸到集中式數據中心或雲以進行進一步分析和存儲。

隨着物聯網設備的數量不斷增加,這種方法存在多個問題。 技術分析公司 IDC預計 到2025年將有557億臺互聯物聯網設備。 他們注意到這些設備將生成73.1 zettabytes (ZB)數據,比2019年的18.3 ZB大幅上升。 IDC認爲,這種增長將要求組織重新思考長期數據存儲策略,並在邊緣尋找分析/AI的機會。

讓我們考慮一下您擁有數千個傳感器的工業或製造企業。 隨着傳感器數量的增加,將從這些傳感器流向雲的大量數據發送到雲,在那裏進行分析,然後將結果發送回製造地點,最終根據這些數據的見解採取行動,這是不現實的。 此過程面臨多種挑戰,包括:

  1. 將所有數據發送到雲需要大量帶寬

  2. 將所有內容存儲在雲中,會使您的雲存儲成本呈指數級增長

  3. 將某些類型的敏感資訊移動到雲中會使這些數據面臨風險

無論是作爲CDN的一部分執行附近的伺服器還是通過公共網路或專用網路的5G移動邊緣計算(MEC)基礎架構執行的本地伺服器,這些營運效率問題都可以通過邊緣計算得到解決,或者至少顯著降低。

最後,Edge AI最重要的方面之一是它能夠爲實時使用案例提供低延遲。 邊緣AI將處理能力置於終端設備附近,大大減少了數據採集/採集,處理和最終所需操作之間的延遲 縮短延遲對於實現創新應用至關重要,從互聯車輛,更逼真的遊戲和媒體體驗到更智能,更快節奏的製造環境。

Edge AI還允許在可能無法提供可靠網際網路/Wi-Fi連接(或任何連接)的環境中使用連接的物聯網設備和ML應用程式,例如深海鑽探設備,研究船或機場。 如果依賴雲連接,用於監測環境條件(如是否存在危險氣體)的智能應用將毫無用處。

‍Edge AI應用

‍Edge AI有潛力成爲多種行業和使用案例中許多新應用的技術平臺。 例如,Edge AI將在製造領域廣泛實施工業4.0計劃,包括更多預測分析,自動化工廠車間,可重新配置的生產線和優化的物流。 媒體和娛樂可以使用Edge AI來本地化內容並提高個性化。 Edge AI可通過在教育/公共部門,遠程醫療領域實現更先進的應用,或將交通自動化提升到新的水平,推動城市基礎設施的全面改進。 這些可能性幾乎是無限的。

爲了展示Edge AI平臺的功能和多功能性,我們開發了幾個原型和演示,包括:

  • 預測性故障檢測解決方案

  • 智能貨架系統,用於零售,使用計算機視覺

  • 實驗室或製造工廠的陌生人檢測系統

  • 自動化光學檢測系統,保證質量

對於預測性故障檢測應用,傳感器安裝在電機和其他設備上,並配置爲連續將溫度,振動和電流信號傳輸到Edge AI平臺。 AI不再將所有數據發送到雲,而是在本地連續分析數據,以預測特定電機何時會發生故障。 工廠或維護主管可以採取糾正措施,通過準確檢測異常和故障情況來防止生產中斷。 由於數據存儲和分析發生在工廠位置,組織可以獲得更及時的警報,同時提高數據安全性,降低數據存儲和帶寬成本。

圖2. 由Edge AI驅動的預測性故障分析可以最大程度地降低意外故障和中斷的風險。

在自動化零售庫存跟蹤系統的工作原型中,自主貨架掃描機器人向Edge AI平臺上執行的ML模型提供攝影機饋送。 該系統可以識別對象並將庫存詳細資訊發送到儀表板,從而更頻繁,更準確,更全面地瞭解庫存狀態,同時實時狀態監控和低庫存警報。

圖3. 由Edge AI提供支援的自動化零售庫存跟蹤提供了監控趨勢的見解並提供實時警報。

儘管有電子鎖和其他安全措施,但在龐大的製造設施或實驗室環境中,防止未經授權進入受限區域可能是一項挑戰。 通過將來自整個設施的影片源整合到Edge AI中,該系統可以使用面部識別來檢測陌生人,並向安全人員提供實時通知。

圖4. Edge AI通過使用計算機視覺識別製造或實驗室環境中的陌生人來提高安全性。

Edge AI和計算機視覺的另一個使用案例是在生產線上進行自動化光學檢測。 在這種情況下,組裝的部件通過一個檢測站發送,以進行自動化視覺分析。 Edge AI計算機視覺模型可檢測缺失或未對齊的零件或任何其他缺陷,並將結果發送到顯示檢查狀態的實時儀表板。 由於數據可以流回雲以進行進一步分析,因此可以持續改進ML模型以減少誤報。 該系統通過提高缺陷識別的速度和準確性來提高製造產量並提高工藝產量。

如這些示例所示,將AI和計算容量與雲服務直接結合到網路邊緣,使組織能夠將日益複雜和具有變革性的使用案例推向市場。 作爲完全集成的平臺,Edge AI顯著減少了將這些使用案例付諸實踐的障礙。

我們將在下一期分爲三部分的系列中深入探討Edge AI平臺的元素。

‍Contact 瞭解有關您的應用如何從我們的Edge AI平臺中受益的更多資訊。