|
5G时代带来的数据量提升与物联网的广泛应用，必然使我们的生活和社会治理方式发生巨大的变化。这其中最主要的，即是海量的网络设备产生的边缘数据，已经很难全部集中到云服务器端进行统一处理，因此，最简单也是必然的选择便是在边缘侧完成数据的处理与归并，从而减轻与服务器通信的数据量。换句话说，也就是云端给边端一部分的数据自主权。在这种需求的牵引下，作为一种全新的计算范式，边缘计算（Edge Computing,EC）便应运而生(边缘计算（一） ：兴起)。 而同时，随着深度学习算法的不断加强，人工智能领域的发展不断加速，在这种情况下，边缘计算与人工智能不可避免地结合了起来。由此产生的新的交叉学科，边缘智能（Edge Intelligence, EI）便引起了很多学者的关注与讨论。
如果说边缘计算是基于云端统一的规则，进行数据的处理、舍弃与上报的话，边缘智能则具有了更大的自主权，能够基于人工智能技术，在边端本地为一些关键问题提供更优的解决方案。如果做一个类比的话，可以认为边缘计算是云端在边端的一个代理人，依据云端制定的规则，把边端的任务提纯之后向云端进行汇总与反馈。而边缘智能则相当于云端在边端建立了一个办事所，能够具有一定程度的自主权，而边端自己产生的一些优秀的成果提供给云端以及其它的边端。从而加强整个系统的能力。 人工智能和边缘计算的结合是技术发展的必然，人工智能像是一个拥有了很多优秀解决方案的企业，而边缘计算则拥有很多直面用户的基础数据。因此，AI为EC提供解决方案，而EC则为AI提供了释放潜力和检验成果的平台。 从功能的侧重上，边缘智能可以分为基于边缘计算的人工智能（AI on Edge）和基于人工智能的边缘计算（AI for Edge）两个部分。前者侧重于研究如何在边缘计算平台上进行人工智能模型的构建，而后者则侧重于如何借助云端已经训练好的人工智能技术，为边缘计算中的关键问题提供更优的解决方案。前者主要研究的方面在模型训练和模型推理两个部分，而后者研究的主要方面则是任务卸载和边缘缓存。 从应用场景上，边缘智能因其通信开销小、时延低、隐私性强等特征，在各行各业中，尤其是在社会治理方面，有着广泛的应用前景。其主要应用场景如下： 一、智慧城市 随着城市规模的不断扩大以及信息技术的发展，单个城市治理所能够使用的数据量急剧增加。因此，边缘智能能够提供低时延、高效率的城市治理服务。通过AI或城市大脑（城市大脑（一）：概述）来协同和调度城市基础设施，从而实现整个城市资源的最佳利用。尤其是在类似于新冠疫情这样的重大公共卫生事件发生的情况下，可以快速地进行最合理的资源分配和调度。 二、智能制造 随着机器人技术和工业物联网的快速发展，边缘智能对于各类传感器采集的数据能够快速地进行控制和管理输出，从而显著减少误差、提高效率，在毫秒级响应报警问题并启动预案，以防止出现严重事故。
三、公共安全 随着雪亮工程和天眼工程的完成，大量的图像、视频信息被采集起来，而实时视频、图像分析无疑是边缘智能最为重要的应用场景之一。如果将视频分析放到云端的话，那么会消耗大量的网络资源以及具有低下的效率。而通过边缘智能，与其它边缘智能体进行的交互，能够快速略过无效数据，聚集高价值数据。 四、车联网 边缘智能应用在车联网上，能够提供安全性和效率，减少交通事故的发生以及保障交通的畅通。随着技术的快速发展，高级别的自动驾驶也将成为可能。 五、智慧医疗 边缘智能应用在医疗领域，能够显著减少区域间医疗资源的不平衡，使得处于乡村的患者也能享受到基于多名高级专家经验给出的建议而提供的医疗服务。而且可以在救护车和医院之间建立起双向实时通信信道，从而提供抢救的及时性有效性。而针对智慧交通的优化可以使得各类道路为救护车，以及其它特种车辆，提供畅通的交通路线。
六、无人感知 基于无人设备对于多种人力不能及的应用场景监测及管控，可以有效的节省人们的时间和提高效率。例如在林业、农业以及采矿业等领域。 七、智能手机 对于大部分人来说，智能手机是最为熟悉的边缘AI设备。苹果的Siri和谷歌的语音助手无疑是边缘智能最好的应用。手机上的AI使得人们无需过于担心自己隐私的泄露。 |
|
|
