随着人（rén）工智能 (AI) 的成熟，采用率继续增加。根据最近的（de）研究，35% 的（de）组（zǔ）织正（zhèng）在使用人工智能，42% 的组织正在（zài）探索其潜力。虽然（rán）人（rén）工智能在云中得到了很好的理（lǐ）解并大量（liàng）部署，但它在（zài）边缘仍然处于萌芽状态，并面临一（yī）些独特的挑战。

许多（duō）人全天都在使用人（rén）工智能，从汽（qì）车导航（háng）到跟踪步骤，再到（dào）与（yǔ）数字助理（lǐ）交谈。即使用（yòng）户经常在（zài）移动设备上访问（wèn）这些（xiē）服务，计算结果仍然存（cún）在于人工智能的云使用中。更（gèng）具体（tǐ）地说，一个人请求信息，该请求由云中的中央学（xué）习（xí）模型处理（lǐ），然（rán）后将结果发送回（huí）该人的本地设备。

与云端 AI 相比（bǐ），边缘 AI 的理解（jiě）和部（bù）署频率更低。从一开始，人工智能算（suàn）法和创新就依（yī）赖于一个基本假设——所有数据都可（kě）以发送到一（yī）个（gè）中心（xīn）位置。在这个（gè）中心位（wèi）置，算法可以完（wán）全（quán）访（fǎng）问数据。这使得算（suàn）法能够像大脑或中枢神经系统（tǒng）一样构建其智（zhì）能，对计算和数据拥有完（wán）全的权限。

但是，边缘的（de）人工智（zhì）能是不同的。它（tā）将（jiāng）智能分布在（zài）所有细胞和神经上（shàng）。通过将（jiāng）智能推向边缘，我们赋予这些边（biān）缘设备代理权。这（zhè）在医疗（liáo）保（bǎo）健和工（gōng）业制造等许多应用和领域中至（zhì）关（guān）重要。

在（zài）边缘部署人工智能的（de）原因

在边缘部署人工（gōng）智能有三个主要原因。

保护个人身（shēn）份信息 (PII)

首先，一（yī）些处（chù）理 PII 或敏感 IP(知（zhī）识产（chǎn）权)的组织更愿意将数据（jù）留在其来（lái）源（yuán）处（chù）——医院的成像机器或工（gōng）厂车间的制造机器中。这（zhè）可以降低（dī）通过网络传输数（shù）据时（shí）可（kě）能（néng）发生的（de）“偏移”或“泄漏”风险（xiǎn）。

最（zuì）小化带宽使用（yòng）

其次是带宽问题。将（jiāng）大量（liàng）数（shù）据从边（biān）缘传（chuán）送到云端会（huì）阻塞网络，在某些情况下是不（bú）切（qiē）实际（jì）的。健（jiàn）康环境中的成像机器生（shēng）成如此（cǐ）庞大的文（wén）件以致（zhì）无法将它们传输到（dào）云或需要数（shù）天才能完成传（chuán）输的情况并不少见（jiàn）。

简单地在（zài）边缘处理数据会更有效（xiào），尤其是当洞察力旨在（zài）改（gǎi）进（jìn）专有机器时（shí）。过去，计算的移动和（hé）维护难度要（yào）大得多，因此需要将这些数据移动（dòng）到计算位置。这种范式现在受到挑（tiāo）战，现在数据通常更重要且更难管理，导致用例保证将计算移（yí）动（dòng）到（dào）数据位置。

避（bì）免（miǎn）延迟

在边缘部署 AI 的第三个原因是延（yán）迟。互联网速（sù）度很快，但不是实时的（de）。如果存在毫秒很重（chóng）要的情况，例如协助手术的（de）机械臂或时间敏（mǐn）感的生产线（xiàn），组（zǔ）织（zhī）可能会决（jué）定在边缘运行（háng） AI。

边缘人工智能面临的挑（tiāo）战以及如何解决这些挑（tiāo）战

尽管有这些好处，但在边缘部署 AI 仍然存在一些独（dú）特（tè）的挑战。以（yǐ）下是（shì）您应该考虑的（de）一些（xiē）提（tí）示，以帮助应对这些（xiē）挑战。

模型（xíng）训练的好与坏结（jié）果

大多数 AI 技术使用（yòng）大量数据来（lái）训练模型。然而（ér），在边缘的工业用例中，这通常会变得更加困难，因为大多数制造的（de）产品都没有（yǒu）缺（quē）陷，因此被标记或注（zhù）释为良（liáng）好（hǎo）。由（yóu）此产生（shēng）的“好结果”与（yǔ）“坏结果”的不平衡使得模型更难学会识别问（wèn）题。

依赖于没有上下文信息（xī）的数据分类（lèi）的纯 AI 解决方（fāng）案通常不容易创建和部（bù）署，因为缺乏标记数据，甚（shèn）至会发生罕见（jiàn）事件。为 AI 添加上下文(或（huò）称为以数据为中心的方法)通（tōng）常会在最终解决（jué）方案的（de）准确性和规（guī）模方（fāng）面带来好处。事实是，虽（suī）然人工智能通（tōng）常可以取代人类（lèi）手动完成的平凡任务，但在构（gòu）建模型时，它会极大地受益于人类的洞察力，尤其是在（zài）没有大量数据可（kě）供使用的情况下。

从（cóng）经验丰（fēng）富（fù）的主题专家那里（lǐ）得（dé）到承诺，与构建（jiàn）算法的数据（jù）科学家密切合作，为 AI 学习提（tí）供了（le）一个快（kuài）速启动（dòng）。

AI 无法神奇地解决或提供每个问（wèn）题的答案

通常（cháng）有许多步骤（zhòu）进入输出（chū）。例如，工厂车间可能有许（xǔ）多工作站，它们（men）可能相互依赖（lài）。一（yī）个过程中工（gōng）厂某（mǒu）个区域的湿度（dù）可能（néng）会影响稍后（hòu）在不（bú）同区域的生（shēng）产线中（zhōng）另一（yī）个（gè）过程的结果。

人（rén）们通常（cháng）认为人工智能（néng）可以神奇地拼凑所有这些关系。虽然在许（xǔ）多情况下可以，但它（tā）也可能需要大量数据和很长时间来收集数据，从而导致非（fēi）常复杂的（de）算法不支持可（kě）解释性和更新。

人（rén）工智能（néng）不（bú）能生活在真空中（zhōng）。捕捉这些相互依（yī）赖关系将把边（biān）界从一个简单的解决方案（àn）推向（xiàng）一个可以随着时间（jiān）和不同部（bù）署而（ér）扩展的解决方案。

缺乏利益相关者的支持会限制人工（gōng）智能的规模

如果组织中的一群人对（duì）它（tā）的好处持怀疑（yí）态度，则（zé）很难在整（zhěng）个组织中扩展（zhǎn） AI。获得广泛支持（chí）的最好（hǎo）(也许是唯一)方法是从一（yī）个高价值、困难的问题（tí）开始，然后用人（rén）工智能解决它。

在奥迪，我们考虑解（jiě）决焊枪电极更（gèng）换频率的问题。但是电（diàn）极成本低，这（zhè）并没有消（xiāo）除人类正在做的任何平凡的任务。相反，他们选择了焊接工艺（yì），这（zhè）是整个行业普遍认同的难题，并通过人工智能显（xiǎn）着提（tí）高了工艺质（zhì）量。这激发了整（zhěng）个公司工程师的想象力（lì），他们研（yán）究（jiū）如何在其（qí）他流程中使用人工智能来（lái）提高效率和质量。

平衡边缘 AI 的优（yōu）势和（hé）挑战

在边缘部署 AI 可以帮助组织及其团队。它有可能将设施转变为智能边缘，提高（gāo）质量（liàng），优化制造过（guò）程，并激（jī）励整个组（zǔ）织的开发人员和工程师探索（suǒ）他们如何整合人工智能或推进人（rén）工智能用例，包（bāo）括（kuò）预（yù）测分析、提高效（xiào）率的建议（yì）或异常检测。但它也带来了（le）新的挑战。作为一个（gè）行业，我（wǒ）们必须能够在部署它的同时（shí）减（jiǎn）少延迟、增加隐（yǐn）私、保护 IP 并保持网络（luò）平（píng）稳运行（háng）。