边缘人工智能持续发展。 边缘人工智能应用多种多样：自动驾驶汽车、艺术、医疗保健、个性化广告和客户服务都可以利用它。 理想情况下，边缘架构由于更接近请求而提供低延迟。
Astute Analytica 预测边缘人工智能市场将从 2021 年的 140 万美元增长到 2027 年的 800 万美元，复合年增长率为 29.8%。 他们预计这一增长将在很大程度上来自物联网人工智能、可穿戴消费设备以及 5G 网络对更快计算速度的需求等因素。 这些既带来了机会，也带来了保留，因为边缘人工智能的实时数据很容易受到网络攻击。
看看明年可能塑造边缘人工智能领域的五种趋势。
5 大边缘人工智能趋势
将人工智能与云分离
当今的巨大变化之一是无需云连接即可运行人工智能处理的能力。 Arm 最近发布了两种新的芯片设计，可以将处理能力带到物联网设备的边缘，跳过远程服务器或云。 他们当前的 Cortex-M 处理器可以处理对象识别，通过添加 ARM 的 Ethos-U55，还可以发挥手势或语音识别等其他功能。 谷歌的 Coral 是一个利用本地人工智能构建产品的工具包，它还承诺进行大量的“离线”人工智能处理。
机器学习操作
NVIDIA 预测，机器学习操作的最佳实践将证明对于边缘 AI 来说是一个有价值的业务流程。 它需要一个新的 IT 生产生命周期——或者，至少，随着 MLOps 的发展，这是猜测。 MLOps 可以帮助组织数据流并将其推向边缘。 随着越来越多的组织在边缘人工智能方面找到最适合他们的方法，持续的更新周期可能会被证明是有效的。
每天致力于设计算法、选择模型架构以及部署和监控 ML 的数据科学家可能会从简化的 ML 方法中受益。
谷歌首席执行官桑达尔·皮查伊 (Sundar Pichai) 表示，这意味着“神经网络可以设计神经网络”。
Auto ML 需要大量内存和计算能力，因此其在边缘的部署与其他正在进行的处理考虑因素密切相关。
专用芯片
为了在边缘进行更多处理，公司需要定制芯片来提供足够的功率。 去年，初创公司 DeepVision 凭借其视频分析和边缘自然语言处理芯片获得 3500 万美元的 B 轮融资而成为头条新闻。
Linley Group 首席分析师 Linley Gwennap 解释道：“我们预计 2025 年将有 19 亿台边缘设备配备深度学习加速器。”
DeepVision 的人工智能加速器芯片与软件套件配对，该软件套件本质上将人工智能模型转换为计算图。 IBM 于 2021 年发布了首款加速器硬件，旨在打击欺诈行为。
计算机视觉的新用例和功能
计算机视觉仍然是边缘人工智能的重要用途之一。 NVIDIA 的应用程序框架和开发工具集合作伙伴网络目前拥有 1,000 多名成员。
该领域的一个主要发展是多模式人工智能，它从多个数据源中提取数据，超越自然语言理解，分析姿势并执行检查和可视化。 这对于与人无缝交互的人工智能来说可能会派上用场，例如购物助理。
高阶视觉算法现在可以通过使用更精细的特征来对对象进行分类。 它可以更深入地查明汽车的品牌和型号，而不是识别汽车。
训练模型来识别每个对象的哪些细粒度特征是唯一的可能很困难。 然而，诸如具有细粒度信息的特征表示、提取特定特征的分割、标准化对象姿态的算法以及多层卷积神经网络等方法都是目前实现这一目标的方法。
处于起步阶段的企业用例包括质量控制、实时供应链跟踪、使用快照识别内部位置以及检测深度赝品。
人工智能在 5G 上的增长更快
5G 及更高技术即将到来。 卫星网络和 6G 等待着电信提供商的到来。 对于我们其他人来说，在全面进入下一代网络之前，仍然需要一些时间在与某些 5G 服务兼容的 4G 核心网络之间进行过渡。
这与人工智能的边缘在哪里？ 5G 上的人工智能可以为人工智能应用提供更高的性能和安全性。 它可以提供一些低延迟边缘人工智能需求，并开辟新的应用程序，例如工厂自动化、收费和车辆遥测以及智能供应链项目。 Mavenir 于 2021 年 11 月推出了用于视频分析的 5G 边缘人工智能。
边缘人工智能的新兴趋势比我们在一份列表中所能列出的还要多。 特别是，它的扩散可能也需要人类方面做出一些改变。 NVIDIA 预测边缘 AI 管理将成为 IT 部门的工作，很可能会使用 Kubernetes。 Gartner 报告称，使用 IT 资源而不是让业务线管理边缘解决方案可以优化成本。
